人才流动的时空模式:分析与预测

发布时间：2021-05-31 14:57

　　随着经济全球化的发展,地区间的人才流动日益频繁,人才的引进和流失对各地区的科技和经济的发展产生了巨大的影响.对人才流动问题进行深入研究,是实现有效的人才流动监控、制定科学人才引流政策的基础.提出一种数据驱动的人才流动分析方法,探究地区间人才流动的规律,并预测未来的人才流动.具体而言,用基于矩阵序列的定量方法表示地区间人才流动现象,并分析地区间人才流动的时空模式以及地区人才吸引力的差异和人才交换的聚集效应.进一步提出人才流动预测模型,结合卷积和循环神经网络实现地区间人才流量的预估.通过大规模在线职业平台的数据对所提出的模型进行验证,实验表明:提出的模型误差相对基准模型平均降低约15%. 

【文章来源】：计算机研究与发展. 2019,56(07)北大核心EICSCD

【文章页数】：12 页

【部分图文】：

图１部分地区间人才流动量Ｆｉｇ．１Ｎｕｍｂｅｒｏｆｔａｌｅｎｔｆｌｏｗｓａｍｏｎｇｓｅｖｅｒａｌｃｉｔｉｅｓ

素Ｘｔｉｊ为在该时间段内从地区ｉ到地区ｊ的人才流动量，ｍ为地区数目．根据此定义，（Ｘ１，Ｘ２，…，Ｘｋ）为地区间人才流量的历史构成的矩阵序列．其中，地区内部的人才流量（即Ｘｔｉｉ）一般是地区间流量的数十倍，如图１所示，该流量一般与地区内劳动人口基数直接相关．图１为ＯＰＮ样本中若干典型城市之间２０１６年前２个季度的人才流动量．流量矩阵是稀疏矩阵，实际数据中非零值率平均约为２０％．图２示意性地展示了全球主要地区间的人才流动关系网络，其中节点表示地区，边表示地区间的人才流动关系．Ｆｉｇ．１Ｎｕｍｂｅｒｏｆｔａｌｅｎｔｆｌｏｗｓａｍｏｎｇｓｅｖｅｒａｌｃｉｔｉｅｓ图１部分地区间人才流动量Ｆｉｇ．２Ｉｌｌｕｓｔｒａｔｉｏｎｏｆｔａｌｅｎｔｆｌｏｗａｍｏｎｇｃｉｔｉｅｓ图２人才流动示意图为方便表述，引入符号Ｘｔｉ∶∈Ｒ１×ｍ，表示人才流动矩阵的第ｉ行，即地区ｉ向其余地区输送的人才量，称为流出向量．引入符号Ｘｔ∶ｊ∈Ｒｍ×１表示人才流动矩阵的第ｊ列，即地区ｊ从其余地区吸引的人才０１４１计算机研究与发展２０１９，５６（７）

量，称为流入向量．流出和流入向量统称为流量向量．图３为人才流动矩阵中流量向量的示意图．Ｆｉｇ．３Ａｎｅｌｅｍｅｎｔｏｆｔａｌｅｎｔｆｌｏｗｍａｔｒｉｘ图３人才流动矩阵示意图对于给定的地区，其流量向量携带了该地区与其他地区间直接人才交换的完备信息．此外，由于流量矩阵稀疏，分析给定２个地区间的人才交互往往因缺乏数据而不可行，但对于给定地区，其流量向量平均含有约２０％的非零项，其稀疏性相对较低，可以作为其人才吸引和流失的特征向量．因此，２．２节、２．３节通过分析流量向量的特点及向量间的关系，研究地区间人才流动的时空模式．２．２空间模式分析２．２．１地区人才吸引力模式在给定的时间段ｔ和给定的地区ｉ，流量向量Ｘｔｉ∶，Ｘｔ∶ｉ分别表示该地区向外部输送和从外部引入的人才流量．一般地，单个时间片中流量越大，该地区人才基数越大，或同等基数下人才活跃性越强．本文用ｓｔｉ∶＝∑ｍｋ＝１Ｘｔｉｋ，ｓｔ∶ｉ＝∑ｍｋ＝１Ｘｔｋｉ分别表示地区流出和流入人才基数，其差值ｓｔｉ＝ｓｔ∶ｉ—ｓｔｉ∶为地区净流入量．由于城市流入、流出量与劳动人口规模相关，本文用归一化后的净流入量ｓｔｉ?（ｓｔ∶ｉ＋ｓｔｉ∶）表示相对吸引力程度，其数值称为人才净收益度．一般地，人才流入超过流出的地区是人才交换中的净受益者，净收益度为正值，反之为净流失者．由于发达国家和发展中国家的福利待遇和工业发展水平等差异明显，对?

【参考文献】：
期刊论文
[1]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[2]多头并举 培养造就创新型科技人才——《国家中长期人才发展规划纲要（2010—2020年）》解读[J]. 王艳,樊立宏.  中国科学院院刊. 2010(06)
[3]一种层次化的检索结果聚类方法[J]. 张刚,刘悦,郭嘉丰,程学旗.  计算机研究与发展. 2008(03)
[4]支持向量机最优模型选择的研究[J]. 刘向东,骆斌,陈兆乾.  计算机研究与发展. 2005(04)



本文编号：3208468