CN111144512B - 基于EMLo预训练模型的职业指导方法、装置及存储介质 - Google Patents
基于EMLo预训练模型的职业指导方法、装置及存储介质 Download PDFInfo
- Publication number
- CN111144512B CN111144512B CN201911421664.4A CN201911421664A CN111144512B CN 111144512 B CN111144512 B CN 111144512B CN 201911421664 A CN201911421664 A CN 201911421664A CN 111144512 B CN111144512 B CN 111144512B
- Authority
- CN
- China
- Prior art keywords
- professional
- elements
- career
- classification
- occupation
- 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.)
- Active
Links
- 238000012549 training Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000006978 adaptation Effects 0.000 claims abstract description 125
- 238000012360 testing method Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 230000010354 integration Effects 0.000 claims abstract description 6
- 230000001755 vocal effect Effects 0.000 claims description 19
- 238000010606 normalization Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000002996 emotional effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- XEKOWRVHYACXOJ-UHFFFAOYSA-N Ethyl acetate Chemical compound CCOC(C)=O XEKOWRVHYACXOJ-UHFFFAOYSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000001953 sensory effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000009223 counseling Methods 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000009509 drug development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请实施例公开了一种基于EMLo预训练模型的职业指导方法、装置、设备及存储介质,属于职业指导技术领域,该方法包括:获取学生学业信息;基于MBTI职业测试量表积分方法获取被测试学生的职业性格类型;基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集;判断职业分类集中的元素与其所对应的职业性格类型适配度;基于中国职业分类体系表和学生的专业信息,判断职业分类集中元素与所述学生专业信息的适配度;使用预设算法和基于EMLo预训练模型分别判断职业性格类型与不同专业间的适配度;判断职业性格类型与不同专业间的适配度是否符合预设的阈值要求,给定出学生指导职业。本申请有助于辅助学校对待毕业学生进行职业指导,提高指导职业的适配性。
Description
技术领域
本申请涉及职业指导技术领域,尤其涉及一种基于EMLo预训练模型的职业指导方法、装置、设备及存储介质。
背景技术
随着社会竞争的增大,学校在为待毕业大学生推荐职业上面对了很多的困难,在推荐职业时,目前的方式主要有学校导师根据以往的经验进行推荐,或者企业来校园进行招聘,但是,这些方式会造成指导职业的局限性,而且作为招聘企业也无法对学生进行相应的职业指导,只是起到人才选拔的目的。
为了解决职业指导局限性的问题,现有技术中,推出了基于心理预测模型对学生进行职业指导,这种方式目前为基于心理测试题对预测结果进行预测,如果学生有意识的提前进行试题准备或者进行随意答题,容易造成指导结果的匹配度较低的问题,由此可知,现有技术中学校对待毕业学生进行职业指导时,具有无法科学地选择出适配性高的指导职业的问题。
发明内容
本申请实施例的目的在于提出一种基于EMLo预训练模型的职业指导方法、装置、设备及存储介质,以解决现有技术中学校对待毕业学生进行职业指导时,无法科学地选择出适配性高的指导职业的问题。
为了解决上述技术问题,本申请实施例提供一种基于EMLo预训练模型的职业指导方法,采用了如下所述的技术方案:
一种基于EMLo预训练模型的职业指导方法,包括:
获取学生学业信息,其中,所述学生学业信息包括:学生姓名信息、学生专业信息;
基于MBTI职业测试量表积分方法和学生姓名信息获取被测试学生的职业性格类型;
基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集,其中职业性格类型与职业分类集中元素为单对多或者多对多的关系;
判断职业性格类型与对应的职业分类集中元素是否为单对多关系,若为单对多关系,则所述职业分类集中的元素与其所对应的职业性格类型适配度α为1;
基于中国职业分类体系表和学生的专业信息,判断所述学生的专业信息
是否满足所述职业分类集中元素的专业要求,若所述学生的专业信息不满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生专业信息的适配度β为0,若所述学生的专业信息满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生的专业信息适配度β为1;
若职业性格类型与对应的职业分类集中元素为单对多关系且所述学生的专业信息不是仅满足所述职业分类集中元素的一部分专业要求,则基于职业分类集中所述元素分别与所述若干职业性格类型间的适配度α和职业分类集中所述元素分别与所述不同专业间的适配度β,判断职业性格类型与所述不同专业间的适配度θ,所述的θ=α+β;
若职业性格类型与对应的职业分类集中元素为多对多关系且所述学生的专业信息仅满足所述职业分类集中元素的一部分专业要求,则基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ,所述的θ为基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a的归一化结果;
判断所述职业性格类型与所述不同专业间的适配度θ是否符合预设的阈值要求,若符合,则所述职业分类集中元素为学生指导职业。
进一步的,所述基于EMLo预训练模型的职业指导方法,所述获取被测试学生的职业性格类型包括:
获取ISTJ、ISFJ、INFJ、INTJ、ISTP、ISFP、INFP、INTP、ESTP、ESFP、ENFP、ENTP、ESTJ、ESFJ、ENFJ和ENTJ中16种职业性格类型之一。
进一步的,所述基于EMLo预训练模型的职业指导方法,所述16种职业性格类型包括:
I、S、T、J、F、N、E和P中任意不重复四项组合而成,其中,I表示内向型性格、S表示感觉型性格、T表示思维型性格、J表示计划型性格、F表示情感型性格、N表示直觉型性格、E表示外向型性格和P表示情绪型性格。
进一步的,所述基于EMLo预训练模型的职业指导方法,所述职业性格类型与职业分类集中元素为单对多或者多对多的关系包括:
所述职业性格类型与职业分类集中元素为单对多关系时,若职业性格类型中包含N个职业分类集中元素,则其他职业性格类型中不再包含所述N个职业分类集中元素中的任意一个;
所述职业性格类型与职业分类集中元素为多对多关系时,若职业性格类型中包含N个职业分类集中元素,则其他职业性格类型中也可以包含所述N个职业分类集中元素中的任意元素。
进一步的,所述基于EMLo预训练模型的职业指导方法,所述职业分类集中元素的专业要求包括:
所述专业要求即学生的专业信息,所述职业分类集中元素对学生的专业要求可以要求符合唯一专业信息,也可以要求符合若干专业信息。
进一步的,所述基于EMLo预训练模型的职业指导方法,所述基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ包括:
获取所述职业分类集中元素对应的所有职业性格类型,并组成职业性格类型集;
获取所述职业分类集中元素对应的所有不同专业信息,并组成专业信息集;
基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a;
使用预设的转化算法对权重值a进行归一化处理,将权重值a转化为区间[0,1]间的小数值;
获取所述小数值,即为职业性格类型与所述不同专业间的适配度θ。
进一步的,所述基于EMLo预训练模型的职业指导方法,所述若职业性格类型与所述不同专业间的适配度θ满足预设的阈值要求,则所述职业分类集中元素为学生指导职业包括:
判断θ是否为2,若满足θ=2,则α=1,β=1,获取θ=2时对应的职业分类集中元素为学生指导职业;
若θ非等2,判断是否存在α=1或β=1,若存在,则获取α=1或β=1时对应的职业分类集中元素为学生指导职业;
若θ非等2且α非等1,β非等1,则对所有的θ值进行比较,获取θ值为最大值时对应的职业分类集中元素为学生指导职业。
为了解决上述技术问题,本申请实施例还提供了一种基于EMLo预训练模型的职业指导装置,采用了如下所述的技术方案:
一种基于EMLo预训练模型的职业指导装置,包括:
学业信息获取模块,用于获取学生学业信息,其中,所述学生学业信息包括:学生姓名信息、学生专业信息;
职业性格类型分析模块,用于基于MBTI职业测试量表积分方法和学生姓名信息获取被测试学生的职业性格类型;
职业分类集获取模块,用于基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集,其中职业性格类型与职业分类集中元素为单对多或者多对多的关系;
职业与性格类型适配模块,用于判断职业性格类型与对应的职业分类集中元素是否为单对多关系,若为单对多关系,则所述职业分类集中的元素与其所对应的职业性格类型适配度α为1;
职业与专业信息适配模块,用于基于中国职业分类体系表和学生的专业信息,判断所述学生的专业信息是否满足所述职业分类集中元素的专业要求,若所述学生的专业信息不满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生专业信息的适配度β为0,若所述学生的专业信息满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生的专业信息适配度β为1;
性格类型与专业信息第一适配模块,用于若职业性格类型与对应的职业分类集中元素为单对多关系且所述学生的专业信息不是仅满足所述职业分类集中元素的一部分专业要求,则基于职业分类集中所述元素分别与所述若干职业性格类型间的适配度α和职业分类集中所述元素分别与所述不同专业间的适配度β,判断职业性格类型与所述不同专业间的适配度θ,所述的θ=α+β;
性格类型与专业信息第二适配模块,用于若职业性格类型与对应的职业分类集中元素为多对多关系且所述学生的专业信息仅满足所述职业分类集中元素的一部分专业要求,则基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ,所述的θ为基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a的归一化结果;
指导职业确定模块,用于判断所述职业性格类型与所述不同专业间的适配度θ是否符合预设的阈值要求,若符合,则所述职业分类集中元素为学生指导职业。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现本申请实施例中提出的一种基于EMLo预训练模型的职业指导方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种非易失性计算机可读存储介质,采用了如下所述的技术方案:
一种非易失性计算机可读存储介质,计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例中提出的一种基于EMLo预训练模型的职业指导方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例公开了基于EMLo预训练模型的职业指导方法、装置、设备及存储介质,通过获取学生学业信息;基于MBTI职业测试量表积分方法获取被测试学生的职业性格类型;基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集;判断职业分类集中的元素与其所对应的职业性格类型适配度;基于中国职业分类体系表和学生的专业信息,判断职业分类集中元素与所述学生专业信息的适配度;使用预设算法和基于EMLo预训练模型分别判断职业性格类型与不同专业间的适配度;判断职业性格类型与不同专业间的适配度是否符合预设的阈值要求,给定出学生指导职业。本申请有助于辅助学校对待毕业学生进行职业指导,提高指导职业的适配性。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例可以应用于其中的示例性系统架构图;
图2为本申请实施例中所述基于EMLo预训练模型的职业指导方法的一个实施例的流程图;
图3为本申请实施例中EMLo预训练模型的处理示意图;
图4为本申请实施例中所述基于EMLo预训练模型的职业指导装置的一个实施例的结构示意图;
图5为本申请实施例中职业与性格类型适配模块的结构示意图;
图6为本申请实施例中计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的基于EMLo预训练模型的职业指导方法一般由服务器/终端设备执行,相应地,基于EMLo预训练模型的职业指导装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,图中示出了本申请的基于EMLo预训练模型的职业指导方法的一个实施例的流程图,所述的基于EMLo预训练模型的职业指导方法包括以下步骤:
步骤201,获取学生学业信息,其中,所述学生学业信息包括:学生姓名信息、学生专业信息。
在本实施例中,所述获取学生学业信息包括:可以从缓存里面获取,该缓存由学生的个人档案作为元素组成,也可以直接从学生信息管理系统或者平台上直接获取。
步骤202,基于MBTI职业测试量表积分方法和学生姓名信息获取被测试学生的职业性格类型。
在本实施例中,获取学生学业信息后,基于学生姓名信息确定要进行职业指导的学生;所述基于MBTI职业测量表积分方法指MBTI职业测量表中包含不同职业性格类型的试题,进行职业指导的学生进行测试,获取的结果进行积分,然后基于所述积分确定学生的职业性格类型。
在本申请的一些实施例中,所述步骤202中的获取被测试学生的职业性格类型包括:获取ISTJ、ISFJ、INFJ、INTJ、ISTP、ISFP、INFP、INTP、ESTP、ESFP、ENFP、ENTP、ESTJ、ESFJ、ENFJ和ENTJ中16种职业性格类型之一。
在本申请的一些实施例中,所述16种职业性格类型包括:I、S、T、J、F、N、E和P中任意不重复四项组合而成,其中,I表示内向型性格、S表示感觉型性格、T表示思维型性格、J表示计划型性格、F表示情感型性格、N表示直觉型性格、E表示外向型性格和P表示情绪型性格。
所述16种职业性格类型分别对应不同的优选职业集,例如ISTJ职业性格类型的人适合从事审计员、公司经理、会计管理者、监督人、文字信息处理专家、效率专家、效率分析者、保险业主、保险商、后勤供给经理、制定规章制度的官员、信息总管、警察局高级职员、侦探 、情报检索服务社代理人、 政府雇员、陆军军官、管教人员、房地产代理商、体育设备、商品销售商、教养所所长、银行查帐员、投资担保人、税收监察员、预算分析员、股票经纪人、房地产策划人和信贷分析员等;INFJ职业性格类型的人适合从事心理咨询、婚礼咨询、亲子关系调解、劳动关系调解、生涯规划性格分析、优势测评、诊疗心理专家、老师和人力资源规划等。
步骤203,职业分类集获取模块,用于基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集,其中职业性格类型与职业分类集中元素为单对多或者多对多的关系。
在本申请的一些实施例中,所述步骤203中的所述职业性格类型与职业分类集中元素为单对多或者多对多的关系包括:
所述职业性格类型与职业分类集中元素为单对多关系时,若职业性格类型中包含N个职业分类集中元素,则其他职业性格类型中不再包含所述N个职业分类集中元素中的任意一个;
所述职业性格类型与职业分类集中元素为多对多关系时,若职业性格类型中包含N个职业分类集中元素,则其他职业性格类型中也可以包含所述N个职业分类集中元素中的任意元素。
所述职业性格类型与职业分类集中元素为单对多关系时,假设职业性格类型INFJ对应的职业分类集的一种元素为教师职业,那其他职业性格类型对应的职业分类集中元素不能包含教师职业,即存在职业有且只有一种职业性格类型INFJ对应,那么该职业性格类型INFJ与其对应的职业分类集为单对多的关系,所述教师职业与所述职业性格类型INFJ为单对单关系,即两种间为单对多的关系。
所述职业性格类型与职业分类集中元素为多对多关系时,假设职业性格类型INFJ对应的职业分类集的一种元素为心理专家,存在其他职业性格类型对应的职业分类集中元素包括心理专家,即存在至少两种职业性格类型对应同一种职业,那么所述的职业性格类型与其对应的职业分类集为单对多的关系,所述心理专家与其对应的至少两种职业性格类型为单对多的关系,即两者间为多对多的关系。
步骤204,判断职业性格类型与对应的职业分类集中元素是否为单对多关系,若为单对多关系,则所述职业分类集中的元素与其所对应的职业性格类型适配度α为1。
在本申请的一些实施例中,所述步骤204中判断职业性格类型与对应的职业分类集中元素是否为单对多关系,一种可能的方式为:通过检索对比的方式,获取所有职业性格类型中都独有的职业,将所述职业与其对应的职业性格类型的适配度设置为1;另一种可能的方式为:基于提取预设的职业标识码分别给不同的职业设定标识码,对不同职业性格类型分别对应的职业分类集中元素使用标识码表示,对两种职业性格类型对应的标识码进行比较筛选出每个职业性格类型对应的独有标识码,再通过预设的职业标识码识别与独有标识码对应的职业,设置所述职业与其对应的职业性格类型的适配度为1。
步骤205,基于中国职业分类体系表和学生的专业信息,判断所述学生的专业信息是否满足所述职业分类集中元素的专业要求,若所述学生的专业信息不满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生专业信息的适配度β为0,若所述学生的专业信息满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生的专业信息适配度β为1。
在本申请的一些实施例中,所述步骤205中所述职业分类集中元素的专业要求包括:
所述专业要求即学生的专业信息,所述职业分类集中元素对学生的专业要求可以要求符合唯一专业信息,也可以要求符合若干专业信息。
解释:对于一些单一专业要求的职业,如仅仅涉及化学专业,那么该职业的唯一要求专业为化学专业;但是多数情况下的职业要求,如药品研发职业即要求化学专业也要求生物专业的要求。
所述学生的专业信息不满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生专业信息的适配度β为0,一种可能的情况如下:某一职业的专业要求为一项要求,但是所述学生的专业信息与该职业的专业要求不匹配,则所述职业分类集中元素与所述学生专业信息的适配度β为0;另一种可能的情况如下:某一职业的专业要求为多项要求,但是所述学生的专业信息与该职业的所有专业要求都不匹配,则所述职业分类集中元素与所述学生专业信息的适配度β为0。
若所述学生的专业信息满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生的专业信息适配度β为1,只存在一种情况如下:某一职业的专业要求为一项要求,所述学生的专业信息与该职业的专业要求刚好匹配,则所述职业分类集中元素与所述学生专业信息的适配度β为1。
步骤206,若职业性格类型与对应的职业分类集中元素为单对多关系且所述学生的专业信息不是仅满足所述职业分类集中元素的一部分专业要求,则基于职业分类集中所述元素分别与所述若干职业性格类型间的适配度α和职业分类集中所述元素分别与所述不同专业间的适配度β,判断职业性格类型与所述不同专业间的适配度θ,所述的θ=α+β。
所述职业性格类型与对应的职业分类集中元素为单对多关系,则所述职业分类集中所述元素与所述若干职业性格类型间的适配度α为1。
所述学生的专业信息不是仅满足所述职业分类集中元素的一部分专业要求,包括两种情况:一种情况为全满足,具体解释如下,首先学生的专业信息唯一,学生的专业信息满足所述职业分类集中元素所有的专业要求,即所述职业分类集中元素有且只有一项专业要求,该专业要求刚好与学生的专业信息匹配,为全满足,则职业分类集中所述元素与所述专业间的适配度β为1;另一种为全非满足,具体解释如下,学生的专业信息唯一,所述职业分类集中元素有且只有一项专业要求,且学生的专业信息不是职业分类集中元素的唯一专业要求,为全非满足,则职业分类集中所述元素与所述专业间的适配度β为0。
所述判断职业性格类型与所述不同专业间的适配度θ,所述的θ=α+β,解释如下:在分别获取到职业性格类型与职业分类集中元素的适配度α和不同专业与职业分类集中元素的适配度β后,基于上述两种适配度值,表示职业性格类型与所述不同专业间的适配度θ,这时,基于预设的适配度获取算法直接获取。
基于所述单对多关系和全满足情况下,α=1,β=1,则职业性格类型与所述不同专业间的适配度θ的结果为2;在单对多关系和全非满足情况下,α=1,β=0,则职业性格类型与所述不同专业间的适配度θ的结果为1。
步骤207,若职业性格类型与对应的职业分类集中元素为多对多关系且所述学生的专业信息仅满足所述职业分类集中元素的一部分专业要求,则基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ,所述的θ为基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a的归一化结果。
所述若职业性格类型与对应的职业分类集中元素为多对多关系,则职业性格类型与对应的职业分类集中元素适配度的关系确定时,假设职业性格类型INFJ和职业性格类型NEFJ同时对应一个相同的职业,这时在确定所述职业与职业性格类型的适配度时,存在两种可能{INFJ、NEFJ},总适配度为1,则所述职业与职业性格类型INFJ的适配度为值a,所述职业与职业性格类型NEFJ的适配度为值b,a+b=1;a和b的值不固定。
所述学生的专业信息仅满足所述职业分类集中元素的一部分专业要求,这种情况,所述学生的专业信息唯一,所述职业分类集中元素的专业要求为多项要求,学生的专业信息只满足一项要求;假设若全满足,则学生的专业信息与职业分类集中元素的适配度为1,此时为部分满足,则学生的专业信息与职业分类集中元素的适配度为[0~1]之间的不确定值。
基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ,假设存在变量i、j和定量k,变量i与定量k间存在关联关系,变量j与定量k间也存在关联关系,则基于定量k获取变量i与变量j之间的可能关联分布时,使用EMLo预训练模型进行关联分布获取;
在本实施例中,职业分类集中元素为定量,职业性格类型为变量,职业的专业信息要求为变量,在多对多关系下,职业分类集中元素与不同职业性格类型的适配度为多选择模式,即假设职业分类集中元素与不同职业性格类型的适配度固定,则存在适配度集合[0.3、0.2、0.5],但是本实施例中职业分类集中元素与不同职业性格类型的适配度不固定,为[、、],、、的适配度和为1;同理,学生的专业信息仅满足所述职业分类集中元素的一部分专业要求的情况下,学生的专业信息与职业分类集中元素的适配度也不确定,为[、、],、、的适配度和为1,首先EMLo预训练模型会经过大量的组合,模拟不同适配度分别出现的次数,假设出现了1200次,出现了3000次,出现了500次,,假设出现了200次,出现了1500次,出现了5000次,EMLo预训练模型会经过模型推演出[、、]和[、、]中分别出现一个值组成α,β时两两组合出现的权重值a,对a值进行归一化处理获取[0~1]之间归一化结果θ。
在本申请的一些实施例中,所述步骤207中所述基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ,具体的请参考图3,图3为本申请实施例中EMLo预训练模型的处理示意图包括步骤如下:
301、获取所述职业分类集中元素对应的所有职业性格类型,并组成职业性格类型集;
302、获取所述职业分类集中元素对应的所有不同专业信息,并组成专业信息集;
303、基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a;
304、使用预设的转化算法对权重值a进行归一化处理,将权重值a转化为区间[0,1]间的小数值;
305、获取所述小数值,即为职业性格类型与所述不同专业间的适配度θ。
步骤208,判断所述职业性格类型与所述不同专业间的适配度θ是否符合预设的阈值要求,若符合,则所述职业分类集中元素为学生指导职业。
在本申请的一些实施例中,所述步骤208中所述若职业性格类型与所述不同专业间的适配度θ满足预设的阈值要求,则所述职业分类集中元素为学生指导职业包括:
判断θ是否为2,若满足θ=2,则α=1,β=1,获取θ=2时对应的职业分类集中元素为学生指导职业;
若θ非等2,判断是否存在α=1或β=1,若存在,则获取α=1或β=1时对应的职业分类集中元素为学生指导职业;
若θ非等2且α非等1,β非等1,则对所有的θ值进行比较,获取θ值为最大值时对应的职业分类集中元素为学生指导职业。
解释:若θ值为2,则α=1,β=1,所述职业分类集中元素与其对应的所述职业性格类型的适配度α为1,即所述职业分类集中元素与所述职业性格类型为最佳职业与性格组合;所述不同专业与职业分类集中元素的适配度β为1,即学生的专业信息恰好职业的专业要求,为全满足状态,这时,选择职业分类集中元素为学生的指导职业。
若θ非等2,判断是否存在α=1或β=1,若存在,至少性格为最优解或者专业信息最为匹配,这时,选择α=1或β=1对应的职业分类集中元素作为学生的指导职业。
若θ非等2且α非等1,β非等1,则对所有的θ值进行比较,获取θ值为最大值时对应的职业分类集中元素为学生指导职业,此时,α值和β值为不确定值,θ值为经过EMLo预训练模型后获取的归一化结果,选择θ值为最大值时对应的职业分类集中元素作为学生的指导职业。
本申请实施例中所述的基于EMLo预训练模型的职业指导方法,可以通过获取学生学业信息;基于MBTI职业测试量表积分方法获取被测试学生的职业性格类型;基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集;判断职业分类集中的元素与其所对应的职业性格类型适配度;基于中国职业分类体系表和学生的专业信息,判断职业分类集中元素与所述学生专业信息的适配度;使用预设算法和基于EMLo预训练模型分别判断职业性格类型与不同专业间的适配度;判断职业性格类型与不同专业间的适配度是否符合预设的阈值要求,给定出学生指导职业。本申请有助于辅助学校对待毕业学生进行职业指导,提高指导职业的适配性。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图4,作为对上述图2所示方法的实现,本申请提供了一种基于EMLo预训练模型的职业指导装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例所述的基于EMLo预训练模型的职业指导装置4包括:学业信息获取模块401、职业性格类型分析模块402、职业分类集获取模块403、职业与性格类型适配模块404、职业与专业信息适配模块405、性格类型与专业信息第一适配模块406、性格类型与专业信息第二适配模块407和指导职业确定模块408。其中:
学业信息获取模块401,用于获取学生学业信息,其中,所述学生学业信息包括:学生姓名信息、学生专业信息;
职业性格类型分析模块402,用于基于MBTI职业测试量表积分方法和学生姓名信息获取被测试学生的职业性格类型;
职业分类集获取模块403,用于基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集,其中职业性格类型与职业分类集中元素为单对多或者多对多的关系;
职业与性格类型适配模块404,用于判断职业性格类型与对应的职业分类集中元素是否为单对多关系,若为单对多关系,则所述职业分类集中的元素与其所对应的职业性格类型适配度α为1;
职业与专业信息适配模块405,用于基于中国职业分类体系表和学生的专业信息,判断所述学生的专业信息是否满足所述职业分类集中元素的专业要求,若所述学生的专业信息不满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生专业信息的适配度β为0,若所述学生的专业信息满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生的专业信息适配度β为1;
性格类型与专业信息第一适配模块406,用于若职业性格类型与对应的职业分类集中元素为单对多关系且所述学生的专业信息不是仅满足所述职业分类集中元素的一部分专业要求,则基于职业分类集中所述元素分别与所述若干职业性格类型间的适配度α和职业分类集中所述元素分别与所述不同专业间的适配度β,判断职业性格类型与所述不同专业间的适配度θ,所述的θ=α+β;
性格类型与专业信息第二适配模块407,用于若职业性格类型与对应的职业分类集中元素为多对多关系且所述学生的专业信息仅满足所述职业分类集中元素的一部分专业要求,则基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ,所述的θ为基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a的归一化结果;
指导职业确定模块408,用于判断所述职业性格类型与所述不同专业间的适配度θ是否符合预设的阈值要求,若符合,则所述职业分类集中元素为学生指导职业。
在本申请的一些实施例中,所述职业性格类型分析模块402在获取被测试学生的职业性格类型时具体用于获取ISTJ、ISFJ、INFJ、INTJ、ISTP、ISFP、INFP、INTP、ESTP、ESFP、ENFP、ENTP、ESTJ、ESFJ、ENFJ和ENTJ中16种职业性格类型之一。
在本申请的一些实施例中,所述职业性格类型分析模块402在进行16种职业性格类型确定时具体用于使用I、S、T、J、F、N、E和P中任意不重复四项组合而成,其中,I表示内向型性格、S表示感觉型性格、T表示思维型性格、J表示计划型性格、F表示情感型性格、N表示直觉型性格、E表示外向型性格和P表示情绪型性格。
在本申请的一些实施例中,如图5,图5为本申请实施例中职业与性格类型适配模块的结构示意图,所述职业与性格类型适配模块404包括职业与性格类型单对多单元404a、职业与性格类型多对多单元404b。
在本申请的一些实施例中,所述职业与性格类型单对多单元404a,用于确定职业性格类型与职业分类集中元素为单对多关系,若职业性格类型中包含N个职业分类集中元素,则其他职业性格类型中不再包含所述N个职业分类集中元素中的任意一个。
在本申请的一些实施例中,所述职业与性格类型多对多单元404b,用于确定职业性格类型与职业分类集中元素为多对多关系,若职业性格类型中包含N个职业分类集中元素,则其他职业性格类型中也可以包含所述N个职业分类集中元素中的任意元素。
在本申请的一些实施例中,所述职业与专业信息适配模块405在进行职业分类集中元素的专业要求选择时,所述专业要求即学生的专业信息,所述职业分类集中元素对学生的专业要求可以要求符合唯一专业信息,也可以要求符合若干专业信息。
在本申请的一些实施例中,所述性格类型与专业信息第二适配模块407在基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ包括步骤:获取所述职业分类集中元素对应的所有职业性格类型,并组成职业性格类型集;获取所述职业分类集中元素对应的所有不同专业信息,并组成专业信息集;基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a;使用预设的转化算法对权重值a进行归一化处理,将权重值a转化为区间[0,1]间的小数值;获取所述小数值,即为职业性格类型与所述不同专业间的适配度θ。
在本申请的一些实施例中,所述指导职业确定模块408在确定职业性格类型与所述不同专业间的适配度θ满足预设的阈值要求,选择职业分类集中元素为学生指导职业步骤如下:
判断θ是否为2,若满足θ=2,则α=1,β=1,获取θ=2时对应的职业分类集中元素为学生指导职业;
若θ非等2,判断是否存在α=1或β=1,若存在,则获取α=1或β=1时对应的职业分类集中元素为学生指导职业;
若θ非等2且α非等1,β非等1,则对所有的θ值进行比较,获取θ值为最大值时对应的职业分类集中元素为学生指导职业。
本申请实施例所述的基于EMLo预训练模型的职业指导装置,通过获取学生学业信息;基于MBTI职业测试量表积分方法获取被测试学生的职业性格类型;基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集;判断职业分类集中的元素与其所对应的职业性格类型适配度;基于中国职业分类体系表和学生的专业信息,判断职业分类集中元素与所述学生专业信息的适配度;使用预设算法和基于EMLo预训练模型分别判断职业性格类型与不同专业间的适配度;判断职业性格类型与不同专业间的适配度是否符合预设的阈值要求,给定出学生指导职业。本申请有助于辅助学校对待毕业学生进行职业指导,提高指导职业的适配性。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图6,图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器6a、处理器6b、网络接口6c。需要指出的是,图中仅示出了具有组件6a-6c的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器6a至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器6a可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器6a也可以是所述计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器6a还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器6a通常用于存储安装于所述计算机设备6的操作系统和各类应用软件,例如基于EMLo预训练模型的职业指导方法的程序代码等。此外,所述存储器6a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器6b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器6b通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器6b用于运行所述存储器6a中存储的程序代码或者处理数据,例如运行所述基于EMLo预训练模型的职业指导方法的程序代码。
所述网络接口6c可包括无线网络接口或有线网络接口,该网络接口6c通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式,即提供一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有基于EMLo预训练模型的职业指导程序,所述基于EMLo预训练模型的职业指导程序可被至少一个处理器执行,以使所述至少一个处理器执行如上述的基于EMLo预训练模型的职业指导方法的步骤。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种基于EMLo预训练模型的职业指导方法,其特征在于,包括下述步骤:
获取学生学业信息,其中,所述学生学业信息包括:学生姓名信息、学生专业信息;
基于MBTI职业测试量表积分方法和学生姓名信息获取被测试学生的职业性格类型;
基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集,其中职业性格类型与职业分类集中元素为单对多或者多对多的关系;
判断职业性格类型与对应的职业分类集中元素是否为单对多关系,若为单对多关系,则所述职业分类集中的元素与其所对应的职业性格类型适配度α为1;
基于中国职业分类体系表和学生的专业信息,判断所述学生的专业信息
是否满足所述职业分类集中元素的专业要求,若所述学生的专业信息不满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生专业信息的适配度β为0,若所述学生的专业信息满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生的专业信息适配度β为1;
若职业性格类型与对应的职业分类集中元素为单对多关系且所述学生的专业信息不是仅满足所述职业分类集中元素的一部分专业要求,则基于职业分类集中所述元素分别与所述若干职业性格类型间的适配度α和职业分类集中所述元素分别与所述不同专业间的适配度β,判断职业性格类型与所述不同专业间的适配度θ,所述的θ=α+β;
若职业性格类型与对应的职业分类集中元素为多对多关系且所述学生的专业信息仅满足所述职业分类集中元素的一部分专业要求,则基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ,所述的θ为基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a的归一化结果;
判断所述职业性格类型与所述不同专业间的适配度θ是否符合预设的阈值要求,若符合,则所述职业分类集中元素为学生指导职业。
2.根据权利要求1所述的基于EMLo预训练模型的职业指导方法,其特征在于,所述获取被测试学生的职业性格类型包括:
获取ISTJ、ISFJ、INFJ、INTJ、ISTP、ISFP、INFP、INTP、ESTP、ESFP、ENFP、ENTP、ESTJ、ESFJ、ENFJ和ENTJ中16种职业性格类型之一。
3.根据权利要求2所述的基于EMLo预训练模型的职业指导方法,其特征在于,所述16种职业性格类型包括:
I、S、T、J、F、N、E和P中任意不重复四项组合而成,其中,I表示内向型性格、S表示感觉型性格、T表示思维型性格、J表示计划型性格、F表示情感型性格、N表示直觉型性格、E表示外向型性格和P表示情绪型性格。
4.根据权利要求3所述的基于EMLo预训练模型的职业指导方法,其特征在于,所述职业性格类型与职业分类集中元素为单对多或者多对多的关系包括:
所述职业性格类型与职业分类集中元素为单对多关系时,若职业性格类型中包含N个职业分类集中元素,则其他职业性格类型中不再包含所述N个职业分类集中元素中的任意一个;
所述职业性格类型与职业分类集中元素为多对多关系时,若职业性格类型中包含N个职业分类集中元素,则其他职业性格类型中也可以包含所述N个职业分类集中元素中的任意元素。
5.根据权利要求4所述的基于EMLo预训练模型的职业指导方法,其特征在于,所述职业分类集中元素的专业要求包括:
所述专业要求即学生的专业信息,所述职业分类集中元素对学生的专业要求可以要求符合唯一专业信息,也可以要求符合若干专业信息。
6.根据权利要求5所述的基于EMLo预训练模型的职业指导方法,其特征在于,所述基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ包括:
获取所述职业分类集中元素对应的所有职业性格类型,并组成职业性格类型集;
获取所述职业分类集中元素对应的所有不同专业信息,并组成专业信息集;
基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a;
使用预设的转化算法对权重值a进行归一化处理,将权重值a转化为区间[0,1]间的小数值;
获取所述小数值,即为职业性格类型与所述不同专业间的适配度θ。
7.根据权利要求6所述的基于EMLo预训练模型的职业指导方法,其特征在于,所述若职业性格类型与所述不同专业间的适配度θ满足预设的阈值要求,则所述职业分类集中元素为学生指导职业包括:
判断θ是否为2,若满足θ=2,则α=1,β=1,获取θ=2时对应的职业分类集中元素为学生指导职业;
若θ非等2,判断是否存在α=1或β=1,若存在,则获取α=1或β=1时对应的职业分类集中元素为学生指导职业;
若θ非等2且α非等1,β非等1,则对所有的θ值进行比较,获取θ值为最大值时对应的职业分类集中元素为学生指导职业。
8.一种基于EMLo预训练模型的职业指导装置,其特征在于,包括:
学业信息获取模块,用于获取学生学业信息,其中,所述学生学业信息包括:学生姓名信息、学生专业信息;
职业性格类型分析模块,用于基于MBTI职业测试量表积分方法和学生姓名信息获取被测试学生的职业性格类型;
职业分类集获取模块,用于基于中国职业分类体系表和不同职业性格类型获取每个职业性格类型对应的职业分类集,其中职业性格类型与职业分类集中元素为单对多或者多对多的关系;
职业与性格类型适配模块,用于判断职业性格类型与对应的职业分类集中元素是否为单对多关系,若为单对多关系,则所述职业分类集中的元素与其所对应的职业性格类型适配度α为1;
职业与专业信息适配模块,用于基于中国职业分类体系表和学生的专业信息,判断所述学生的专业信息是否满足所述职业分类集中元素的专业要求,若所述学生的专业信息不满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生专业信息的适配度β为0,若所述学生的专业信息满足所述职业分类集中元素的专业要求,则所述职业分类集中元素与所述学生的专业信息适配度β为1;
性格类型与专业信息第一适配模块,用于若职业性格类型与对应的职业分类集中元素为单对多关系且所述学生的专业信息不是仅满足所述职业分类集中元素的一部分专业要求,则基于职业分类集中所述元素分别与所述若干职业性格类型间的适配度α和职业分类集中所述元素分别与所述不同专业间的适配度β,判断职业性格类型与所述不同专业间的适配度θ,所述的θ=α+β;
性格类型与专业信息第二适配模块,用于若职业性格类型与对应的职业分类集中元素为多对多关系且所述学生的专业信息仅满足所述职业分类集中元素的一部分专业要求,则基于EMLo预训练模型判断所述职业性格类型与所述不同专业间的适配度θ,所述的θ为基于EMLo预训练模型判断所述职业性格类型集中元素和所述专业信息集中元素两两组合出现的权重值a的归一化结果;
指导职业确定模块,用于判断所述职业性格类型与所述不同专业间的适配度θ是否符合预设的阈值要求,若符合,则所述职业分类集中元素为学生指导职业。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于EMLo预训练模型的职业指导方法的步骤。
10.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于EMLo预训练模型的职业指导方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421664.4A CN111144512B (zh) | 2019-12-31 | 2019-12-31 | 基于EMLo预训练模型的职业指导方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911421664.4A CN111144512B (zh) | 2019-12-31 | 2019-12-31 | 基于EMLo预训练模型的职业指导方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111144512A CN111144512A (zh) | 2020-05-12 |
CN111144512B true CN111144512B (zh) | 2023-03-14 |
Family
ID=70523015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911421664.4A Active CN111144512B (zh) | 2019-12-31 | 2019-12-31 | 基于EMLo预训练模型的职业指导方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144512B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114969273B (zh) * | 2022-07-28 | 2022-11-15 | 广州宏途数字科技有限公司 | 一种高考专业推荐方法、装置、设备及存储介质 |
CN115358605B (zh) * | 2022-08-26 | 2023-05-05 | 山东心法科技有限公司 | 一种基于多模态融合的职业规划辅助方法、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011034381A2 (ko) * | 2009-09-18 | 2011-03-24 | 송영선 | 진로 상담 시스템 및 방법 |
CN107506928A (zh) * | 2017-08-28 | 2017-12-22 | 北京育铭天下科技有限公司 | 一种综合的职业定位测评装置及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10437936B2 (en) * | 2018-02-01 | 2019-10-08 | Jungle Disk, L.L.C. | Generative text using a personality model |
-
2019
- 2019-12-31 CN CN201911421664.4A patent/CN111144512B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011034381A2 (ko) * | 2009-09-18 | 2011-03-24 | 송영선 | 진로 상담 시스템 및 방법 |
CN107506928A (zh) * | 2017-08-28 | 2017-12-22 | 北京育铭天下科技有限公司 | 一种综合的职业定位测评装置及方法 |
Non-Patent Citations (1)
Title |
---|
临床医学专业学生性格类型分析及职业指导――基于MBTI量表;张茜等;《中国大学生就业》;20140320(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111144512A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Slade et al. | Learning analytics: Ethical issues and dilemmas | |
Kruschke et al. | The time has come: Bayesian methods for data analysis in the organizational sciences | |
Byron | Discrimination, complexity, and the public/private sector question | |
Luko | Risk management principles and guidelines | |
CN111506723B (zh) | 问答响应方法、装置、设备及存储介质 | |
CN110377814A (zh) | 题目推荐方法、装置及介质 | |
Dattalo | Determining sample size using fast and slow thinking | |
Han | Optimal dynamic treatment regimes and partial welfare ordering | |
CN115481969A (zh) | 简历筛选方法、装置、电子设备及可读存储介质 | |
CN111144512B (zh) | 基于EMLo预训练模型的职业指导方法、装置及存储介质 | |
MacLennan et al. | Content analysis of DBA and PhD dissertations in business | |
CN113627797A (zh) | 入职员工画像生成方法、装置、计算机设备及存储介质 | |
Li et al. | Using fair AI to predict students’ math learning outcomes in an online platform | |
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
Baniya et al. | Valuing expertise during the pandemic | |
KR20220040345A (ko) | 멘토링 서비스를 제공하는 시스템 및 그것의 동작방법 | |
Hedge et al. | The development of an integrated performance category system for supervisory jobs in the US Navy | |
CN113609833B (zh) | 文件的动态生成方法、装置、计算机设备及存储介质 | |
Hasl et al. | A dynamic structural equation approach to modeling wage dynamics and cumulative advantage across the lifespan | |
KR102269186B1 (ko) | 대학 입시 정보 제공 방법 및 장치 | |
Poletaikin et al. | Ontology approach for the intelligent analysis of labor market and educational content matching | |
Khan et al. | A portable and less time consuming wireless biometric attendance system for academic purpose using NodeMCU microcontroller | |
Yaeda et al. | The use of evidence-based practice among Japanese vocational rehabilitation professionals | |
CN113592301A (zh) | 一种员工培训管理方法及系统 | |
Putnam-Hornstein | Hierarchical linear modeling: Applications to social work research |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |