淺論高校圖書館員工工作滿意度的神經(jīng)網(wǎng)絡模型

1、    淺論高校圖書館員工工作滿意度的神經(jīng)網(wǎng)絡模型            作者：張利時間：2010-9-2 13:44:00                     論文關鍵詞高校圖書館；員工工作滿意度；人工神經(jīng)網(wǎng)絡模型論文摘要以8所高校1

2、30名圖書館員工的工作滿意度調(diào)查所得數(shù)據(jù)為基礎根據(jù)BP人工神經(jīng)網(wǎng)絡算法原理建立了高校圖書館員工工作滿意度與領導管理、人際關系、工作本身、工作壓力、福利報酬和發(fā)展前途6個影響因素之間的關系模型。結(jié)果表明。BP人工神經(jīng)網(wǎng)絡用于高校圖書館員工工作滿意度的研究是可行的所建模型能很好地反映實際情況可以進一步推廣應用于其他行業(yè)的員工工作滿意度研究。工作滿意度是員工對其所從事職業(yè)以及工作條件與狀況的一種總體的、帶有情緒色彩的感受與看法。對于員工工作滿意度的評價，一直都是人力資源管理和組織行為學領域研究的熱點之一，近年來國內(nèi)外學者從不同的角度開展了大量的研究工作，并且隨著工作滿意度研究的逐步深入，研究對象不斷

3、擴大，研究內(nèi)容也在不斷拓展。本文將以8所高校130名圖書館員工的工作滿意度調(diào)查所得數(shù)據(jù)為基礎，根據(jù)BP人工神經(jīng)網(wǎng)絡算法原理，利用MATLAB65軟件，建立高校圖書館員工工作滿意度與其影響因素之間的關系模型。研究結(jié)果將為高校圖書館員工工作滿意度的定量綜合評價提供科學依據(jù)，有助于提升高校圖書館人力資源建設和管理水平，推動和諧高校圖書館的建設，同時可為同行業(yè)人員進行員工工作滿意度評價提供理論指導與方法基礎。1研究對象及影響因素本文研究對象為高校圖書涫正式員工，采用整群抽樣的方法，隨機抽取來自清華大學、北京理工大學、北京科技大學、中國礦業(yè)大學、對外經(jīng)濟貿(mào)易大學、北京工業(yè)大學、首都師范大學和北方工業(yè)大學

4、等北京市8所高校的130名圖書館職工，發(fā)放了130份問卷，回收121份問卷，剔除了無效問卷19份，剩余有效問卷102份，有效回收率785。滿意度量表采用李克特式5點計分法：“1”為“完全不滿意”；“2”為“大部分不滿意”；“3”為“部分滿意，部分不滿意”；“4”為“大部分滿意”；“5”為“完全滿意”。影響高校圖書館員工工作滿意度的因素比較多。綜合國內(nèi)外有關研究員工工作滿意度的評價指標情況，基于筆者的高校圖書館員工工作滿意度調(diào)查量表的編制研究，本文重點選取了領導管理、人際關系、工作本身、工作壓力、福利報酬和發(fā)展前途6個影響因素來進行高校圖書館員工工作滿意度評價研究，見表1。這6個影響因素的確立是

5、借助SPSS130統(tǒng)計分析軟件，進行了項目分析和因素分析，經(jīng)過信度檢驗而得到的，具有較好的效度。2BP神經(jīng)網(wǎng)絡的基本原理設BP算法的網(wǎng)絡結(jié)構(gòu)有輸入層、中間隱含層和輸出層：在輸入層有n個輸入向量；有Z個隱含層；在輸出層有m個輸出向量；輸入層結(jié)點、隱含層結(jié)點和輸出層結(jié)點分別用下標i，h，J表示；由輸入結(jié)點i到隱含層的h結(jié)點的權(quán)值用表示；由隱含層結(jié)點J到輸出層結(jié)點j的權(quán)值用表示。    對于輸入數(shù)據(jù)x，設其目標輸出為d，而實際輸出為Y。為了訓練網(wǎng)絡，由組成訓練樣本組，上標k表示訓練樣本的序號，對每組樣本進行如下的正向傳播和反向傳播處理。21正向前饋計算當輸入第

6、k個數(shù)據(jù)(k)時，隱含層結(jié)點的總輸入(加權(quán)和)為：采用S型作用函數(shù)處理輸入與輸出的關系，隱含層結(jié)點h的輸出為：相應地，輸出層結(jié)點j的輸出為：如果用k個輸入的所有輸出結(jié)點的誤差平方總和作為網(wǎng)絡訓練指標，則有：由于轉(zhuǎn)移函數(shù)(s型函數(shù))是連續(xù)可微的，很顯然，j(w)也是每個權(quán)值的連續(xù)可微函數(shù)。22誤差反向傳播修正各層權(quán)值采用梯度規(guī)則，由j對各個w求導，可以求得使j最小的梯度，作為調(diào)整權(quán)值的反向。由隱含層到輸出層的權(quán)值的調(diào)整：在實際應用時，常用當前誤差對權(quán)值進行調(diào)整，因此，式(5)和式(7)中對k的求和項就可省掉。3基于BP神經(jīng)網(wǎng)絡的員工工作滿意度模型的建立31數(shù)據(jù)預處理數(shù)據(jù)樣本除主要用于訓練網(wǎng)絡、確

7、定權(quán)值外，還用于檢驗網(wǎng)絡的正確性、確定所建網(wǎng)絡模型的預測誤差。因此，所獲得的數(shù)據(jù)樣本需要劃分為兩個部分，即訓練樣本和檢驗樣本。從回收的102份有效問卷的樣本中，選取前92組樣本作為訓練樣本。根據(jù)BP神經(jīng)網(wǎng)絡輸入范圍的要求，按式(9)對訓練樣本中輸入層的6個參數(shù)(領導管理、人際關系、工作本身、工作壓力、福利報酬和發(fā)展前途)進行歸一化處理，使各特征變量在0109范圍內(nèi)取值，避免網(wǎng)絡模型迭代計算時數(shù)值過于集中在某些神經(jīng)元和權(quán)值上而降低模型的解算精度。式中，Q為網(wǎng)絡的輸入?yún)?shù)分別為相應數(shù)據(jù)Q的最小值和最大值。32網(wǎng)絡模型的設計利用ind2vec函數(shù)將樣本中滿意度的李克特式5點計分法轉(zhuǎn)換為每行只有一個“

8、1”的稀疏矩陣，即，用(1，0，0，0，0)表示“完全不滿意”，(0，1，0，0，0)表示“大部分不滿意”，(0，0，1，0，0)表示“部分滿意，部分不滿意”，(0，0，0，1，0)表示“大部分滿意”，(0，0，0，0，1)表示“完全滿意”。根據(jù)Kolmogorov定理，采用NX(2N+1)XM的3層BP神經(jīng)網(wǎng)絡作為分類器。其中，N表示網(wǎng)絡模型輸入層的輸入向量，本文中即為領導管理、人際關系、工作本身、工作壓力、福利報酬和發(fā)展前途等6個值；中間隱含層的結(jié)點數(shù)為2N+1，即13；M表示輸出層的輸出向量，本文中即為稀疏矩陣中的5個值。中間隱含層神經(jīng)元的傳遞函數(shù)為s型正切函數(shù)；輸出層神經(jīng)元的傳遞函數(shù)為

9、S型對數(shù)函數(shù)，之所以選擇S型對數(shù)函數(shù)，是因為該函數(shù)為01函數(shù)，正好滿足分類器的輸出要求。網(wǎng)絡的訓練函數(shù)為運行速度較快的trainlm，學習函數(shù)取默認的leamgdm，性能函數(shù)取默認的rnse。    33網(wǎng)絡訓練利用MATI_AB65軟件平臺開發(fā)程序。設定網(wǎng)絡最大訓練次數(shù)為5O，訓練目標誤差為0001，其余訓練參數(shù)為默認值。利用歸一化處理后的訓練樣本對BP神經(jīng)網(wǎng)絡進行訓練，經(jīng)過44次訓練后，網(wǎng)絡誤差達到設定的最小值，結(jié)果如圖1所示。34網(wǎng)絡檢驗網(wǎng)絡訓練完成后，還必須利用另外一組數(shù)據(jù)對其進行檢驗。所謂檢驗，實際上是利用所建神經(jīng)網(wǎng)絡模型來獲得網(wǎng)絡的預測值，然

10、后將預測值和真實值進行比較，以此來驗證所建神經(jīng)網(wǎng)絡模型的精度及適用性。從回收的102份有效問卷的樣本中，選取后l0組樣本對訓練好的神經(jīng)網(wǎng)絡進行檢驗。按式(9)對檢驗樣本中的神經(jīng)網(wǎng)絡輸入量(領導管理、人際關系、工作本身、工作壓力、福利報酬和發(fā)展前途)進行歸一化處理，然后輸入訓練好的神經(jīng)網(wǎng)絡，利用sim函數(shù)進行檢驗預測，其輸出的預測值見表2。其中“類別”和“真實值”中的1表示“完全不滿意”，2表示“大部分不滿意”，3表示“部分滿意，部分不滿意”，4表示“大部分滿意”，5表示“完全滿意”。由于神經(jīng)網(wǎng)絡輸出的預測值并非每列只含一個“1”的標準稀疏矩陣，為此，將網(wǎng)絡輸出值每列中最大值置1，其余值置0，使其標準化；然后根據(jù)分類方法，利用vce2ind函數(shù)將稀疏矩陣轉(zhuǎn)換為對應類別，并與檢驗樣本中的真實值進行比較(見表2)。從表中可以看出，采用所建立的神經(jīng)網(wǎng)絡模型進行檢驗時，獲得的高校圖書館員工工作滿意度的預測值與檢驗樣本的真實值完全吻合，說明利用BP神經(jīng)網(wǎng)絡建立的高校圖書館員工工作滿意度與領導管理、人際關系、工作本身、工作壓力、福利報酬和發(fā)展前途6個影響因素之間的關系模型是可行的和正確的，能夠很好地反映實際情況。4結(jié)論(1)將BP人工神經(jīng)網(wǎng)絡用于高校圖書館員工工作滿意度的研究是可行的，所建模型能很好地反映實際情況，為高校圖書館員工工作滿意度的定量綜合評價提供了科學依據(jù)。(2)利用所建立的神經(jīng)網(wǎng)