文摘

分析旅游业的人力资源配置不足通过调查旅游业人力资源分配,提出了相应的改进措施和建议,力求提供一定指导和有益的旅游资源信息化建设的影响。本文提出了一种改进BP神经网络模型通过引入随机扰动项的隐层BP神经网络算法,和重量矩阵连接的输入值添加随机摄动矩阵来获得一个新的权重矩阵的收敛效果改进的BP神经网络算法改进。然后,为了解决这一问题,长期和短期记忆神经网络的初始权重和封闭的BP神经网络产生大影响算法的收敛速度和预测精度在最初的重量选择确定,本文介绍了随机扰动项为长期和短期记忆的闸门结构神经网络和BP神经网络,提出了单位大门,连接一个改进的长、短期记忆神经网络和封闭的BP神经网络。权重矩阵的输入值添加随机摄动矩阵获取新的权重矩阵的收敛效果改进的长、短期记忆神经网络算法和封闭的单元神经网络BP算法改进。构建旅游业的人力资源分配模型并提出应对策略和对策,以旅游业的人力资源分配制度为核心,旅游业的人力资源分配模型建立了结合网络形象危机生命周期系统的旅游景点和网络舆论传播模型。从经理的角度来看,人力资源配置管理政策和管理程序的旅游业提出了。使用可量化和使不能在线文本信息的特点,反应的在线监测和宣传战略和离线管理和增强,提出了创新对策旅游业的人力资源配置提出了三类:网络是现实共存,现实的起源。通过这篇论文,我们提出一个新方法人力资源配置管理和发展旅游业,提高人力资源配置效率的旅游业。

1。介绍

随着全球经济一体化进程的加速,人力资源已逐渐成为核心资源。后定义人力资源作为一个强大的国家,战略定位是一个基本的国家战略,重视展示了深化人力资源。随着改革开放的深入和经济建设的发展,它已成为迫切需要加强人力资源开发,人力资源的能力建设和人力资源政策研究[1]。旅游人力资源决定了旅游业的发展,所以培养旅游业的原始力量,重视旅游人力资源将是一个重要和艰巨的任务,中国的旅游业的发展。旅游人力资源是复杂的社会系统工程,既包括通常的旅游人力资源直接接触游客和旅游人力资源的间接接触游客。旅游资源极其丰富和独特的;旅游,作为支持产业,已成为一个重要方法和基本保障区域经济的快速发展和小康的全面实施2]。旅游景点是旅游目的地的基本构建块,和网络图像的质量直接影响潜在游客的目的地的感知形象,进而影响他们的行为决策和业务性能的危害旅游景点以及可持续发展的战略目标。然而,有一个缺乏对这方面的关注目前旅游景点。旅游景点主要集中在日常管理和简单的广告,缺乏一个总体的认识人力资源分配在旅游、控制内在机制的网络旅游景点的形象,和营销策略,缺乏一种担心人力资源分配在旅游3]。

人力资源作为知识的载体,已成为企业追求的目标。在以人为本理念的影响下,旅游企业人力资源管理的作用日益突出。人力资源的开发和管理是现代科学方法的使用,具有一定的结合人力资源培训、人力和物质资源的组织和部署保持最佳比例,同时感应也给了人类思维的心理行为充分发挥主动性和适当的人员,控制,并配合适当的实现组织的目标(4]。本研究打算研究人力资源的开发与管理在旅游行业,通过比较分析,澄清一些经验和建议为更好的开发和管理人力资源的旅游产业在未来,并提供指导和参考人力资源在旅游业。在web文本数据收集、网络爬虫软件用于捕获文本信息,和NLPIR-ICTCLAS用于执行subword统计,这丰富了收集和测量工具,研究工具为旅游景点的形象,增加了数据转换方法在本研究领域,实现定性研究与定量研究的结合,并为其他定量研究奠定了基础在旅游业人力资源分配。此外,BP神经网络模型的应用提供了一种新的范式的设计在旅游人力资源配置模型,扩大旅游业的人力资源分配的研究领域,并扩展了应用MATLAB数学软件领域的旅游危机管理(5,6]。

本文的目的是提出一个更完善的人力资源分配体系和管理模式从人力资源配置的角度来看,提高旅游景点的管理意识,加强网络的认知形象的旅游景点和有效地提供一个现实管理问题的膨胀背景下旅游景点的时代变化的网络时代7]。改善旅游景区管理的意识,加强对旅游景区网络形象;有效地提供一个点武力扩大旅游景点的实际操作问题,实现旅游景区的可持续发展,同时,提供一个重要的角色在促进现代旅游产业的转型升级。和改进的BP神经网络算法应用于旅游业的人力资源分配问题。与改进前的版本相比,改进的BP神经网络算法收敛更快,更不容易收敛到局部最优解。部分1简要描述了改进的BP神经网络学习的重要性对人力资源配置模型分析旅游产业,具有强大的经济意义和实用价值,最后介绍了本文的主要内容。部分2介绍了人力资源配置的现状研究在国内外旅游业和BP神经网络的研究方向及其改进。部分3研究旅游业的人力资源分配模型基于改进的BP神经网络,给出了理论推导。问题的BP神经网络初始权重选择的随机性大,BP神经网络算法的程序设计通过添加基于随机摄动随机扰动项的隐层BP神经网络,并应用于旅游业的人力资源分配问题。部分4进行结果分析和实验结果表明,改进的BP神经网络可以使初始权重的影响算法的收敛速度降低,防止过度拟合现象的发生。部分5首先总结了工作,本文提出的方法,然后分析了方法和实验提出了改进,本文最后为今后的研究工作提供了一个前景。

2。相关工作

旅游人力资源是一个重要的保证提高旅游业的竞争力和可持续发展,决定了旅游业的发展。随着中国旅游业的进一步发展,旅游人力资源的开发和管理已成为一个重要的问题在整个旅游业的发展。大部分的研究开发和管理旅游业开始旅游企业从人力资源的角度来看,和更少的考虑旅游从业人员的流动性和周转率(8]。Shetaban等人建立了一个基于BP神经网络模型对主要成分分析,来实现评级的经理管理防御程度(9]。Ronoud和Asadi研究输电项目的经济评价基于果蝇优化的BP神经网络模型,其次是社会经济发展的应用评估和辅助决策、和应用研究在这个领域更全面地反映了BP神经网络的强大性能的线性化和自学习惯,使可持续发展的科学测量和规划问题(10]。通过使用影响程度模型和灵敏度的BP神经网络模型,将本等人分析了相关的索引数据推导出区域发展的限制。从旅游危机预警的角度,构建指标体系的网络形象影响旅游景区,提取样本数据通过使用网络文本内容分析等方法,构建BP神经网络模型,然后进行早期预警系统的分析,仍有差距在这一领域的研究11]。因此,基于相关文献研究和理论分析,本文创新提出了旅游业的人力资源分配系统,根据相关文献和理论分析,本文提出了一个创新的旅游业人力资源分配系统,分析了相关数据,建立了一个BP神经网络模型条件下的指标测试和修正12]。

BP神经网络等领域取得了进展的旅游业因为人力资源预测时间序列数据的能力。BP神经网络的出现以来,国内外许多学者研究和应用BP神经网络和他们的改进13]。程和赵改善RNN的激活函数,有效地加快了收敛速度的训练(14]。康等人简化的基于BP神经网络的高速公路相关参数显著降低,计算复杂度降低(15]。戴和胡锦涛提出了一个量子加权法对BP神经网络有更好的计算效率。在旅游理论研究不是兼容旅游业的发展,学术研究和理论发展水平是低于的旅游业16]。卷积神经网络已逐渐成为许多领域近年来的研究热点。达到一个更好的角色在这些领域和人民日常生活提供更多的方便,需要得到更好的培训结果(17]。本文评估卷积神经网络的分类从一个新的角度和提高卷积神经网络的训练方法后相关评估充分利用训练数据和获得更好的分类结果。使用知识一致性作为诊断神经网络表示工具和提供新见解解释现有的深度学习技术的成功,知识的一致性也可以用来改善pretrained网络和提高性能(18]。工作本文使用的组内的距离特性映射到理解不同阶层之间的歧视性的训练模型的能力和提高了培训过程的分析,提供一个新的视角来提高分类的有效性cnn (19]。

旅游相关理论研究的范围相对较小,和本文的主要发现描述的主要研究方法的数值统计很小。它们中的大多数都是研究型大学和其他大学;政府和企业给予支持。其研究的范围相对狭窄,主要是研究传统产业,旅游产品、人力资源、旅游市场、旅游规划、和其他方面仍然需要实施迫切需要系统的研究工作20.]。由于慢旅游理论研究的发展,许多问题在旅游开发的过程中不能使用为基础和指导。因此,政府应加强旅游业的宏观研究、旅游业的发展,并鼓励企业积极参与系统相结合的学术研究和旅游业,旅游业的发展和旅游理论和提高卷积神经网络的训练使用验证组和距离度量。结合旅游景区网络形象危机预警指数和研究问题,设计了一个三层BP神经网络模型,这是通常被称为一个经典的BP神经网络模型包括三层:输入层、隐藏层和输出层。规范样本数据后,确定在每一层的节点数,和人力资源分配的模型系统为旅游业和尝试使用MATLAB软件模拟。将BP神经网络信息技术引入旅游业的人力资源分配,借助互联网的实时、高效、旅游业的人力资源配置从传统的手工管理转换为智能平台管理、人力资源配置和管理旅游业的改善。

3所示。旅游业的人力资源分配模型研究基于改进的BP神经网络

3.1。建设为旅游业人力资源配置参数

熵权法可用于科学、有效地计算不同指标之间的权重系数的旅游人力资源配置的应用程序和旅游开发,结果更可靠。熵权法的缺点不影响本文的综合水平测量结果,可以科学地分配权重,这是一个更客观的评价方法。与米指标和n对象,原始数据按行形成一个矩阵排列(方程(1)),因为每个评价指标的轮廓量是不同的,极坐标变换方法用于原始指标数据标准化。每当得到一个额外的数据点,新的点添加到样本,和最古老的时间点被删除,然后,计算范围相关这一点。因此,至少每个范围的计算。前面的计算范围的股票的价值。移动范围是用于单值控制图,通常,使用两个点来计算移动的范围:

旅游需求水平指标分为3个二级指标:旅游总收入、总旅游收入和旅游总收入的比例的第三产业,旅游业总收入,旅游业收入和总;衡量旅游市场的规模和消费能力一般,和旅游总收入的比例的第三产业拉动效应反映了旅游对当地的经济和工业发展需求;拉动效应越大,就越能提高当地旅游业的发展。拉动效应越大,就越能提高当地旅游发展的热情,促进旅游业的转型升级,旅游人力资源分配来更好地服务和促进旅游的发展,进一步更好地满足旅游需求,形成一个良性循环发展。

指标体系是由两个级别的旅游人力资源的配置支持和集成程度和评价旅游人力资源的分配应用程序在旅游业发展水平分为两个水平指标旅游人力资源的配置支持和集成程度,评价指标体系见表1构造的发展水平来衡量旅游人力资源的配置应用程序。

第一级的集成分为2二级指标,即无线覆盖的景点和在线旅游市场交易规模。景点的无线覆盖率反映了旅游业的数据库的过程中应用旅游人力资源分配,以实现其发展也反映了使用的便利旅游人力资源分配应用程序在旅游的过程中,和在线旅游市场交易规模反映了旅游相关企业旅游人力资源的重要性分配应用程序,和一定程度上掌握的集成程度和发展旅游业和旅游人力资源配置应用程序。旅游和旅游业人力资源应用程序的集成程度:因为这两种类型的指标选择不同的轮廓数量和不均匀,初始值的转换方法是首先用于规范化,形成数据直接用于计算灰色关联系数:

每个指标的灰色关联旅游人力资源分配应用程序5在旅游业和旅游发展的三个主要指标的计算方法是:

现代旅游业人力资源需要管理、人文和科学人才。根据调查,在旅游企业,有一个大的管理级人员短缺的经济、旅游、和外国语言领域,提供的有针对性的培训服务和学术教育院校以及社会无法满足许多旅游业的发展需求。一般劳动力,只有约25%的员工拥有大学学位或更高,而旅游业和相关产业的比例更小,与教育水平相对较低,因此有必要增加施工的专业人员。从政府层面,缺乏旅游人力资源整体的科学规划。现在,因为旅游人力资源的总体规划只是轻轻在旅游规划,没有具体的讨论应该如何发展旅游业人力资源。这几乎可以说是在应对人力资源规划工作中缺乏主动性和远见,这肯定会限制旅游人力资源的开发。

3.2。改进的BP神经网络为旅游业人力资源配置模型

本文研究重点监测的因素影响旅游景点的形象在网络环境旅游人力资源分配。因此,研究对象主要包括内容的分析和提取信息的web文本旅游风景区的在线图像,用于形成一个旅游人力资源分配的因素模型。在此基础上,因子模型是基于区分影响因素的来源的前提下,影响因素的性质,并分析具体的影响的关键内容作为一个整体,影响内容具体分为三大类,即旅游资源,管理水平,和外部环境,最后构建旅游人力资源配置的影响因素模型,如图1。

基于指标的属性的可变性研究,参与了所有数据参考方程(4)规范化躺在区间[−1,1]:

在这篇文章中,输入数量,隐层节点,输出层被定义为配置指标结合相关人力资源配置的概念旅游业。结合本文研究数据样本,设计为矩阵

基于相关性的隐层节点的数量和输入和输出层的节点数,最优隐层的节点数是根据经验公式(6)。在方程(6),我代表样品的数量,米表示在输出层节点的数目,米代表在隐藏层节点的数目,和N代表输入层的节点数,结合“池法”来确定最终的最优隐层的节点数:

同时,改进的BP神经网络收敛于局部最优解比传统BP。众所周知,训练集的输入数据和输出数据训练集米和H。时间序列数据的列米₁,米₂、…米_T表示为的价值吗T时间步长,

小批量的随机梯度下降算法选择重量更新,即。训练集数据X和Y随机干扰到年代组织;每组由J时间序列数据的列。输入数据和输出数据训练集的时间t的jth的列年代组可以表示为

使改进后的BP收敛更快,参数随机扰动项µ引入BP算法在本节中,和新的权重得到通过添加输入层权值。正向传播过程的改进BP网络

激活函数β是乙状结肠函数:

确保随机摄动参数的随机性对于每个重量更新,反向传播过程只有偏见原始输入层权重。改进后的BP网络反向传播过程显示为

更新后的重量计算

找到目标函数的输出值和测试集的输出数据,如方程(13)和BP神经网络的预测误差是在目标函数的期望:

使用鲁棒优化方法的思想,本文考虑最坏的情况下在所有情况下,即,for the uncertainty set so that the model achieves the maximum of all minima, and because the uncertainty of customer arrival directly affects the penalty cost, the model becomes the following form:

方程(15)是旅游人力资源配置模型,它是一个线性鲁棒优化模型:

3.3。旅游人力资源分配系统设计

旅游人力资源分配系统是一个复杂的大型WEB应用程序系统,这个系统开发使用多层框架结构的B / S模式。MVC模型主要对应于应用服务器的一部分,相对应的前端用户的请求,后端负责数据库服务器的数据转换,中间是应用程序逻辑层,负责具体业务的处理。除了基本功能的传统旅游人力资源分配系统,本文进一步将旅游资源划分为四类资源,相关的服装、食品、住房、和交通的游客。这四种类型的资源的个性化推荐功能为用户实现基于采用一个统一的数据平台。系统架构设计图如图2。根据神经网络模型的内涵和特征的旅游资源信息化,遵循科学性原则、代表性、独立、可操作性,目的,完整性,结合定性和定量指标的选择。

数据库设计是基于e - r图和数据库模型,数据库字段和其他属性的详细设计,详细设计的数据表,在景区管理系统和数据字段信息,同时确保PostgreSQL数据库可以存储的数据类型。

4所示。分析的结果

4.1。人力资源分配模型分析

阶级之间的距离矩阵和混合矩阵计算测试集使用传统的和改进的模型如图3。可以看出,相同的数据,正确的数量分类混淆矩阵图3大大地增加,阶级之间的距离较大,表明模型的分类能力有效地改善。这个改进培训方法验证EMNIST数据集使用改进的BP神经网络,它是发现,本文的改进方法是有效的,并且它也发现,阶级之间的距离计算学特征图谱可以用于提高网络训练。传统模式的最大价值是略高于92.71%的改进模型的最小值,这证明了本文模型研究的准确性较高。

培训后,经过训练的神经网络模型用于输入每个个体指数测试样本的值到模型获得图中所示的输出结果4。在神经网络模型的研究中,所构造的模型通常是用于测试的测试样品和实际评价结果之间的相对误差值计算和测试结果;如果两者之间的相对误差在可以接受的范围内,我们认为,这表明神经网络的评价模型是有效的和符合要求,可用于评价旅游资源信息化发展水平。

4.2。改进算法的性能分析

旅游业的人力资源数据被选中,和BP算法建立在Python中使用Numpy库软件,和基于随机摄动参数的BP神经网络算法建立了通过添加一个随机扰动项向前传播的过程。实验的评价标准是测试的损失函数集,和英国石油公司(BP)的收敛速度显著提高基于随机摄动参数相比,BP的改进之前,和收敛效果如图5。与传统的BP神经网络相比,改进的BP神经网络算法的收敛速度快,收敛可以实现比传统BP更好的局部最优解。尽管仍有波动收敛抚平后,改进后的损失仍比改进前的损失小。

与改进前的英国石油公司相比,改进的BP收敛是平滑后损失小,收敛好,如图6。改进的BP算法,提出了基于随机摄动参数,给出了程序设计。基于参数随机扰动可以改进的BP算法收敛更快,缓解梯度消失问题和造成的过度拟合问题的初始重量选择。在此基础上,实际的预测是进行股票预测数据为例。结果表明,改进的BP神经网络可以提高预测的精度与传统的BP神经网络。随机干扰项添加到连接BP神经网络的输入层的重量,以便改进的BP神经网络收敛速度更快。使用扩展库来构建一种改进的BP算法来管理旅游业的人力资源配置。实验结果表明,与原BP算法相比,改进的BP算法不仅收敛速度快,而且也提高了收敛后稳定。英国石油公司损失更小,收敛效果好。

4.3。人力资源分配系统评价分析

总成本最优值在图给出7,平均成本是132312美元。最优价值是133570美元,当总成本的分散鲁棒参数是1。可以看出,进一步分散鲁棒参数使决策者更好地分配人力,降低总成本的人力资源分配系统。此外,这些20组成本值的标准偏差为20.3,这表明设计人力资源分配系统是稳定的。的影响的比较健壮的模型和确定性模型说明了鲁棒优化方法可以抵抗客户到来的不确定性对系统的影响;同时,在模型的最保守的时间,违约成本是0,也就是说。,no one is waiting in the queue at this time, the system has enough service personnel, and the total cost is much larger than the total cost in the optimal manpower case; thus, it can be seen that, in the deterministic model and the most conservative model, the total cost is greater than the value under the optimal robust parameters, indicating the effectiveness of the robust optimization method.

培训后满足预设的目标要求,相关的培训比较值。从图可以看出8预期的输出值非常接近的值神经网络训练输出值。换句话说,所构造的改进的BP神经网络模型可以准确地确定智能旅游城市的旅游竞争力概况根据每个评价指标。因此,这里的网络模型训练结束,BP神经网络智慧旅游城市的旅游竞争力评价模型构建。在评估其它智能旅游城市的旅游竞争力,只评价样本指标的规范化数据需要输入所需的评估结论。最大的预期值是0.5895,最低是0.3203,这是符合实验设计。同时,绝对误差在0.05至0.63的范围,和相对误差只有0.1到0.37。这个值证明本文算法更准确。

离线管理不仅指的是日常管理活动和操作的旅游景点也关注真正的问题的修正和改进结合在线监测,在线和离线两个渠道,和互连和相互作用;因此,提高旅游景点的管理实际工作的有效性,为客户提供优质的接待服务和生态景观环境不仅是提高旅游景点的管理也是一个重要方法和手段,促进网络的游客,口碑宣传的重要途径和手段。因此,加强旅游景点的离线管理和增强是一个重要的基础和先决条件塑造一个良好的网络形象的旅游景点以及实现可持续发展的战略计划旅游景点。

5。结论

本文表明,BP神经网络的组合和各种数学研究方法已经扩展到广泛的研究领域,如经济和社会应用价值高的当前状态的研究。因此,本文利用BP神经网络的建设,并试图把它应用到旅游业的人力资源分配的研究基于相关文献研究和理论分析。从在线文本的本质,在线文本来源,和在线文本内容,旅游人力资源分配的影响因素模型,并在此基础上,提出了旅游人力资源分配的指标体系,主要包括三个主要的旅游资源指标、外部环境,和自然资源的管理水平和9个二级指标,人力资源、基础设施、接待服务、综合管理、政治环境和经济环境。特定web的内容文本用作索引分析元素,常用词汇和基本属性在web文本关于旅游景点编译来自两个方面:认知形象和感知形象,它提供了样本数据的收集的基础。旅游人力资源配置管理的模型是构造成一个动态的结构组合包括一个早期预警系统信息数据收集和处理的源和反应系统危机管理决策与循环反馈,实现内部结构关系的解释的旅游人力资源配置管理,并概述了管理重点在三个阶段:潜伏期、爆发,和恢复时间。它提出了一个系统的、动态的和制度化的管理方法对旅游人力资源分配;从管理的角度操作,它提出了一个程序旅游人力资源配置管理,提高旅游人力资源分配方案规划。尽管神经网络算法应用于本论文具有一定的优势,自适应能力和学习能力,可以实现在一个相对简单的算法计算使用工具箱或语言,但在同一时间,有一定的局限性;方法需要的基础的存在监督机制和积极的和消极的客观值在数据采集的过程中,这是一个问题在这个研究。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称他们没有利益冲突或者人际关系可能出现影响工作报告。

确认

这项工作是由2019年河北省军民一体化发展研究项目:研究军民融合产业的发展道路的背景下河北省“所有元素,多个字段,高收益”(HB19JMRH008)。