自然语言处理正在改变人力资源部门的工作方式
如果人力资源部门有足够的东西，那就是充满文字的文件。多年的员工调查、绩效评估、简历、入职文件等。从历史上看，对这些堆积如山的信息几乎没有做任何事情。
例如，有多少次绩效评估在年底被阅读，然后归档并被遗忘？有多少次创建调查来询问员工的意见，却因为阅读时间太长而忽略了开放式评论？招聘人员多久尝试一次对数百份简历进行分类以找到空缺职位的完美候选人？
自然语言处理 (NLP) 正在改变这一切。它允许人力资源部门自动化和优化从这些文档中的所有单词和数据中获取洞察力的过程。

什么是自然语言处理？
人工智能 (AI)、分析和自然语言处理等术语经常互换使用或用作商务术语。在我们探讨如何将它们应用于人力资源之前，必须了解这些术语的差异。
• 自然语言处理 (NLP) 是人工智能的一个子集，它提供了帮助我们理解和提取文本含义的工具。人工智能的目标是让机器像人类一样理性地思考和行动。
• 文本分析 是从文本中获得洞察力的过程。分析是人类所做的，而人工智能是计算机所做的。
NLP 有多种形式。大多数人都熟悉苹果的 Siri 或亚马逊的 Alexa 等虚拟助手。两者都使用 NLP 来理解语音命令。聊天机器人是 NLP 的另一种形式。它们通过文本交换与人们互动，可用于从提供产品信息到下订单的任何事情。
NLP 中有许多不同的实践领域。在本文中，我们将重点关注三个方面——情感分析、文档分类和主题建模——并展示如何在人力资源中使用它们。

情绪分析
情感分析有时被称为意见挖掘或情感人工智能。它是自动确定文本文档情感的过程。例如，文件是否包含愤怒、恐惧或喜悦？情感分析可以通过许多不同的方法来实现，包括监督和非监督机器学习。
通常，情绪分析可以确定文档的“极性”。它是积极的、消极的还是中性的？从文档中提取情感比简单地了解其极性更有价值。然而，情感提取是一个复杂的过程，更容易出错。
情感分析通常用于确定客户的声音并了解客户的感受、想法、需要和想要什么。在 HR 中，情绪分析可以成为评估员工情绪的有用工具。它可以应用于员工调查中的开放式评论，包括入职、敬业度和离职调查。
例如，入职调查的情绪分析可以让组织了解新员工是否对加入公司感到乐观，以及他们是否为成功做好了准备。组织可以通过分析公司电子邮件来监测员工情绪，以确定员工的整体幸福感和满意度。情绪分析甚至可以帮助预测哪些员工有离职风险。

文件分类
文档分类遵循与分类机器学习技术相同的过程，一种有监督的机器学习。主要区别在于分类算法中使用的特征是从文档中提取的文本。值得注意的是，在文档分类中，从文本中提取的特征通常用于补充而不是替换数据中可能可用的其他结构化特征。
最常见的文档分类应用程序之一是垃圾邮件的自动检测。在 HR 中，文档分类可以对工作申请进行分类并将其发送给负责招聘该特定角色的招聘人员。文档分类还可以通过对员工电子邮件、文本或电话进行分类，提供额外的见解，以丰富员工的离职风险预测。

主题建模
另一种有价值的 NLP 技术是主题建模，一种无监督机器学习的形式。主题建模是从文档中提取高级主题（又名主题）的过程。主题不是预定义的，而是由算法自动确定的。
通过主题建模，我们可以快速自动（无需训练数据）从数十万个文档中生成中心主题。主题建模算法依赖于文档中的统计字数，并使用机器学习来确定最流行的主题。主题建模背后的想法是文档中频繁出现的单词将属于同一个主题。
主题模型有很多商业用途，在总结大量文本时很有帮助。在 HR 中，可以分析包含许多开放式文本响应的绩效评估，并发现其中心主题。因此，与其阅读数百甚至数千条评论，我们可以简单地阅读主题以更好地理解最流行的主题，并确定哪些主题具有积极、消极或中性的情绪。
这些是 NLP 将如何改变人力资源工作方式的几个例子。今天人力资源部门有很多机会，很高兴看到人们将如何使用这些创新和新技术来帮助组织做出更好的决策。