[發(fā)明專利]基于領域自分類的中高端人才智能推薦系統(tǒng)及其方法

有效

• 申請?zhí)枺?/td>: 202010595817.3
• 申請日: 2020-06-28
• 公開（公告）號: CN111737495B
• 公開（公告）日: 2022-12-06
• 發(fā)明（設計）人: 黃麗麗;姚智振;游河仁;石寶玉;王紹蘭
• 申請（專利權）人: 福州數據技術研究院有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06F40/242;G06F40/289;G06F40/30;G06F16/951;G06Q10/06;G06N3/04;G06N3/08
• 代理公司: 福州君誠知識產權代理有限公司 35211
• 代理人: 戴雨君

1.基于領域自分類的中高端人才智能推薦系統(tǒng)實現(xiàn)中高端人才智能推薦的 方法，其特征在于：所述系統(tǒng)包括以下模塊：

人才信息挖掘融合模塊：采集獲取多源異構人才數據，進行人才數據的融合以及排名；

科技領域自動分類模塊：構建全領域科技知識圖譜，并在全領域科技知識圖譜的基礎上利用機器學習對人才數據進行專家領域的自動分類；

人才能力崗位評價畫像模塊：為每位專家建立人才評價畫像形成人才領域能力分析評價、運用輿情大數據對擬引進人才的安全性進行分析評估形成基于輿情大數據的評價、根據人才信息建立人才-崗位匹配評價指標形成人才崗位適配性評價；

人才檢索與智能推薦模塊：提供基于知識圖譜的檢索查詢、根據用戶的需求進行細分領域挖掘并推薦細分領域的專家人才、向引才機構推薦領域中高端人才訂閱信息以及領域頂尖專家的最新動態(tài)；所述方法包括以下步驟：

步驟1：人才信息挖掘融合：采集獲取多源異構人才數據，進行人才數據的融合以及排名形成中高端人才數據庫；

步驟2：科技領域自動分類：構建全領域科技知識圖譜，并在全領域科技知識圖譜的基礎上利用機器學習對人才數據進行專家領域的自動分類；

步驟3：人才能力崗位評價畫像：為每位專家建立人才評價畫像形成人才領域能力分析評價、運用輿情大數據對擬引進人才的安全性進行分析評估形成基于輿情大數據的評價、根據人才信息建立人才-崗位匹配評價指標形成人才崗位適配性評價；

步驟4：人才檢索與智能推薦：獲取引才機構輸入的檢索文本與全學科領域知識圖譜進行關聯(lián)擴展，以對領域查詢結果進行修正；根據崗位需求文本挖掘細分領域并從人才儲備庫推薦該細分領域的專家人才；同時向引才機構推送高端人才訂閱信息以及領域頂尖專家最新動態(tài)；步驟4中崗位需求文本的推薦該細分領域的專家的具體步驟為：

步驟4-1，從崗位需求文本出發(fā)，在跨領域可計算語義空間內構建表示崗位核心問題或技術語義內容的表示模型，并實現(xiàn)針對單個崗位需求文本準確提取其語義表示；步驟4-1中崗位需求文本的關鍵詞抽取的具體步驟為：

步驟4-1-1，首先對需求文本進行分詞處理:對于文本中的每一個n-gram,n取值范圍3-10，若該n-gram在知識圖譜實體庫中，則將其抽出；

步驟4-1-2，為需求文本不同部分抽取出的關鍵詞賦予不同的權重，按照不同權重抽取出的關鍵詞進行合并后，進行關鍵詞-學科映射關系分析，生成學科概率分布；具體表達算式如下：

其中，D為需求文檔庫，d_j為具體的需求文本，w_i為抽取的關鍵詞，k為學科類別數；

步驟4-2，通過科技知識圖譜以及專家領域自動分類結果快速確定專家所屬領域及技能，

步驟4-3，將崗位需求文本學科關鍵詞與專家檔案向量化，計算在同一向量空間內的余弦相似度，對候選專家的相似度由高至低的量化排序形成專家推薦名單。

2.根據權利要求1所述的基于領域自分類的中高端人才智能推薦系統(tǒng)實現(xiàn)中高端人才智能推薦的 方法，其特征在于：人才信息挖掘融合模塊采用基于最小風險的本體映射模型RiMOM模型進行數據集成,并進行元數據映射達到專家信息融合。

3.根據權利要求1所述的基于領域自分類的中高端人才智能推薦系統(tǒng)實現(xiàn)中高端人才智能推薦的 方法，其特征在于：步驟1應用爬蟲和并行策略從各領域頂級期刊會議上獲取領域學術專家基本信息，從領域知名網站上獲取領域產業(yè)專家基本信息；從各類開放知識庫、科技論壇、新聞博客渠道獲取專家項目成果、獲獎頭銜、科技新聞動態(tài)信息，以建立多維度領域專家基礎數據；并采用基于動態(tài)圖結構的條件隨機場模型的語義信息抽取方法，從專家或學者個人主頁中提取其背景資料，從成果信息中提取專家合作關系及成果的文本信息，進而根據對實例節(jié)點的不同標注結果，動態(tài)生成依賴邊，有效融合用戶的先驗知識。