KẾT LUẬN Kết quả nhận được

Một phần của tài liệu Ứng dụng kỹ thuật học máy để dự đoán khả năng chuyển việc của nhân viên trong ngành công nghệ thông tin (tt) (Trang 25 - 26)

Kết quả nhận được

Trong đề tài này, chúng tôi tiến hành nghiên cứ một mơ hình hồn tồn mới để khám phá con đường sự nghiệp của nhân viên ở

cấp độ cá nhân với cơ chế chú ý. Đặc biệt, mục tiêu là dự đoán chức danh tiềm năng tiếp theo của cá nhân nhân viên và nhận được thời gian làm việc ở chức danh tiếp theo. Kết quả thử nghiệm trên dữ liệu thế giới thực cho thấy rằng, bằng cách áp dụng cơ chế chú ý, phương pháp của chúng tôi diễn giải thông tin nội tại trong mỗi kinh nghiệm làm việc và kết nối giữa các kinh nghiệm làm việc một cách hiệu quả. Như được hiển thị trong kết quả thử nghiệm của chúng tôi, mô hình đề xuất cung cấp độ chính xác tốt hơn nhiều cho cả ba nhiệm vụ dự đoán và cho kết quả vượt trội so với các phương pháp hiện đại khác.

Nhược điểm

Vì thời gian và nguồn lực có hạn nên chúng tơi đã hoàn thành dự án chỉ với tập dữ liệu của nhân viên trong lĩnh vực công nghệ thông tin ở Việt Nam. Chúng tôi tin rằng phương pháp của mình vẫn cịn nhiều tiềm năng phát triển trong việc hỗ trợ các doanh nghiệp ở các lĩnh vực khác.

Công việc trong tương lai

Chúng tôi sẽ tiếp tục nghiên cứu và phát triển hệ thống của mình với dữ liệu ở các lĩnh vực khác nhau để xây dựng một sản phẩm thật sự.

Cơng trình nghiên cứu

Các kết quả nghiên cứu trong luận văn đã được công nhận với bài báo có tiêu đề là “Improve Job Experiences Prediction with Attention Mechanism” và được đăng bởi tạp chí khoa học – Đại học Đà Nẵng, Tập 20, số 6, ngày 02/06/2022, trang 33.

Một phần của tài liệu Ứng dụng kỹ thuật học máy để dự đoán khả năng chuyển việc của nhân viên trong ngành công nghệ thông tin (tt) (Trang 25 - 26)

Tải bản đầy đủ (PDF)

(26 trang)