CN109815313A - 个性化技术调查数据处理方法、装置、设备及存储介质 - Google Patents
个性化技术调查数据处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109815313A CN109815313A CN201811628111.1A CN201811628111A CN109815313A CN 109815313 A CN109815313 A CN 109815313A CN 201811628111 A CN201811628111 A CN 201811628111A CN 109815313 A CN109815313 A CN 109815313A
- Authority
- CN
- China
- Prior art keywords
- data
- scientific research
- target object
- technical
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开实施例公开了一种个性化技术调查数据处理方法、装置、设备及存储介质。其中,该方法包括:获取目标对象的相关信息;其中,所述相关信息至少包括身份信息;根据所述相关信息获取所述目标对象的第一科研公开数据;根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据;其中,所述背景调查问卷数据至少包括一组问题及答案的问答组合。
Description
技术领域
本公开涉及计算机领域,具体涉及一种个性化技术调查数据处理方法、装置、设备及存储介质。
背景技术
在人力资源领域,背景调查是一个重要的环节,一般通过人工的方式对候选人进行职业背景情况进行调查,例如职业资格、学历和/或学术背景、技能经验等信息。然而,传统的方法不仅耗时耗力,浪费大量的资源,并且有可能存在信息获取不准确而导致调查结果不准确的情况。随着互联网和大数据的兴起,尤其是近期人工智能技术的突破,使得基于互联网的职业背景调查成为可能。通过大数据和人工智能技术,职业背景调查平台可以从不同的渠道获取关于个人的公开信息,通过整合处理这些公开信息并在目标对象授权的情况下,职业背景调查平台可以自动快速给出一个候选人的职业背景信息。在一些情况下,候选人最重要的特征是其专业性,例如大学研究员、企业研发工程师等。此时,除了一般性的信息,对候选人的专业技能调查变得尤为重要。
然而,发明人在实现本公开实施例相关技术方案的过程中发现,相关技术中至少存在以下问题:由于专业技能牵扯具体的领域知识,使得非本领域人员对目标对象的专业技能进行调查时变得异常困难。
发明内容
针对现有技术中的上述技术问题,本公开实施例提出了一种个性化技术调查数据处理方法、装置、电子设备及计算机可读存储介质。
本公开实施例的第一方面提供了一种个性化技术调查数据处理方法,包括:
获取目标对象的相关信息;其中,所述相关信息至少包括身份信息;
根据所述相关信息获取所述目标对象的第一科研公开数据;
根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据;其中,所述背景调查问卷数据至少包括一组问题及答案的问答组合。
在一些实施例中,所述第一科研公开数据包括所述目标对象申请过的专利文献数据,所述相关信息还包括所述目标对象申请过的专利文献标识。
所述技术信息至少包括所述第一科研公开数据涉及的技术领域、技术问题和技术手段。
在一些实施例中,所述技术信息为基于自然语言的特征词。
在一些实施例中,根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据之前,还包括:
解析所述第一科研公开数据中的标题、摘要、权利要求书和说明书中的至少一个,并确定所述第一科研公开数据涉及的所述技术信息。
在一些实施例中,根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据,包括:
获取所述技术信息中的技术领域相关的知识数据;其中,所述知识数据是从预先根据第二科研公开数据建立的知识数据库中得到的;
根据所述知识数据生成所述背景调查问卷数据。
在一些实施例中,根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据,包括:
根据所述技术信息从预设的数据库中匹配得到对应的问题及答案,并生成所述背景调查问卷数据。
本公开实施例的第二方面提供了一种个性化技术调查数据处理装置,包括:
第一获取模块,用于获取目标对象的相关信息;其中,所述相关信息至少包括身份信息;
第二获取模块,用于根据所述相关信息获取所述目标对象的第一科研公开数据;
生成模块,用于根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据;其中,所述背景调查问卷数据至少包括一组问题及答案的问答组合。
在一些实施例中,所述第一科研公开数据包括所述目标对象申请过的专利文献数据,所述相关信息还包括所述目标对象申请过的专利文献标识。
在一些实施例中,所述技术信息至少包括所述第一科研公开数据涉及的技术领域、技术问题和技术手段。
在一些实施例中,所述技术信息为基于自然语言的特征词。
在一些实施例中,所述生成模块之前,还包括:
解析模块,用于解析所述第一科研公开数据中的标题、摘要、权利要求书和说明书中的至少一个,并确定所述第一科研公开数据涉及的所述技术信息。
在一些实施例中,所述生成模块,包括:
获取子模块,用于获取所述技术信息中的技术领域相关的知识数据;其中,所述知识数据是从预先根据第二科研公开数据建立的知识数据库中得到的;
第一生成子模块,用于根据所述知识数据生成所述背景调查问卷数据。
在一些实施例中,所述生成模块,包括:
第二生成子模块,用于根据所述技术信息从预设的数据库中匹配得到对应的问题及答案,并生成所述背景调查问卷数据。
本公开实施例的第三方面提供了一种电子设备,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行时,所述电子设备用于实现如前述各实施例所述的方法。
本公开实施例的第四方面提供了一种计算机可读存储介质,其上存储有计算机可执行指令,当所述计算机可执行指令被计算装置执行时,可用来实现如前述各实施例所述的方法。
本公开实施例的第五方面提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,可用来实现如前述各实施例所述的方法。
本公开实施例通过获取目标对象的相关信息,其中,所述相关信息至少包括身份信息,并根据相关信息获取目标对象的第一科研公开数据,进而根据该第一科研公开数据涉及的技术信息生成针对目标对象的背景调查问卷数据;其中,背景调查问卷数据至少包括一组问题及答案的问答组合。通过本公开实施例的上述技术方案可以自动地获取针对目标对象的背景调查问卷数据,通过验证目标对象作答该背景调查问卷数据的正确率,能够验证目标对象是否真的具备其所声称的技能信息,进行验证的人员无需具备相关的专业知识,就能快速而准确的验证目标对象的履历信息的真实性。
附图说明
通过参考附图会更加清楚的理解本公开的特征和优点,附图是示意性的而不应理解为对本公开进行任何限制,在附图中:
图1是根据本公开的一些实施例所示的一种个性化技术调查数据处理方法的流程示意图;
图2是图1所示个性化技术调查数据处理方法的步骤103的流程示意图;
图3是根据本公开的一些实施例所示的一种个性化技术调查数据处理装置的结构框图;
图4是适于用来实现根据本公开的一些实施例所示的个性化技术调查数据处理方法的电子设备的结构示意图。
具体实施方式
在下面的详细描述中,通过示例阐述了本公开的许多具体细节,以便提供对相关披露的透彻理解。然而,对于本领域的普通技术人员来讲,本公开显而易见的可以在没有这些细节的情况下实施。应当理解的是,本公开中使用“系统”、“装置”、“单元”和/或“模块”术语,是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而,如果其他表达式可以实现相同的目的,这些术语可以被其他表达式替换。
应当理解的是,当设备、单元或模块被称为“在……上”、“连接到”或“耦合到”另一设备、单元或模块时,其可以直接在另一设备、单元或模块上,连接或耦合到或与其他设备、单元或模块通信,或者可以存在中间设备、单元或模块,除非上下文明确提示例外情形。例如,本公开所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。
本公开所用术语仅为了描述特定实施例,而非限制本公开范围。如本公开说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件,而该类表述并不构成一个排它性的罗列,其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。
参看下面的说明以及附图,本公开的这些或其他特征和特点、操作方法、结构的相关元素的功能、部分的结合以及制造的经济性可以被更好地理解,其中说明和附图形成了说明书的一部分。然而,可以清楚地理解,附图仅用作说明和描述的目的,并不意在限定本公开的保护范围。可以理解的是,附图并非按比例绘制。
本公开中使用了多种结构图用来说明根据本公开的实施例的各种变形。应当理解的是,前面或下面的结构并不是用来限定本公开。本公开的保护范围以权利要求为准。
图1是根据本公开的一些实施例所示的个性化技术调查数据处理方法,如图1所示,所述个性化技术调查数据处理方法包括以下步骤:
S101,获取目标对象的相关信息;其中,所述相关信息至少包括身份信息;
具体地,本公开实施例提出的个性化技术调查数据处理方法可以实现在一个背景调查平台上,该背景调查平台可以为运行于服务器之上用于提供履历背景的调查和验证的软件系统。例如,调查人员通过终端设备,例如PC、智能手机通过网络向背景调查平台发起调查请求,背景调查平台在获得被调查人也即目标对象的授权之后,向调查人发送相关的背景调查信息。
人力资源调查人员通过终端设备,例如PC、智能手机等,通过网络向背景调查平台发起调查请求,背景调查平台在获得目标对象的相关信息后,可以基于本公开的上述方法对目标对象也即被调查人的技术背景进行调查,并生成针对所述目标对象的背景调查问卷数据。目标对象的相关信息可以是目标对象提供的,也可以是通过网络中其他方式获取的。目标对象可以是任意用户,例如求职人员。目标对象的相关信息至少包括目标对象的身份信息,身份信息可以包括但不限于目标对象的姓名、年龄、身份证、手机号等联系方式。
S102,根据所述相关信息获取所述目标对象的第一科研公开数据;
具体地,目标对象在以往的工作中会产生科研公开数据,根据目标对象的相关信息,例如姓名和/或身份证号等,获取目标对象的第一科研公开数据,第一科研公开数据包括但不限于发表的文章、论文、专利文献、科技新闻或互联网信息(论坛、blog、SNS、问答系统等)等。
在一些实施例中,背景调查平台至少包括一个专利信息数据库,该专利信息数据库可以为本地存储的数据库或能够通过远程访问的数据库,通过访问背景调查平台上的专利信息数据库可以获取目标对象的第一科研公开数据,即专利文献数据。还可以通过访问现有的国内外的专利数据库获取专利文献数据,例如中国国家知识产权局检索平台、PCT国际专利检索网站等提供的专利数据库。
在另一些实施例中,背景调查平台可以通过访问万方数据库及中国知网等获取目标对象的论文数据,通过访问百度、Google等搜索引擎获取目标对象的科技新闻或互联网(论坛、blog、SNS、问答系统等)等公开的数据。
S103,根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据;其中,所述背景调查问卷数据至少包括一组问题及答案的问答组合。
具体地,第一科研公开数据中包括技术信息,其中,技术信息可以是目标对象所在领域的技术特征词,技术信息还可以是基于所在领域的技术特征词获取的领域知识。例如,第一科研公开数据为目标对象发表的期刊文章,技术信息为该期刊文章涉及的专业知识;再例如,第一科研公开数据为专利文献,技术信息为该专利文献的发明点所涉及的技术知识。
背景调查平台根据第一科研公开数据涉及的技术信息生成针对目标对象的背景调查问卷数据;其中,所述背景调查问卷数据至少包括一组问题及答案的问答组合。在一实施例中,生成背景调查问卷数据可以是通过问题生成模块,将领域知识分解成至少包括一组问题及答案的问答组合,也即问题与对应答案的一组或者多组问答组合。在另一实施例中,生成背景调查问卷数据可以是通过一个预定义的问题和答案数据库,数据库中包含大量带有领域标识的问题和答案,背景调查平台通过一个匹配模块,将第一公开科研数据中的领域特征词匹配到该预定义的问题和答案数据库中的至少一组问题及答案的问答组合。
在一实施例中,背景调查问卷数据可以发送至调查者的客户端,辅助调查者进行当面的沟通。在一实施例中,背景调查问卷数据中的一个问题或多个问题也可以发送至目标对象的客户端,由目标对象完成一个问题或多个问题的答案。
本公开实施例通过获取目标对象的相关信息,其中,所述相关信息至少包括身份信息,并根据相关信息获取目标对象的第一科研公开数据,进而根据该第一科研公开数据涉及的技术信息生成针对目标对象的背景调查问卷数据;其中,背景调查问卷数据至少包括一组问题及答案的问答组合。通过本公开实施例的上述技术方案可以自动地获取针对目标对象的背景调查问卷数据,通过验证目标对象作答该背景调查问卷数据的正确率,能够验证目标对象是否真的具备其所声称的技能信息,进行验证的人员无需具备相关的专业知识,就能快速而准确的验证目标对象的履历信息的真实性。
在一些可选的实施例中,所述第一科研公开数据包括所述目标对象申请过的专利文献数据,所述相关信息还包括所述目标对象申请过的专利文献标识。
具体地,第一科研公开数据可以包括但不限于目标对象申请过的专利文献数据,例如可以通过目标对象的姓名“张三”访问专利数据库,可以得到张三的专利文献数据如下:
CN2011xxx,北京大学:一种语音识别方法
CN2012xxx,百度:一种自动地图数据更新方法
CN2013xxx,百度:一种快速获得地理信息数据的方法
CN2015xxx,阿里巴巴:一种神经网络训练方法
在一些实施例中,目标对象的相关信息中还可以包括目标对象申请过的专利文献标识,例如专利申请号、公开号和/或公开日等。在对目标对象的履历信息进行验证时,还可以通过该专利文献标识从专利数据库中提取对应的专利文献,并获取该专利文献的申请信息即申请人、发明人、申请日等,并与履历信息中目标对象的姓名等进行匹配验证;同时还可以通过解析专利文献中的技术信息获取目标对象所具有的专业技能等数据。
在一些可选的实施例中,所述技术信息至少包括所述第一科研公开数据涉及的技术领域、技术问题和技术手段。
在该可选的实施例中,在获取目标对象的技术信息时,至少可以参考第一科研公开数据中的技术领域、解决过的技术问题和使用的技术手段等数据。
在一些可选的实施例中,所述技术信息为基于自然语言的特征词。
在该可选的实施例中,技术信息可以为从第一科研公开数据中提取出来的能够表征目标对象所掌握或者擅长的技术领域和/或技术领域中的一项或多项具体的技能。例如,通过目标对象A的相关信息获取的第一科研公开数据中包括多篇涉及人工智能领域的专利文献,则至少可以得到第一科研公开数据涉及的技术信息包括人工智能,此外还可以通过解析这些专利文献中的技术内容知道,这些专利文献都采用的神经网络解决相应的技术问题,那么还可以得到第一科研公开数据涉及的技术信息还包括神经网络。
在一些可选的实施例中,步骤S103即根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据之前,还包括:
解析所述第一科研公开数据中的标题、摘要、权利要求书和说明书中的至少一个,并确定所述第一科研公开数据涉及的所述技术信息。
该可选的实施例中,可以通过解析专利文献数据中标题、摘要、权利要求书、说明书等内容获取专利文献数据所涉及的专业知识,进而确定目标对象的第二技能信息,以用于验证目标对象的履历信息。
具体地,在获取了第一科研公开数据之后,还需要对第一科研公开数据进行解析,下面将以专利文献数据为例,具体说明解析专利文献数据中标题、摘要、权利要求书、说明书等内容获取专利文献数据所涉及的专业知识,进而确定目标对象的第二技能信息的其中一种实现方式。
虽然专利文献数据一般拥有结构化的用于描述技术方向的数据,例如IPC、CPC分类号,然而这些分类号一般较为宽泛,无法得到较为精准的技能信息。因此使用结构化技术分类字段的方法将无法得到第一科研公开数据涉及的所有技术信息。因此,在一些实施例中,可以使用预先训练好的人工智能模型例如神经网络模型对专利文献的标题、摘要、权利要求和说明书等技术内容进行解析,用于提取专利文献中的技术特征词。该神经网络模型可以通过标注的训练数据来完成训练,以抽取较为精准的技术特征词。其中,通过对专利文献数据中技术领域、技术问题和技术手段等非结构化特征进行标注,并输入至一个人工智能模型例如循环神经网络RNN或LSTM中,进而得到一个可以用于技术信息提取的机器学习模型。例如,经过解析后的对应于张三的第一科研公开数据涉及的技术信息可以为:
人工智能
机器学习
深度学习
波形检测
RNN
CNN
图像识别
波形检测
对于通过上述方式获取的技术信息也可以根据相关度进行排序,以便在生成背景调查问卷数据时根据相关度的高低有针对性的生成问答组合。
在一些可选的实施例中,如图2所示,步骤S103即根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据,包括:
S201,获取所述技术信息中的技术领域相关的知识数据;其中,所述知识数据是从预先根据第二科研公开数据建立的知识数据库中得到的。
具体地,背景调查平台可以根据从第一科研公开数据中已获取的技术信息,从预先建立好的知识数据库中匹配得到相关技术领域的知识数据,该知识数据可以包括某一技术领域中的相关知识片段以及用于标识例如知识片段中得技术领域、技术问题、技术手段等得的语义规则。知识数据库可以预先建立,可以根据已经公共的技术文献数据库和/或互联网中获取的第二科研公开数据建立。例如,在建立人工智能相关的知识数据库时,可以搜索所有与人工智能相关的第二科研公开数据,并解析第二科研公开数据中的内容,从中获取知识片段,并生成相应得知数数据存储在知识数据库中。
在一实施例中,背景调查平台可以使用一个预定义的特征提取模块来确定相关技术领域中的知识数据,例如,预定义的特征提取模块包含一系列的语义特征,当第一科研公开数据和/或第二科研公开数据中出现对应的语义特征时,将对应的文本提取出来生成一个知识数据。
在另一实施例中,背景调查平台也可以通过一个机器学习模型来确定与之相关的技术领域中的知识数据,机器学习模型通过训练样本,实现对知识数据的提取,其中训练样本中标注了可以用于提取知识数据的语义特征。例如,一个获得的与“深度学习”有关的知识数据可以为:
CN108846445A:一种基于相似性学习的卷积神经网络滤波器剪枝技术
“近年来,随着人类社会信息量的爆炸式增长和计算资源的极大丰富,数据驱动的深度学习方法在众多领域获得了广泛的成功应用。特别地,在计算机视觉、自然语言处理等领域,卷积神经网络(Convolutional Neural Networks,CNN)的成功尤为突出,已经成为了不可或缺的一种工具。”
S202,根据所述知识数据生成所述背景调查问卷数据。
具体地,仅仅从第一科研公开数据和/或知识数据库提取的知识数据无法直接用于背景调查的目的。一种较为有效的个性化技术调查数据处理方法是由调查者提出一些技术相关问题,并由目标对象回答,通过回答中的技术相关信息,对目标对象的技能背景进行验证。
在一实施例中,背景调查平台还可以基于知识数据,生成背景调查问卷数据,其中,调查问卷数据至少包括一组问题及答案的问答组合。具体地,知识数据可以包含具体的语义规则,因此可以根据知识数据内部的语义规则,找到对应的文本,并将文本分为问题部分或答案部分。例如,一个典型的问题可以是本体关系:深度学习是一种机器学习方法;或技术问题和手段关系:一个深度学习可以用BP算法进行训练;或技术手段和应用领域关系:在计算机视觉领域、自然语言处理…CNN的成功尤为突出;或技术手段和技术问题关系:深度学习的一个问题在于需要大量的训练样本。
在一实施例中,首先可以通过一个人工预定义的特征提取模块或一个基于机器学习的特征提取模块,提取可以生成问题的一个或多个知识数据,其中,不同的知识数据可以通过一个处理模块进行整合,例如按照问题的关系类型,可以将多个知识数据加工成为一个知识数据,例如:深度学习的问题包括:需要大量的训练样本、需要大量的计算资源及需要人工标注的训练数据,以上知识数据是由三个拥有相同关系的单独的知识数据生成的。进一步地,一个问题生成模块可以将知识数据加工成一个问题以及一个答案,具体的可以使用固定的问题生成模板,将知识数据拆分到不同模板的不同位置,例如技术手段和技术问题关系,将按照技术手段为问题侧,技术问题为答案侧的方式生成以下问题:
问题:深度学习都包含哪些技术问题:
答案:需要大量训练数据、需要大量计算资源和需要人工标注的训练数据。
或者,按照本体关系生成以下问题:
问题:以下哪项技术是机器学习的一种方法
A:BNN
B:CNN
C:XNN
D:QNN
答案:B
其中,BNN、XNN、QNN为背景调查平台自动生成的干扰选项,在本实施例中的问题为一个选择题。由于对知识数据的处理已经得到了一个相应地语义关系,因此问题生成模板可以针对不同的语义关系选择不同的填充方式,并且生成模板会填充对应缺失的文本,使得问题文本呈现成完整的语句。如果使用机器学习的方式,一个RNN循环卷积网络可以利用大量的训练样本自动填补缺失文本并生成问题和答案。
在一些可选的实施例中,步骤S103即根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据,包括:
根据所述技术信息从预设的数据库中匹配得到对应的问题及答案,并生成所述背景调查问卷数据。
在该可选的实施例中,根据技术信息从预设的数据库中匹配得到对应的问题及答案,并生成所述背景调查问卷数据。预设的数据库中可以预先存储一些相关技术领域中的问题与答案的组合。具体地,背景调查平台处理第一科研公开数据,例如专利文献数据,得到技术信息,在一实施例中,技术信息是通过技术领域特征词来描述的,例如,通过一个目标对象的专利数据,得到目标对象所在的技术领域特征词可以用“深度学习、人工智能”来表示,则从预设的数据库中匹配得到对应的问题及答案,例如:
问题领域:深度学习、人工智能、计算机
…
问题#78:深度学习都包含哪些技术问题:
答案:需要大量训练数据,需要大量计算资源和需要人工标注的训练数据。
在上述例子中,每一个问题被标注了领域标签,例如深度学习、人工智能、计算机是按照技术层级标注的领域标签。进一步地,系统可以将问题#78选中,并生成一个问题和答案的问答组合。
在另一实施例中,背景调查平台可以同时使用两种方法,用于生成一个问题和答案的问答组合。背景调查平台可以使用技术领域特征,从预设的数据库中选择并生成一个或多个问题和答案的问答组合,同时也还通过处理最新公布的第二科研公开数据,不断得到新兴技术方向的知识数据,并自动生成预设的数据库中没有的问题和答案的问答组合。
以上是本公开提供的个性化技术调查数据处理方法的具体实施方式。
图3是根据本公开的一些实施例所示的个性化技术调查数据处理装置示意图。如图3所示,个性化技术调查数据处理装置,包括:
第一获取模块301,用于获取目标对象的相关信息;其中,所述相关信息至少包括身份信息;
第二获取模块302,用于根据所述相关信息获取所述目标对象的第一科研公开数据;
生成模块303,用于根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据;其中,所述背景调查问卷数据至少包括一组问题及答案的问答组合。
在一些可选的实施例中,所述第一科研公开数据包括所述目标对象申请过的专利文献数据,所述相关信息还包括所述目标对象申请过的专利文献标识。
在一些可选的实施例中,所述技术信息至少包括所述第一科研公开数据涉及的技术领域、技术问题和技术手段。
在一些可选的实施例中,所述技术信息为基于自然语言的特征词。
在一些可选的实施例中,所述生成模块303之前,还包括:
解析模块,用于解析所述第一科研公开数据中的标题、摘要、权利要求书和说明书中的至少一个,并确定所述第一科研公开数据涉及的所述技术信息。
在一些可选的实施例中,所述生成模块303,包括:
获取子模块,用于获取所述技术信息中的技术领域相关的知识数据;其中,所述知识数据是从预先根据第二科研公开数据建立的知识数据库中得到的;
第一生成子模块,用于根据所述知识数据生成所述背景调查问卷数据。
在一些可选的实施例中,所述生成模块303,包括:
第二生成子模块,用于根据所述技术信息从预设的数据库中匹配得到对应的问题及答案,并生成所述背景调查问卷数据。
上述个性化技术调查数据处理装置与上述个性化技术调查数据处理方法对应一致,具体细节可参见上述对个性化技术调查数据处理的描述,在此不再赘述。
图4是适于用来实现根据本公开实施方式的个性化技术调查数据处理方法的电子设备的结构示意图。
如图4所示,电子设备400包括中央处理单元(CPU)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行上述图1所示的实施方式中的各种处理。在RAM403中,还存储有电子设备400操作所需的各种程序和数据。CPU401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405:包括键盘、鼠标等的输入部分406;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407;包括硬盘等的存储部分408;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地,根据本公开的实施方式,上文参考图1描述的方法可以被实现为计算机软件程序。例如,本公开的实施方式包括一种计算机程序产品,其包括有形地包含在及其可读介质上的计算机程序,所述计算机程序包含用于执行图1的方法的程序代码。在这样的实施方式中,该计算机程序可以通过通信部分409从网络上被下载和安装,和/或从可拆卸介质411被安装。
附图中的流程图和框图,图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。
作为另一方面,本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质;也可以是单独存在,未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序,所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。
综上所述,本公开提出了一种个性化技术调查数据处理方法、装置、电子设备及其计算机可读存储介质。本公开实施例通过获取目标对象的相关信息,其中,所述相关信息至少包括身份信息,并根据相关信息获取目标对象的第一科研公开数据,进而根据该第一科研公开数据涉及的技术信息生成针对目标对象的背景调查问卷数据;其中,背景调查问卷数据至少包括一组问题及答案的问答组合。通过本公开实施例的上述技术方案可以自动地获取针对目标对象的背景调查问卷数据,通过验证目标对象作答该背景调查问卷数据的正确率,能够验证目标对象是否真的具备其所声称的技能信息,进行验证的人员无需具备相关的专业知识,就能快速而准确的验证目标对象的履历信息的真实性。
应当理解的是,本公开的上述具体实施方式仅仅用于示例性说明或解释本公开的原理,而不构成对本公开的限制。因此,在不偏离本公开的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。此外,本公开所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (16)
1.一种个性化技术调查数据处理方法,其特征在于,包括:
获取目标对象的相关信息;其中,所述相关信息至少包括身份信息;
根据所述相关信息获取所述目标对象的第一科研公开数据;
根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据;其中,所述背景调查问卷数据至少包括一组问题及答案的问答组合。
2.根据权利要求1所述的个性化技术调查数据处理方法,其特征在于,所述第一科研公开数据包括所述目标对象申请过的专利文献数据,所述相关信息还包括所述目标对象申请过的专利文献标识。
3.根据权利要求1或2所述的个性化技术调查数据处理方法,其特征在于,所述技术信息至少包括所述第一科研公开数据涉及的技术领域、技术问题和技术手段。
4.根据权利要求1或2所述的个性化技术调查数据处理方法,其特征在于,所述技术信息为基于自然语言的特征词。
5.根据权利要求1或2所述的个性化技术调查数据处理方法,其特征在于,根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据之前,还包括:
解析所述第一科研公开数据中的标题、摘要、权利要求书和说明书中的至少一个,并确定所述第一科研公开数据涉及的所述技术信息。
6.根据权利要求1或2所述的个性化技术调查数据处理方法,其特征在于,根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据,包括:
获取所述技术信息中的技术领域相关的知识数据;其中,所述知识数据是从预先根据第二科研公开数据建立的知识数据库中得到的;
根据所述知识数据生成所述背景调查问卷数据。
7.根据权利要求1或2所述的个性化技术调查数据处理方法,其特征在于,根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据,包括:
根据所述技术信息从预设的数据库中匹配得到对应的问题及答案,并生成所述背景调查问卷数据。
8.一种个性化技术调查数据处理装置,其特征在于,包括:
第一获取模块,用于获取目标对象的相关信息;其中,所述相关信息至少包括身份信息;
第二获取模块,用于根据所述相关信息获取所述目标对象的第一科研公开数据;
生成模块,用于根据所述第一科研公开数据涉及的技术信息生成针对所述目标对象的背景调查问卷数据;其中,所述背景调查问卷数据至少包括一组问题及答案的问答组合。
9.根据权利要求8所述的个性化技术调查数据处理装置,其特征在于,所述第一科研公开数据包括所述目标对象申请过的专利文献数据,所述相关信息还包括所述目标对象申请过的专利文献标识。
10.根据权利要求8或9所述的个性化技术调查数据处理装置,其特征在于,所述技术信息至少包括所述第一科研公开数据涉及的技术领域、技术问题和技术手段。
11.根据权利要求8或9所述的个性化技术调查数据处理装置,其特征在于,所述技术信息为基于自然语言的特征词。
12.根据权利要求8或9所述的个性化技术调查数据处理装置,其特征在于,所述生成模块之前,还包括:
解析模块,用于解析所述第一科研公开数据中的标题、摘要、权利要求书和说明书中的至少一个,并确定所述第一科研公开数据涉及的所述技术信息。
13.根据权利要求8或9所述的个性化技术调查数据处理装置,其特征在于,所述生成模块,包括:
获取子模块,用于获取所述技术信息中的技术领域相关的知识数据;其中,所述知识数据是从预先根据第二科研公开数据建立的知识数据库中得到的;
第一生成子模块,用于根据所述知识数据生成所述背景调查问卷数据。
14.根据权利要求8或9所述的个性化技术调查数据处理装置,其特征在于,所述生成模块,包括:
第二生成子模块,用于根据所述技术信息从预设的数据库中匹配得到对应的问题及答案,并生成所述背景调查问卷数据。
15.一种电子设备,其特征在于,包括:
存储器以及一个或多个处理器;
其中,所述存储器与所述一个或多个处理器通信连接,所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行时,所述电子设备用于实现如权利要求1-7任一项所述的方法。
16.一种计算机可读存储介质,其上存储有计算机可执行指令,当所述计算机可执行指令被计算装置执行时,可用来实现如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811628111.1A CN109815313A (zh) | 2018-12-28 | 2018-12-28 | 个性化技术调查数据处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811628111.1A CN109815313A (zh) | 2018-12-28 | 2018-12-28 | 个性化技术调查数据处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109815313A true CN109815313A (zh) | 2019-05-28 |
Family
ID=66602745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811628111.1A Pending CN109815313A (zh) | 2018-12-28 | 2018-12-28 | 个性化技术调查数据处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109815313A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113590982A (zh) * | 2021-08-10 | 2021-11-02 | 平安银行股份有限公司 | 验证问题的生成方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869056A (zh) * | 2016-03-31 | 2016-08-17 | 比美特医护在线(北京)科技有限公司 | 信息处理方法和装置 |
CN108765218A (zh) * | 2018-05-11 | 2018-11-06 | 重庆工商职业学院 | 一种就业岗位调查系统及其控制方法 |
US20180365591A1 (en) * | 2017-06-19 | 2018-12-20 | International Business Machines Corporation | Assessment result determination based on predictive analytics or machine learning |
-
2018
- 2018-12-28 CN CN201811628111.1A patent/CN109815313A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869056A (zh) * | 2016-03-31 | 2016-08-17 | 比美特医护在线(北京)科技有限公司 | 信息处理方法和装置 |
US20180365591A1 (en) * | 2017-06-19 | 2018-12-20 | International Business Machines Corporation | Assessment result determination based on predictive analytics or machine learning |
CN108765218A (zh) * | 2018-05-11 | 2018-11-06 | 重庆工商职业学院 | 一种就业岗位调查系统及其控制方法 |
Non-Patent Citations (1)
Title |
---|
田增厚等: "《电化教育概论》", 31 October 1996, 石油大学出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113590982A (zh) * | 2021-08-10 | 2021-11-02 | 平安银行股份有限公司 | 验证问题的生成方法、装置、设备及存储介质 |
CN113590982B (zh) * | 2021-08-10 | 2024-05-17 | 平安银行股份有限公司 | 验证问题的生成方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hussain et al. | Extending a conventional chatbot knowledge base to external knowledge source and introducing user based sessions for diabetes education | |
CN107729319A (zh) | 用于输出信息的方法和装置 | |
Kumar et al. | Text mining: concepts, process and applications | |
CN112749284B (zh) | 知识图谱构建方法、装置、设备及存储介质 | |
CN108121800A (zh) | 基于人工智能的信息生成方法和装置 | |
CN109947952B (zh) | 基于英语知识图谱的检索方法、装置、设备及存储介质 | |
CN109977291B (zh) | 基于物理知识图谱的检索方法、装置、设备及存储介质 | |
CN105677931A (zh) | 信息搜索方法和装置 | |
CN113886567A (zh) | 一种基于知识图谱的教学方法及系统 | |
CN106354856A (zh) | 基于人工智能的深度神经网络强化搜索方法和装置 | |
CN106649661A (zh) | 知识库构建方法和装置 | |
CN112330510A (zh) | 一种志愿推荐方法、装置、服务器及计算机可读存储介质 | |
Kortum et al. | Dissection of AI job advertisements: A text mining-based analysis of employee skills in the disciplines computer vision and natural language processing | |
CN109815313A (zh) | 个性化技术调查数据处理方法、装置、设备及存储介质 | |
KR102256007B1 (ko) | 자연어 질의를 통한 문서 검색 및 응답 제공 시스템 및 방법 | |
CN109857753A (zh) | 用户数据验证方法、装置、电子设备及存储介质 | |
Menolli et al. | SECOL: a semantic environment based on social media to support organisational learning | |
EP1535260A1 (en) | Learning system and method | |
CN112328812B (zh) | 基于自调参数的领域知识抽取方法与系统、电子设备 | |
CN109857793A (zh) | 技术背景数据的处理方法、装置、电子设备及存储介质 | |
Pereira et al. | Application of a management and storage system for knowledge generated from simulation projects as a teaching and assessment tool | |
CN109885647A (zh) | 用户履历验证方法、装置、电子设备及存储介质 | |
CN115269806A (zh) | 应用于矿物领域知识图谱的问答方法、电子装置及存储介质 | |
Ramírez-Noriega et al. | Determination of the course sequencing to intelligent tutoring systems using an ontology and Wikipedia | |
CN109036554A (zh) | 用于生成信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190528 |