CN113627894A - 基于大数据及人工智能指导高校毕业生就业选择的方法及装置 - Google Patents

基于大数据及人工智能指导高校毕业生就业选择的方法及装置 Download PDF

Info

Publication number
CN113627894A
CN113627894A CN202110939087.9A CN202110939087A CN113627894A CN 113627894 A CN113627894 A CN 113627894A CN 202110939087 A CN202110939087 A CN 202110939087A CN 113627894 A CN113627894 A CN 113627894A
Authority
CN
China
Prior art keywords
post
industry
preset
class
ratio
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.)
Withdrawn
Application number
CN202110939087.9A
Other languages
English (en)
Inventor
李亚平
任蕾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou University of Science and Technology
Original Assignee
Zhengzhou University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhengzhou University of Science and Technology filed Critical Zhengzhou University of Science and Technology
Priority to CN202110939087.9A priority Critical patent/CN113627894A/zh
Publication of CN113627894A publication Critical patent/CN113627894A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • 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)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了一种基于大数据及人工智能指导高校毕业生就业选择的方法、装置、设备及存储介质，属于校园应用技术领域，该方法包括:构建岗位数量统计库；构建从业人员统计库；对不同岗位进行大类关联划分和小类纵向划分；获取第一行业比，获取第二行业比；基于毕业生获取第三行业比；选择进行横向推荐，或者纵向推荐，为毕业生进行就业岗位推荐，本申请通过横向推荐使得热门行业选择转移到非热门行业，通过纵向推荐保证了同一行业大类下的不同岗位的调配，避免了择业时毕业生都选择热门，造成了热门无岗位，大面积待业，同时，又避免了冷门专业无人选择，空余岗位较多的情况，科学进行择业推荐。

Description

基于大数据及人工智能指导高校毕业生就业选择的方法及 装置
技术领域
本申请涉及校园应用技术领域，尤其涉及一种基于大数据及人工智能指导高校毕业生就业选择的方法、装置、设备及存储介质。
背景技术
就业服务是由特定的机构提供一系列服务措施，以满足劳动者求职就业或用人单位招用人员需要的行为，现有的就业服务一般是个人通过求职服务网站来进行求职服务，或者劳动力市场对企业的招聘信息进行登记，然后进行展示，供求职者进行求职咨询，这种方式的效率较低，实际情况中，求职者无法第一时间掌握企业的招聘信息，进而导致应聘压力大，就职服务效率低。
而且，近几年以来，由于国内经济的飞速发展和大学内大范围扩招的影响，国内就业行情呈现出热门越热，失业偏高，冷门爆冷，岗位空闲的现象，这一现象严重影响了国内整体产业的发展，现有的岗位推荐或者择业选择方法多采用给热门行业增加就业推荐权重，但是行业岗位需求却远远少于应聘人数，同时，相对的各大冷门岗位却空缺大片岗位无人问津，因此，现有技术中对大学生进行就业选择指导的方法仅仅只考虑了行业热度，缺少对实际就业前景的调查，造成了岗位选择的严重失衡，不够科学的问题。
发明内容
本申请实施例的目的在于提出一种基于大数据及人工智能指导高校毕业生就业选择的方法、装置、设备及存储介质，以解决现有技术中对大学生进行就业选择指导的方法仅仅只考虑了行业热度，缺少对实际就业前景的调查，造成了岗位选择的严重失衡，不够科学的问题。
为了解决上述技术问题，本申请实施例提供一种基于大数据及人工智能指导高校毕业生就业选择的方法，采用了如下所述的技术方案：
一种基于大数据及人工智能指导高校毕业生就业选择的方法，包括：
基于互联网大数据平台，进行行业岗位获取，并进行统计，构建与各岗位分别一一对应的岗位数量统计库；
基于各求职平台后台数据统计终端，统计所述各岗位正在进行求职的人数，同时，获取各岗位正在就职的人数，构建与各岗位分别一一对应的从业人员统计库；
基于预设关联度对所述岗位数量统计库中不同岗位进行大类关联划分和小类纵向划分；
基于所述大类关联划分结果和所述从业人员统计库中与所述大类相对应的从业人员统计结果进行大类行业比获取，作为第一行业比，同时，基于所述小类纵向划分结果和所述从业人员统计库中与所述小类相对应的从业人员统计结果分别进行小类行业比获取，作为第二行业比；
构建以所述大类为变量名称，以所述小类为列表元素的JSON格式数据，其中，所述小类为列表元素，包括：以所述小类为列表变量名称，即KEY值，以所述第二行业比为分别与所述列表变量名称相对应的变量值，即VALUE值；
确定毕业生所学专业和统计毕业季时本专业毕业的人数，基于所述所学专业确定所述专业对应的岗位大类信息，将所述毕业的人数作为新增数据发送到所述岗位大类信息相对应的从业人员统计库中，重新进行第一行业比获取，作为第三行业比；
基于预设第一阈值，判断所述第一行业比是否超过所述预设第一阈值，若超过，则进行横向推荐，循环推荐非所学专业对应的岗位大类，并获取所述岗位大类对应的第一行业比，进行阈值判断，直到判断结果不超过预设第一阈值；
基于预设第一阈值，判断所述第一行业比和所述第三行业比是否超过所述预设第一阈值，若第一行业比未超过但第三行业比超过，则启动预设分配方案，对超出部分推荐非所学专业对应的岗位；
若所述第一行业比和所述第三行业比均为超过预设第一阈值，则进行JSON解析，获取所述所学专业对应的大类信息下的各小类信息，并基于预设第二阈值，为所述毕业生进行就业岗位推荐。
进一步的，所述岗位数量统计库，包括：
岗位名称，与所述岗位名称相对应的岗位需求人数。
进一步的，所述从业人员统计库，包括：
所述岗位名称，与所述岗位名称相对应的正在从业的人数和各求职平台上对所述岗位进行应聘的人数。
进一步的，所述基于预设关联度对所述岗位数量统计库中不同岗位进行大类关联划分和小类纵向划分，具体方式为：
选择所述岗位数量统计库中任一岗位作为基准岗位；
将所述基准岗位所需要的行业知识要求信息作为参照信息，同时基于预设类比算法获取所述岗位数量统计库中其他岗位所需要的行业知识要求信息与所述基准岗位间的相似度；
查找并获取所述相似度满足所述预设关联度的其他岗位的岗位名称，并将所述岗位名称作为元素构建第一列表，将所述基准岗位作为元素加入到所述第一列表中；
所述第一列表中的元素即为同一个大类，所述第一列表中的各元素之间即为同一个大类下各个具有纵向关系的小类；
使用循环迭代的方式，对未分类完成的岗位名称，再次进行基准岗位确定和第一列表构建，直到对所述岗位都分类完成，则划分成功。
进一步的，所述基于所述大类关联划分结果和所述从业人员统计库中与所述大类相对应的从业人员统计结果进行大类行业比获取，作为第一行业比，具体实现方式为：
对同一大类中不同岗位对应的岗位需求人数进行统计，并进行求和，获取同一大类对应的总岗位需求人数Fi；
对同一大类中不同岗位对应的正在从业的人数和各求职平台上对所述岗位进行应聘的人数进行统计，并进行求和，获取同一大类对应的总从业人数fi；
获取所述同一大类对应的总从业人数fi与所述同一大类对应的总岗位需求人数Fi间的比值Qi，即为第一行业比,其中，Qi＝fi/Fi，i为所述大类的编号。
进一步的，所述基于所述小类纵向划分结果和所述从业人员统计库中与所述小类相对应的从业人员统计结果分别进行小类行业比获取，作为第二行业比，具体实现方式为：
对所述从业人员统计库中不同岗位对应的岗位需求人数分别进行统计，并获取岗位需求人数Fj；
对所述从业人员统计库中不同岗位对应的正在从业的人数和各求职平台上对所述岗位进行应聘的人数进行统计，并获取从业人数fj；
获取所述从业人数fj与所述岗位需求人数Fj间的比值Qj，即为第二行业比,其中，Qj＝fj/Fj，j为所述从业人员统计库中不同岗位的编号。
进一步的，所述启动预设分配方案，对超出部分推荐非所学专业对应的岗位，具体实现方式为：
进行横向推荐，循环推荐非所学专业对应的岗位大类，并获取所述岗位大类对应的第一行业比和第三行业比，与所述预设第一阈值相比较进行阈值判断，直到第一行业比和第三行业比都不超过预设第一阈值。
进一步的，所述基于预设第二阈值，为所述毕业生进行就业岗位推荐，具体实现方式为：
获取所述所学专业对应的大类信息下的各小类信息，并获取各个小类对应的不同岗位的第二行业比；
若当前岗位对应的所述第二行业比大于预设第二阈值，则获取同一大类下其他岗位对应的第二行业比，选择第二行业比小于预设第二阈值的岗位作为纵向推荐岗位，进行岗位推荐；
若当前岗位对应的所述第二行业比小于预设第二阈值，则将当前岗位作为推荐岗位进行岗位推荐。
为了解决上述技术问题，本申请实施例还提供了一种基于大数据及人工智能指导高校毕业生就业选择的装置，采用了如下所述的技术方案：
一种基于大数据及人工智能指导高校毕业生就业选择的装置，包括：
基本库构建模块，用于基于互联网大数据平台，进行行业岗位获取，并进行统计，构建与各岗位分别一一对应的岗位数量统计库；基于各求职平台后台数据统计终端，统计所述各岗位正在进行求职的人数，同时，获取各岗位正在就职的人数，构建与各岗位分别一一对应的从业人员统计库；
库内数据整体模块，用于基于预设关联度对所述岗位数量统计库中不同岗位进行大类关联划分和小类纵向划分；基于所述大类关联划分结果和所述从业人员统计库中与所述大类相对应的从业人员统计结果进行大类行业比获取，作为第一行业比，同时，基于所述小类纵向划分结果和所述从业人员统计库中与所述小类相对应的从业人员统计结果分别进行小类行业比获取，作为第二行业比；构建以所述大类为变量名称，以所述小类为列表元素的JSON格式数据，其中，所述小类为列表元素，包括：以所述小类为列表变量名称，即KEY值，以所述第二行业比为分别与所述列表变量名称相对应的变量值，即VALUE值；确定毕业生所学专业和统计毕业季时本专业毕业的人数，基于所述所学专业确定所述专业对应的岗位大类信息，将所述毕业的人数作为新增数据发送到所述岗位大类信息相对应的从业人员统计库中，重新进行第一行业比获取，作为第三行业比；
毕业生就业推荐模块，用于基于预设第一阈值，判断所述第一行业比是否超过所述预设第一阈值，若超过，则进行横向推荐，循环推荐非所学专业对应的岗位大类，并获取所述岗位大类对应的第一行业比，进行阈值判断，直到判断结果不超过预设第一阈值；基于预设第一阈值，判断所述第一行业比和所述第三行业比是否超过所述预设第一阈值，若第一行业比未超过但第三行业比超过，则启动预设分配方案，对超出部分推荐非所学专业对应的岗位；若所述第一行业比和所述第三行业比均为超过预设第一阈值，则进行JSON解析，获取所述所学专业对应的大类信息下的各小类信息，并基于预设第二阈值，为所述毕业生进行就业岗位推荐。
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大数据及人工智能指导高校毕业生就业选择的方法的步骤。
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大数据及人工智能指导高校毕业生就业选择的方法的步骤。
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大数据及人工智能指导高校毕业生就业选择的方法、装置、设备及存储介质，通过构建岗位数量统计库；构建从业人员统计库；对不同岗位进行大类关联划分和小类纵向划分；获取第一行业比，获取第二行业比；基于毕业生获取第三行业比；选择进行横向推荐，或者纵向推荐，为毕业生进行就业岗位推荐，本申请通过横向推荐使得热门行业选择转移到非热门行业，通过纵向推荐保证了同一行业大类下的不同岗位的调配，避免了择业时毕业生都选择热门，造成了热门无岗位，大面积待业，同时，又避免了冷门专业无人选择，空余岗位较多的情况，科学进行择业推荐。
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大数据及人工智能指导高校毕业生就业选择的方法的一个实施例的流程图；
图3为本申请实施例中所述基于大数据及人工智能指导高校毕业生就业选择的装置的一个实施例的结构示意图；
图4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大数据及人工智能指导高校毕业生就业选择的方法一般由服务器/终端设备执行，相应地，基于大数据及人工智能指导高校毕业生就业选择的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大数据及人工智能指导高校毕业生就业选择的方法的一个实施例的流程图，所述的基于大数据及人工智能指导高校毕业生就业选择的方法包括以下步骤：
步骤201，基于互联网大数据平台，进行行业岗位获取，并进行统计，构建与各岗位分别一一对应的岗位数量统计库。
在本申请实施例中，所述岗位数量统计库，包括：岗位名称，与所述岗位名称相对应的岗位需求人数。
步骤202，基于各求职平台后台数据统计终端，统计所述各岗位正在进行求职的人数，同时，获取各岗位正在就职的人数，构建与各岗位分别一一对应的从业人员统计库。
在本申请实施例中，所述从业人员统计库，包括：所述岗位名称，与所述岗位名称相对应的正在从业的人数和各求职平台上对所述岗位进行应聘的人数。
在本申请实施例中，对所述从业人数统计库进行构建时，还包括：获取所述岗位名称相对应的正在从业的人数，作为第一因子；获取各求职平台上对所述岗位进行应聘的人数，作为第二因子；获取第二因子与第一因子间的比重，作为参照比重，若在某一段预设就业推荐时间段内，所述参照比重都维持在特定的预设范围内，则进行区别标记。
解释：若在某一段预设就业推荐时间段内，所述参照比重都维持在特定的预设范围内，则说明行业稳定性较强，流动性较差，进行区别标记，后期可以基于所述区别标记选择该岗位作为优先推荐或者择业岗位为毕业生进行推荐。
步骤203，基于预设关联度对所述岗位数量统计库中不同岗位进行大类关联划分和小类纵向划分。
在本申请实施例中，所述基于预设关联度对所述岗位数量统计库中不同岗位进行大类关联划分和小类纵向划分，具体方式为：选择所述岗位数量统计库中任一岗位作为基准岗位；将所述基准岗位所需要的行业知识要求信息作为参照信息，同时基于预设类比算法获取所述岗位数量统计库中其他岗位所需要的行业知识要求信息与所述基准岗位间的相似度；查找并获取所述相似度满足所述预设关联度的其他岗位的岗位名称，并将所述岗位名称作为元素构建第一列表，将所述基准岗位作为元素加入到所述第一列表中；所述第一列表中的元素即为同一个大类，所述第一列表中的各元素之间即为同一个大类下各个具有纵向关系的小类；使用循环迭代的方式，对未分类完成的岗位名称，再次进行基准岗位确定和第一列表构建，直到对所述岗位都分类完成，则划分成功。
在本申请实施例中，将所述基准岗位所需要的行业知识要求信息作为参照信息，同时基于预设类比算法获取所述岗位数量统计库中其他岗位所需要的行业知识要求信息与所述基准岗位间的相似度，具体的，采用基于句子间的模糊匹配算法，获取所述行业知识要求信息对应句子间的相似度。
步骤204，基于所述大类关联划分结果和所述从业人员统计库中与所述大类相对应的从业人员统计结果进行大类行业比获取，作为第一行业比，同时，基于所述小类纵向划分结果和所述从业人员统计库中与所述小类相对应的从业人员统计结果分别进行小类行业比获取，作为第二行业比。
在本申请实施例中，所述基于所述大类关联划分结果和所述从业人员统计库中与所述大类相对应的从业人员统计结果进行大类行业比获取，作为第一行业比，具体实现方式为：对同一大类中不同岗位对应的岗位需求人数进行统计，并进行求和，获取同一大类对应的总岗位需求人数Fi；对同一大类中不同岗位对应的正在从业的人数和各求职平台上对所述岗位进行应聘的人数进行统计，并进行求和，获取同一大类对应的总从业人数fi；获取所述同一大类对应的总从业人数fi与所述同一大类对应的总岗位需求人数Fi间的比值Qi，即为第一行业比,其中，Qi＝fi/Fi，i为所述大类的编号。
在本申请实施例中，所述基于所述小类纵向划分结果和所述从业人员统计库中与所述小类相对应的从业人员统计结果分别进行小类行业比获取，作为第二行业比，具体实现方式为：对所述从业人员统计库中不同岗位对应的岗位需求人数分别进行统计，并获取岗位需求人数Fj；对所述从业人员统计库中不同岗位对应的正在从业的人数和各求职平台上对所述岗位进行应聘的人数进行统计，并获取从业人数fj；获取所述从业人数fj与所述岗位需求人数Fj间的比值Qj，即为第二行业比,其中，Qj＝fj/Fj，j为所述从业人员统计库中不同岗位的编号。
步骤205，构建以所述大类为变量名称，以所述小类为列表元素的JSON格式数据，其中，所述小类为列表元素，包括：以所述小类为列表变量名称，即KEY值，以所述第二行业比为分别与所述列表变量名称相对应的变量值，即VALUE值。
在本申请实施例中，构建以所述大类为变量名称，以所述小类为列表元素的JSON格式数据，参照示例：假设大类的名称为计算机专业，从业人数为1000万人，计算机专业包括的小类名称有java类，php类，C语言类，python类，前端UI设计类，U3D游戏开发类等，则将计算机专业作为JSON数据的key值，从业人数为1000万作为所述JSON数据对应的value值，所述JSON格式数据中包含的列表至少包括java类，php类，C语言类，python类，前端UI设计类，U3D游戏开发类列表，所述Java类列表中，以java作为key值，以Java类从业人数作为value值，构建键值对，同理其他小类也以同种格式进行构建，完成JSON数据构建。
步骤206，确定毕业生所学专业和统计毕业季时本专业毕业的人数，基于所述所学专业确定所述专业对应的岗位大类信息，将所述毕业的人数作为新增数据发送到所述岗位大类信息相对应的从业人员统计库中，重新进行第一行业比获取，作为第三行业比。
在本申请实施例中，确定毕业生所学专业和统计毕业季时本专业毕业的人数，可以获取所述毕业生的学籍信息，通过所述学籍信息，先以学校为单位，确定同种专业毕业生的人数，然后，以全国内学籍平台为整合库，获取所有高校中相同专业的毕业人数，作为毕业季时本专业毕业的人数。
步骤207，基于预设第一阈值，判断所述第一行业比是否超过所述预设第一阈值，若超过，则进行横向推荐，循环推荐非所学专业对应的岗位大类，并获取所述岗位大类对应的第一行业比，进行阈值判断，直到判断结果不超过预设第一阈值。
在本申请实施例中，基于预设第一阈值，判断所述第一行业比是否超过所述预设第一阈值，若超过，则进行横向推荐，其中，所述横向推荐为非所学专业推荐。
解释：若所述第一行业比超过所述预设第一阈值，则说明该毕业生所学专业的岗位需求和从业人数出现严重失衡，即行业岗位远远少于从业人数，为了便于进行择业，优先进行横向推荐，保证毕业生的就业。
步骤208，基于预设第一阈值，判断所述第一行业比和所述第三行业比是否超过所述预设第一阈值，若第一行业比未超过但第三行业比超过，则启动预设分配方案，对超出部分推荐非所学专业对应的岗位。
在本申请实施例中，若第一行业比未超过但第三行业比超过，则说明在未有新毕业生进入市场的情况下，行业岗位与从业人数相对较为均衡，在新毕业生进行市场的情况下，行业岗位与从业人数出现失衡，且行业岗位少于从业人数。
在本申请实施例中，所述启动预设分配方案，对超出部分推荐非所学专业对应的岗位，具体实现方式为：进行横向推荐，循环推荐非所学专业对应的岗位大类，并获取所述岗位大类对应的第一行业比和第三行业比，与所述预设第一阈值相比较进行阈值判断，直到第一行业比和第三行业比都不超过预设第一阈值。
在本申请实施例中，所述启动预设分配方案，对超出部分推荐非所学专业对应的岗位，采用随机选择的方式，选择出超出部分的学生人数和对应的学生信息，通过所述学生信息进行建议性横向推荐，若学生同意横向推荐，则对其进行横向推荐，保证毕业生就业，否则，进行原始推荐，不保证就业结果。
步骤209，若所述第一行业比和所述第三行业比均为超过预设第一阈值，则进行JSON解析，获取所述所学专业对应的大类信息下的各小类信息，并基于预设第二阈值，为所述毕业生进行就业岗位推荐。
在本申请实施例中，所述基于预设第二阈值，为所述毕业生进行就业岗位推荐，具体实现方式为：获取所述所学专业对应的大类信息下的各小类信息，并获取各个小类对应的不同岗位的第二行业比；若当前岗位对应的所述第二行业比大于预设第二阈值，则获取同一大类下其他岗位对应的第二行业比，选择第二行业比小于预设第二阈值的岗位作为纵向推荐岗位，进行岗位推荐；若当前岗位对应的所述第二行业比小于预设第二阈值，则将当前岗位作为推荐岗位进行岗位推荐。
在本申请实施例中，若大类满足第一阈值，则说明行业岗位可以满足从业人数的需求，无需再进行横向推荐，此时，获取所述大类中的不同小类，及所述不同小类对应的第二行业比，若当前毕业生的优先择业岗位对应的第二行业比大于所述预设第二阈值，则考虑获取同一大类下其他岗位对应的第二行业比，选择第二行业比小于预设第二阈值的岗位作为纵向推荐岗位，即相似岗位或者关联岗位推荐，若当前毕业生的优先择业岗位对应的第二行业比小于所述预设第二阈值，则直接进行岗位推荐，保证了纵向间的关联岗位推荐，更加科学。
此外，在进行横向推荐和纵向推荐时，若待推荐岗位中包括步骤202中进行区别标记的岗位，则在同种条件下优先进行推荐，保证推荐的稳定性。
本申请实施例中所述的基于大数据及人工智能指导高校毕业生就业选择的方法，可以通过构建岗位数量统计库；构建从业人员统计库；对不同岗位进行大类关联划分和小类纵向划分；获取第一行业比，获取第二行业比；基于毕业生获取第三行业比；选择进行横向推荐，或者纵向推荐，为毕业生进行就业岗位推荐，本申请通过横向推荐使得热门行业选择转移到非热门行业，通过纵向推荐保证了同一行业大类下的不同岗位的调配，避免了择业时毕业生都选择热门，造成了热门无岗位，大面积待业，同时，又避免了冷门专业无人选择，空余岗位较多的情况，科学进行择业推荐。
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3，作为对上述图2所示方法的实现，本申请提供了一种基于大数据及人工智能指导高校毕业生就业选择的装置的一个实施例，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3所示，本实施例所述的基于大数据及人工智能指导高校毕业生就业选择的装置3包括：基本库构建模块301、库内数据整体模块302、毕业生就业推荐模块303。其中：
基本库构建模块301，用于基于互联网大数据平台，进行行业岗位获取，并进行统计，构建与各岗位分别一一对应的岗位数量统计库；基于各求职平台后台数据统计终端，统计所述各岗位正在进行求职的人数，同时，获取各岗位正在就职的人数，构建与各岗位分别一一对应的从业人员统计库；
库内数据整体模块302，用于基于预设关联度对所述岗位数量统计库中不同岗位进行大类关联划分和小类纵向划分；基于所述大类关联划分结果和所述从业人员统计库中与所述大类相对应的从业人员统计结果进行大类行业比获取，作为第一行业比，同时，基于所述小类纵向划分结果和所述从业人员统计库中与所述小类相对应的从业人员统计结果分别进行小类行业比获取，作为第二行业比；构建以所述大类为变量名称，以所述小类为列表元素的JSON格式数据，其中，所述小类为列表元素，包括：以所述小类为列表变量名称，即KEY值，以所述第二行业比为分别与所述列表变量名称相对应的变量值，即VALUE值；确定毕业生所学专业和统计毕业季时本专业毕业的人数，基于所述所学专业确定所述专业对应的岗位大类信息，将所述毕业的人数作为新增数据发送到所述岗位大类信息相对应的从业人员统计库中，重新进行第一行业比获取，作为第三行业比；
毕业生就业推荐模块303，用于基于预设第一阈值，判断所述第一行业比是否超过所述预设第一阈值，若超过，则进行横向推荐，循环推荐非所学专业对应的岗位大类，并获取所述岗位大类对应的第一行业比，进行阈值判断，直到判断结果不超过预设第一阈值；基于预设第一阈值，判断所述第一行业比和所述第三行业比是否超过所述预设第一阈值，若第一行业比未超过但第三行业比超过，则启动预设分配方案，对超出部分推荐非所学专业对应的岗位；若所述第一行业比和所述第三行业比均为超过预设第一阈值，则进行JSON解析，获取所述所学专业对应的大类信息下的各小类信息，并基于预设第二阈值，为所述毕业生进行就业岗位推荐。
本申请实施例所述的基于大数据及人工智能指导高校毕业生就业选择的装置，通过构建岗位数量统计库；构建从业人员统计库；对不同岗位进行大类关联划分和小类纵向划分；获取第一行业比，获取第二行业比；构建JSON格式数据；基于毕业生获取第三行业比；基于预设第一阈值，选择进行横向推荐，或者纵向推荐，进行JSON解析，获取所学专业对应的大类信息下的各小类信息，并基于预设第二阈值，为毕业生进行就业岗位推荐。本申请通过横向推荐使得热门行业选择转移到非热门行业，通过纵向推荐保证了同一行业大类下的不同岗位的调配，避免了择业时毕业生都选择热门，造成了热门无岗位，大面积待业，同时，又避免了冷门专业无人选择，空余岗位较多的情况，科学进行择业推荐。
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4，图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器4a、处理器4b、网络接口4c。需要指出的是，图中仅示出了具有组件4a-4c的计算机设备4，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4a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4a可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器4a也可以是所述计算机设备4的外部存储设备，例如该计算机设备4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4a还可以既包括所述计算机设备4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4a通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如基于大数据及人工智能指导高校毕业生就业选择的方法的程序代码等。此外，所述存储器4a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4b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4b通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器4b用于运行所述存储器4a中存储的程序代码或者处理数据，例如运行所述基于大数据及人工智能指导高校毕业生就业选择的方法的程序代码。
所述网络接口4c可包括无线网络接口或有线网络接口，该网络接口4c通常用于在所述计算机设备4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大数据及人工智能指导高校毕业生就业选择的程序，所述基于大数据及人工智能指导高校毕业生就业选择的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大数据及人工智能指导高校毕业生就业选择的方法的步骤。
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)

1.一种基于大数据及人工智能指导高校毕业生就业选择的方法，其特征在于，包括下述步骤：
基于互联网大数据平台，进行行业岗位获取，并进行统计，构建与各岗位分别一一对应的岗位数量统计库；
基于各求职平台后台数据统计终端，统计所述各岗位正在进行求职的人数，同时，获取各岗位正在就职的人数，构建与各岗位分别一一对应的从业人员统计库；
基于预设关联度对所述岗位数量统计库中不同岗位进行大类关联划分和小类纵向划分；
基于所述大类关联划分结果和所述从业人员统计库中与所述大类相对应的从业人员统计结果进行大类行业比获取，作为第一行业比，同时，基于所述小类纵向划分结果和所述从业人员统计库中与所述小类相对应的从业人员统计结果分别进行小类行业比获取，作为第二行业比；
构建以所述大类为变量名称，以所述小类为列表元素的JSON格式数据，其中，所述小类为列表元素，包括：以所述小类为列表变量名称，即KEY值，以所述第二行业比为分别与所述列表变量名称相对应的变量值，即VALUE值；
确定毕业生所学专业和统计毕业季时本专业毕业的人数，基于所述所学专业确定所述专业对应的岗位大类信息，将所述毕业的人数作为新增数据发送到所述岗位大类信息相对应的从业人员统计库中，重新进行第一行业比获取，作为第三行业比；
基于预设第一阈值，判断所述第一行业比是否超过所述预设第一阈值，若超过，则进行横向推荐，循环推荐非所学专业对应的岗位大类，并获取所述岗位大类对应的第一行业比，进行阈值判断，直到判断结果不超过预设第一阈值；
基于预设第一阈值，判断所述第一行业比和所述第三行业比是否超过所述预设第一阈值，若第一行业比未超过但第三行业比超过，则启动预设分配方案，对超出部分推荐非所学专业对应的岗位；
若所述第一行业比和所述第三行业比均为超过预设第一阈值，则进行JSON解析，获取所述所学专业对应的大类信息下的各小类信息，并基于预设第二阈值，为所述毕业生进行就业岗位推荐。
2.根据权利要求1所述的基于大数据及人工智能指导高校毕业生就业选择的方法，其特征在于，所述岗位数量统计库，包括：
岗位名称，与所述岗位名称相对应的岗位需求人数。
3.根据权利要求2所述的基于大数据及人工智能指导高校毕业生就业选择的方法，其特征在于，所述从业人员统计库，包括：
所述岗位名称，与所述岗位名称相对应的正在从业的人数和各求职平台上对所述岗位进行应聘的人数。
4.根据权利要求3所述的基于大数据及人工智能指导高校毕业生就业选择的方法，其特征在于，所述基于预设关联度对所述岗位数量统计库中不同岗位进行大类关联划分和小类纵向划分，具体方式为：
选择所述岗位数量统计库中任一岗位作为基准岗位；
将所述基准岗位所需要的行业知识要求信息作为参照信息，同时基于预设类比算法获取所述岗位数量统计库中其他岗位所需要的行业知识要求信息与所述基准岗位间的相似度；
查找并获取所述相似度满足所述预设关联度的其他岗位的岗位名称，并将所述岗位名称作为元素构建第一列表，将所述基准岗位作为元素加入到所述第一列表中；
所述第一列表中的元素即为同一个大类，所述第一列表中的各元素之间即为同一个大类下各个具有纵向关系的小类；
使用循环迭代的方式，对未分类完成的岗位名称，再次进行基准岗位确定和第一列表构建，直到对所述岗位都分类完成，则划分成功。
5.根据权利要求4所述的基于大数据及人工智能指导高校毕业生就业选择的方法，其特征在于，所述基于所述大类关联划分结果和所述从业人员统计库中与所述大类相对应的从业人员统计结果进行大类行业比获取，作为第一行业比，具体实现方式为：
对同一大类中不同岗位对应的岗位需求人数进行统计，并进行求和，获取同一大类对应的总岗位需求人数Fi；
对同一大类中不同岗位对应的正在从业的人数和各求职平台上对所述岗位进行应聘的人数进行统计，并进行求和，获取同一大类对应的总从业人数fi；
获取所述同一大类对应的总从业人数fi与所述同一大类对应的总岗位需求人数Fi间的比值Qi，即为第一行业比,其中，Qi＝fi/Fi，i为所述大类的编号。
6.根据权利要求1至5任一项所述的基于大数据及人工智能指导高校毕业生就业选择的方法，其特征在于，所述基于所述小类纵向划分结果和所述从业人员统计库中与所述小类相对应的从业人员统计结果分别进行小类行业比获取，作为第二行业比，具体实现方式为：
对所述从业人员统计库中不同岗位对应的岗位需求人数分别进行统计，并获取岗位需求人数Fj；
对所述从业人员统计库中不同岗位对应的正在从业的人数和各求职平台上对所述岗位进行应聘的人数进行统计，并获取从业人数fj；
获取所述从业人数fj与所述岗位需求人数Fj间的比值Qj，即为第二行业比,其中，Qj＝fj/Fj，j为所述从业人员统计库中不同岗位的编号。
7.根据权利要求6所述的基于大数据及人工智能指导高校毕业生就业选择的方法，其特征在于，所述启动预设分配方案，对超出部分推荐非所学专业对应的岗位，具体实现方式为：
进行横向推荐，循环推荐非所学专业对应的岗位大类，并获取所述岗位大类对应的第一行业比和第三行业比，与所述预设第一阈值相比较进行阈值判断，直到第一行业比和第三行业比都不超过预设第一阈值。
8.根据权利要求7所述的基于大数据及人工智能指导高校毕业生就业选择的方法，其特征在于，所述基于预设第二阈值，为所述毕业生进行就业岗位推荐，具体实现方式为：
获取所述所学专业对应的大类信息下的各小类信息，并获取各个小类对应的不同岗位的第二行业比；
若当前岗位对应的所述第二行业比大于预设第二阈值，则获取同一大类下其他岗位对应的第二行业比，选择第二行业比小于预设第二阈值的岗位作为纵向推荐岗位，进行岗位推荐；
若当前岗位对应的所述第二行业比小于预设第二阈值，则将当前岗位作为推荐岗位进行岗位推荐。
9.一种基于大数据及人工智能指导高校毕业生就业选择的装置，其特征在于，包括：
基本库构建模块，用于基于互联网大数据平台，进行行业岗位获取，并进行统计，构建与各岗位分别一一对应的岗位数量统计库；基于各求职平台后台数据统计终端，统计所述各岗位正在进行求职的人数，同时，获取各岗位正在就职的人数，构建与各岗位分别一一对应的从业人员统计库；
库内数据整体模块，用于基于预设关联度对所述岗位数量统计库中不同岗位进行大类关联划分和小类纵向划分；基于所述大类关联划分结果和所述从业人员统计库中与所述大类相对应的从业人员统计结果进行大类行业比获取，作为第一行业比，同时，基于所述小类纵向划分结果和所述从业人员统计库中与所述小类相对应的从业人员统计结果分别进行小类行业比获取，作为第二行业比；构建以所述大类为变量名称，以所述小类为列表元素的JSON格式数据，其中，所述小类为列表元素，包括：以所述小类为列表变量名称，即KEY值，以所述第二行业比为分别与所述列表变量名称相对应的变量值，即VALUE值；确定毕业生所学专业和统计毕业季时本专业毕业的人数，基于所述所学专业确定所述专业对应的岗位大类信息，将所述毕业的人数作为新增数据发送到所述岗位大类信息相对应的从业人员统计库中，重新进行第一行业比获取，作为第三行业比；
毕业生就业推荐模块，用于基于预设第一阈值，判断所述第一行业比是否超过所述预设第一阈值，若超过，则进行横向推荐，循环推荐非所学专业对应的岗位大类，并获取所述岗位大类对应的第一行业比，进行阈值判断，直到判断结果不超过预设第一阈值；基于预设第一阈值，判断所述第一行业比和所述第三行业比是否超过所述预设第一阈值，若第一行业比未超过但第三行业比超过，则启动预设分配方案，对超出部分推荐非所学专业对应的岗位；若所述第一行业比和所述第三行业比均为超过预设第一阈值，则进行JSON解析，获取所述所学专业对应的大类信息下的各小类信息，并基于预设第二阈值，为所述毕业生进行就业岗位推荐。
10.一种计算机设备，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8任一项所述的基于大数据及人工智能指导高校毕业生就业选择的方法的步骤。
CN202110939087.9A 2021-08-16 2021-08-16 基于大数据及人工智能指导高校毕业生就业选择的方法及装置 Withdrawn CN113627894A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110939087.9A CN113627894A (zh) 2021-08-16 2021-08-16 基于大数据及人工智能指导高校毕业生就业选择的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110939087.9A CN113627894A (zh) 2021-08-16 2021-08-16 基于大数据及人工智能指导高校毕业生就业选择的方法及装置

Publications (1)

Publication Number Publication Date
CN113627894A true CN113627894A (zh) 2021-11-09

Family

ID=78385833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110939087.9A Withdrawn CN113627894A (zh) 2021-08-16 2021-08-16 基于大数据及人工智能指导高校毕业生就业选择的方法及装置

Country Status (1)

Country Link
CN (1) CN113627894A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114154884A (zh) * 2021-12-07 2022-03-08 杭州什维国土信息工程有限公司 一种工程测量数据处理方法及系统
CN115526590A (zh) * 2022-09-16 2022-12-27 深圳今日人才信息科技有限公司 一种结合专家知识和算法的高效人岗匹配与复推方法
CN116563067A (zh) * 2023-05-15 2023-08-08 北京融信数联科技有限公司 一种基于大数据的毕业生人群就业分析方法、系统及介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114154884A (zh) * 2021-12-07 2022-03-08 杭州什维国土信息工程有限公司 一种工程测量数据处理方法及系统
CN115526590A (zh) * 2022-09-16 2022-12-27 深圳今日人才信息科技有限公司 一种结合专家知识和算法的高效人岗匹配与复推方法
CN115526590B (zh) * 2022-09-16 2023-08-04 深圳今日人才信息科技有限公司 一种结合专家知识和算法的高效人岗匹配与复推方法
CN116563067A (zh) * 2023-05-15 2023-08-08 北京融信数联科技有限公司 一种基于大数据的毕业生人群就业分析方法、系统及介质
CN116563067B (zh) * 2023-05-15 2024-03-15 北京融信数联科技有限公司 一种基于大数据的毕业生人群就业分析方法、系统及介质

Similar Documents

Publication Publication Date Title
CN113627894A (zh) 基于大数据及人工智能指导高校毕业生就业选择的方法及装置
CN110825956A (zh) 一种信息流推荐方法、装置、计算机设备及存储介质
CN109816321A (zh) 一种服务管理方法、装置、设备和计算机可读存储介质
CN113220734A (zh) 课程推荐方法、装置、计算机设备及存储介质
CN113127633B (zh) 智能会议管理方法、装置、计算机设备及存储介质
CN112395390B (zh) 意图识别模型的训练语料生成方法及其相关设备
CN112333420A (zh) 一种智慧校园的大数据信息安全管理系统
CN111639360A (zh) 智能数据脱敏方法、装置、计算机设备及存储介质
CN112559866B (zh) 大学图书阅读推荐方法、装置、设备及存储介质
CN112507141B (zh) 调查任务生成方法、装置、计算机设备及存储介质
CN111144512B (zh) 基于EMLo预训练模型的职业指导方法、装置及存储介质
CN113506023A (zh) 工作行为数据分析方法、装置、设备及存储介质
CN117057935A (zh) 基于领域设计的数据处理方法、装置、设备及其存储介质
CN116956326A (zh) 权限数据的处理方法、装置、计算机设备及存储介质
CN111382977A (zh) 基于用户借阅行为的图书采购方法、装置及存储介质
CN114549053B (zh) 数据分析方法、装置、计算机设备及存储介质
CN111835861B (zh) 考试系统数据处理方法、装置、计算机设备及存储介质
CN113656703B (zh) 基于新上线课程的智能推荐方法、装置、设备及存储介质
CN113609833A (zh) 文件的动态生成方法、装置、计算机设备及存储介质
CN112395450A (zh) 图片文字检测方法、装置、计算机设备及存储介质
CN115310006A (zh) 基于反馈模型对大学音乐毕业生进行择业统计的方法及装置
CN115250200B (zh) 服务授权认证方法及其相关设备
CN117455431A (zh) 岗位项目匹配方法、装置、设备及存储介质
CN116450724A (zh) 数据处理方法、装置、计算机设备及存储介质
CN116796068A (zh) 一种车圈搭建方法、装置、计算机设备及存储介质

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20211109