以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：103

、訪客IP：3.15.193.94

姓名	傅昱瑋(Yu-Wei Fu)  查詢紙本館藏	畢業系所	資訊管理學系在職專班
論文名稱	應用類神經網路於求職者在職時間預測模型之研究 (Predict Candidates Work Days Model Based on Neural Network)
相關論文	★ 台灣50走勢分析：以多重長短期記憶模型架構為基礎之預測 ★ 以多重遞迴歸神經網路模型為基礎之黃金價格預測分析 ★ 增量學習用於工業4.0瑕疵檢測 ★ 遞回歸神經網路於電腦零組件銷售價格預測之研究 ★ 長短期記憶神經網路於釣魚網站預測之研究 ★ 基於深度學習辨識跳頻信號之研究 ★ Opinion Leader Discovery in Dynamic Social Networks ★ 深度學習模型於工業4.0之機台虛擬量測應用 ★ A Novel NMF-Based Movie Recommendation with Time Decay ★ 以類別為基礎sequence-to-sequence模型之POI旅遊行程推薦 ★ A DQN-Based Reinforcement Learning Model for Neural Network Architecture Search ★ Neural Network Architecture Optimization Based on Virtual Reward Reinforcement Learning ★ 生成式對抗網路架構搜尋 ★ 以漸進式基因演算法實現神經網路架構搜尋最佳化 ★ Enhanced Model Agnostic Meta Learning with Meta Gradient Memory ★ 遞迴類神經網路結合先期工業廢水指標之股價預測研究
檔案	[Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   至系統瀏覽論文 (2026-8-1以後開放)
摘要(中)	本研究之主要目的是建置求職者在職時間預測模型，運用離職員工的人事資料和人格測驗去探討和分析出離職天數，未來將可提供主管們在面試時，在評比求職者的標準中可將此研究結果納入參考數據的一種，進而可篩選出不易離職的員工，以降低員工離職率和公司成本的相關影響，且可提升公司的信譽和競爭力。 本研究所採用的研究方法是選擇類神經網路(Neural Network)演算法建置適用於的在職天數預測模型(PCWD Model(Predict Candidates Work Days Model)，設計四個實驗方法，首先最普遍常見的是運用離職員工的人事資料是否會影響在職天數的長短，第二是離職員工的人格測驗結果是否會影響在職天數的長短，第三是離職員工的人事資料和人格測驗兩個資料集整併是否會影響在職天數的長短，最後是將人事資料的預測結果和人格測驗的預測結果，將兩者預測結果進行預測研究是否會影響在職天數的長短，依實驗方法進行假說和擬定了設計出四個預測模型來驗證。 本研究設計出四個預測模型之實驗預測結果依序上述依此類說明預測結果，人事資料預測模型，預測結果的準確率為0.88，人格測驗預測模型，預測結果的準確率為0.99，人事資料和人格測驗預測模型，預測結果的準確率為0.91，人事資料結果和人格測驗結果預測模型，預測結果的準確率為0.89，由實驗結果的數據可得知本研究的PCWD預測模型能有效地降低員工離職率和公司成本的問題。
摘要(英)	The main purpose of this research is to build a predictive model of job applicants′ on-the-job time, and use the personnel data and personality tests of the employees to explore and analyze the number of days left. Incorporating the results of this research into a type of reference data can then screen out employees who are not easy to quit, so as to reduce the impact of employee turnover and company costs, and improve the company′s reputation and competitiveness. The research method adopted in this research is to select a Neural Network algorithm to build a suitable PCWD Model (Predict Candidates Work Days Model). Four experimental methods are designed. First of all, the most common It is whether the use of personnel data of the resigned employee will affect the length of the number of days on the job, the second is whether the result of the personality test of the resigned employee will affect the length of the number of days on the job, and the third is whether the two data sets of the personnel data and the personality test of the resigned employee are integrated It will affect the length of working days. Finally, the prediction results of the personnel data and the prediction results of the personality test are used to predict whether the two prediction results will affect the length of the working days. The hypotheses are based on experimental methods and four designs are drawn up, and predictive model to verify. In this study, the experimental prediction results of the four prediction models were designed in the order described above and so on to explain the prediction results. The personnel data prediction model has an accuracy rate of 0.88. The personality test prediction model has an accuracy rate of 0.99. Personnel data and the personality test prediction model, the accuracy rate of the prediction result is 0.91, and the prediction model of personnel data and personality test results has an accuracy rate of 0.89. The data of the experimental results shows that the PCWD prediction model of this study can effectively reduce Employee turnover rate and company cost issues.
關鍵字(中)	★ 員工離職 ★ 人格特質 ★ 類神經網路	關鍵字(英)	★ Employee turnover ★ Character ★ Neural network
論文目次	摘要 i Abstract ii 誌謝 iv 目錄 v 表目錄 vii 圖目錄 ix 公式目錄 x 第一章 緒論 1.1 研究背景 1 1.2 研究動機 1 1.3 研究目的 2 第二章 文獻探討 2.1 員工離職 4 2.2 人格特質 4 2.3 類神經網路 5 第三章 研究方法 3.1 研究流程 7 3.2 資料蒐集 9 3.3 資料前處理 13 3.4 資料處理 13 3.5 類神經網路模型建立 14 第四章 實驗結果 4.1 資料集 17 4.2 模型比較 18 4.3 模型評估 19 4.4 實驗結果 21 4.5 參數設定 26 第五章 結論 5.1 研究貢獻 36 5.2 未來研究方向 37 參考文獻
參考文獻	[1] Price, J.L. (1977) The Study of Turnover. [2] Mobley, W. H. (1982). Employee turnover, causes, consequences, and control. Addison-Wesley. [3] Kane-Sellers, Marjorie Laura (2007). Predictive models of employee voluntary turnover in a North American professional sales force using data-mining analysis. [4] 呂崇賢, 以在職經歷模式為基礎的離職原因分析, 國立中央大學資訊工程學系在職專班碩士論文, 2019 [5] 黃孫中, 應用資料探勘技術於員工離職因素預測, 國立交通大學管理學院資訊管理學程碩士論文, 2017 [6] 王世驤, 運用資料探勘的技術預測員工離職機率及影響變因, 國立宜蘭大學多媒體網路通訊數位學習碩士在職專班碩士論文, 2017 [7] 鄭嘉勳, 高科技公司專案研發人員之離職預測模型建置, 國立中央大學人力資源管理研究所碩士論文, 2017 [8] 翁瓊雯, 半導體測試業之員工離職預測研究-以K公司為例, 國立交通大學管理學院資訊管理學程碩士論文, 2009 [9] 洪政豪, 資訊人才離職因素之探討分析-以輪胎製造業為例, 國立彰化師範大學資訊管理學系所碩士論文, 2013 [10] Allport, G. W. (1937). Personality: a psychological interpretation. [11] Cattell, R. B. (1943). The description of personality: basic traits resolved into clusters. [12] Fiske, D. W. (1949). Consistency of the factorial structures of personality ratings from different sources. [13] Norman, W. T. (1963). Toward an adequate taxonomy of personality attributes: Replicated factor structure in peer nomination personality ratings. [14] Goldberg, L. R. (1981). Language and individual differences: The search for universals in personality lexicons. [15] Costa, P. T., & McCrae, R. R. (1992). The five-factor model of personality and its relevance to personality disorders. [16] Eysenck, H. J., (1967). The biological basis of personality. Springfield: Thomas. [17] Eysenck, H. J. and Eysenck, M. W., (1985). Personality and individual differences: a natural science approach. New York: Plenum Press. [18] Haykin, S., Neural Networks: A Comprehensive Foundation, Macmillan College Publishing Company, New York, 1994. [19] Wu, J. K., Neural Networks and Simulation Methods, Marcel Dekker, Inc., New York, 1994. [20] 宋晧遠, 應用類神經網路在入院階段預測心血管患者住院天數, 國立臺北科技大學工業工程與管理系碩士論文, 2011 [21] 陳彥佑, 倒傳遞類神經網路應用於心血管疾病患者住院天數, 國立臺北科技大學工業工程與管理系碩士論文, 2014 [22] 袁繼銓, 以類神經網路預測燒傷病患住院日之研究, 國立中山大學資訊管理學系研究所碩士論文, 1992 [23] 李穎, 類神經網路應用於國道客運班車旅行時間預測模式之研究 國立成功大學交通管理學系碩士論文, 1991 [24] 林祥煙, 類神經網路於高速公路交通量預測之研究, 國立中央大學土木工程研究所碩士論文, 1999 [25] 李宥瑩, 應用類神經網路於公共自行車需求預測之研究 以中壢火車站前站為例, 國立中央大學土木工程學系碩士論文, 2019 [26] 黃宏斌, 高雄港轉口貨櫃運量預測之研究~以類神經網路為預測模式, 國立海洋大學航運管理學系碩士論文, 2001 [27] 蔡惠喻, 高雄港轉口貨櫃量之運量預測, 國立高雄應用科技大學企業管理系碩士在職專班碩士論文, 2001 [28] 陳鈺棻, 整合類神經網路與行動裝置之疲勞預測模型建構, 國立雲林科技大學工業工程與管理系碩士論文, 2017 [29] 唐寧, 利用員工出缺勤行為模式強化離職預測模型, 國立臺灣科技大學資訊工程系碩士論文, 2019 [30] 董峻成, 護理人員離職預測系統之研究, 國立中正大學資訊管理學系碩士論文, 2005 [31] 葉怡成, 類神經網路模式應用與實作, 2000
指導教授	陳以錚(Yi-Cheng Chen)	審核日期	2021-8-10
推文	facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu
網路書籤	Google bookmarks   del.icio.us   hemidemi   myshare