CN115049372A - 针对人力资源信息的数字基础设施构建方法、设备及介质 - Google Patents

针对人力资源信息的数字基础设施构建方法、设备及介质 Download PDF

Info

Publication number
CN115049372A
CN115049372A CN202210971231.1A CN202210971231A CN115049372A CN 115049372 A CN115049372 A CN 115049372A CN 202210971231 A CN202210971231 A CN 202210971231A CN 115049372 A CN115049372 A CN 115049372A
Authority
CN
China
Prior art keywords
professional
various
workers
information
work content
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.)
Granted
Application number
CN202210971231.1A
Other languages
English (en)
Other versions
CN115049372B (zh
Inventor
宋业臻
肖维斌
韩伟
曲继新
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.)
Shandong Xinfa Technology Co ltd
Original Assignee
Shandong Xinfa Technology Co ltd
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 Shandong Xinfa Technology Co ltd filed Critical Shandong Xinfa Technology Co ltd
Priority to CN202210971231.1A priority Critical patent/CN115049372B/zh
Publication of CN115049372A publication Critical patent/CN115049372A/zh
Application granted granted Critical
Publication of CN115049372B publication Critical patent/CN115049372B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/151—Transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Machine Translation (AREA)

Abstract

本申请公开了针对人力资源信息的数字基础设施构建方法、设备及介质，属于管理目的的数据处理方法技术领域，方法包括：解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素；根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素；基于预设的三层职业划分架构，构建对应的数据库联合主键，并对联合主键设置推理引擎；将预设的PF要素、JA要素及WS要素输入数据库联合主键，以生成针对人力资源信息的数字基础设施。本申请通过上述方法实现了针对人力资源相关信息，构建高效的、具有自动化处理能力的数字基础设施的目标。

Description

针对人力资源信息的数字基础设施构建方法、设备及介质
技术领域
本申请涉及专门用于管理目的的数据处理方法技术领域，尤其涉及针对人力资源信息的数字基础设施构建方法、设备及介质。
背景技术
目前人力资源领域的相关技术主要可以分为以下两种类型：
第一种是用于人力资源信息展示或者服务于人力资源信息统计的装置，例如：实用新型《一种人力资源信息展示装置》（CN 216431093U），提出了一种人力资源信息展示硬件的设计方案；实用新型《一种人力资源数据统计装置》（CN 216161415U），提出了一种人力资源展示斜板、写字板、滑轨等构成的，展示人员薪酬发放、权限设置与员工基本信息记录等信息的展示装置。
第二种是用于人力资源业务的数字化基本办公的业务辅助系统，例如：发明专利《一种人力资源用数字档案管理终端设备及系统》（CN 112735491A），提出了一种软件与硬件结合的档案管理终端的设计方案；发明专利《一种人力资源用共享服务系统》（CN111340449A），提出了一种用于人力资源场景的简历储存与共享管理的系统设计方案。
但是上述两种类型的人力资源数字基础设施均存在局限性：首先，两种类型对人力资源相关信息的处理能力与处理效率均较低；其次，两种类型均未涉对人力资源业务进行自动化处理能力；最后，两种类型均未针对人力资源服务的数字基础设施层面提出技术解决方案。
因此，随着社会对人力资源信息需求的提高，如何针对人力资源相关信息，构建高效的、具有自动化处理能力的数字基础设施成为亟待解决的技术问题。
发明内容
本申请实施例提供针对人力资源信息的数字基础设施构建方法、设备及介质，用以解决如下技术问题：如何针对人力资源相关信息，构建高效的、具有自动化处理能力的数字基础设施。
第一方面，本申请实施例提供了针对人力资源信息的数字基础设施构建方法，其特征在于，所述方法包括：根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素；其中，JA要素是用于描述某一职业工作人员工作职责的特征词；根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素；其中，WS要素是用于描述某一职业工作人员所需工作技能的特征词；基于预设的三层职业划分架构，构建对应的数据库联合主键，并对所述联合主键设置推理引擎；其中，所述三层职业划分架构的层级依次是：行业、产业链位置、职业；将预设的PF要素、所述JA要素及所述WS要素输入所述数据库联合主键，以生成针对人力资源信息的数字基础设施；其中，所述PF要素是用于描述某一职业工作人员所需心理特征的特征词。
在本申请的一种实现方式中，根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素，具体包括：确定各类职业工作人员的工作内容访谈信息；对所述各类职业工作人员的工作内容访谈信息进行去噪处理，以剔除所述各类职业工作人员的工作内容访谈信息中无实际含义的词汇；通过预设的实体词汇识别库，对降噪后的所述各类职业工作人员的工作内容访谈信息进行实体词汇识别，以确定各类职业工作人员对应的实体词汇集；其中，所述实体词汇是用于描述某一职业的某一项工作内容的特征词；对所述各类职业工作人员对应的实体词汇集进行降维分析，以确定各类职业工作人员对应的JA要素。
在本申请的一种实现方式中，确定各类职业工作人员的工作内容访谈信息，具体包括：基于预设的工作内容访谈标识检索所述人力资源信息数据库，以确定所述人力资源信息数据库中包含的全部工作人员的初始工作内容访谈信息；对各初始工作内容访谈信息的摘要信息进行职业关键词检测，以确定各初始工作内容访谈信息对应的工作人员的职业类型，并对所述初始工作内容访谈信息进行预处理，以获得文本化的工作内容访谈信息；针对职业类型对所述工作内容访谈信息进行分组，以确定各类职业工作人员的工作内容访谈信息。
在本申请的一种实现方式中，对所述各类职业工作人员对应的实体词汇集进行降维分析，以确定各类职业工作人员对应的JA要素，具体包括：基于预设的非线性降维算法，对所述各类职业工作人员对应的实体词汇集进行处理，以确定各类职业工作人员对应的低维主因素集；对所述各类职业工作人员对应的低维主因素集进行泛化处理，以确定各类职业工作人员对应的JA要素。
在本申请的一种实现方式中，根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素，具体包括：基于人力资源信息数据库中各类职业的职业资格鉴定信息，确定各类职业工作人员的初始工作技能集；根据工作技能与对应初始工作技能集对应的职业类型的相关性，对所述初始工作技能集中的任意两个工作技能进行对照打分，直至所述初始工作技能集中的所有工作技能至少包含一个分数标签；根据所述初始工作技能集中两工作技能间是否存在对照关系，构建所述初始工作技能集的图模型；根据小世界网络算法，通过判断所述图模型中的工作技能是否符合小世界网络特征，以确定各类职业工作人员对应的WS要素。
在本申请的一种实现方式中，在确定各类职业工作人员对应的WS要素之后，所述方法还包括：通过Bradley-Terry模型，对各类职业工作人员对应的WS要素进行重要性比较，以确定各WS要素的权重，并基于所述权重，生成各类职业工作人员对应的WS要素需求顺序表。
在本申请的一种实现方式中，在生成针对人力资源信息的数字基础设施之后，所述方法还包括：在基于所述数字基础设施进行人力资源信息检索的情况下，通过预设的六类检索词生成人力资源信息检索式；其中，所述六类检索词包括：行业词、产业链位置词、职业词、PF要素词、JA要素词及WS要素词；将所述人力资源信息检索式输入到所述数字基础设施中，通过所述推理引擎中预置的极大似然估计算法，输出由最大似然到最小似然的人力资源信息。
在本申请的一种实现方式中，对所述初始工作内容访谈信息进行预处理，以获得文本化的工作内容访谈信息，具体包括：对视频格式的初始工作内容访谈信息进行音频提取，并对提取的音频进行文本格式转换，以生成文本化的工作内容访谈信息；对音频格式的初始工作内容访谈信息进行文本格式转换，以生成文本化的工作内容访谈信息；对文本格式的初始工作内容访谈信息进行文本格式统一转换，以生成格式统一的文本化的工作内容访谈信息。
第二方面，本申请实施例还提供了针对人力资源信息的数字基础设施构建设备，其特征在于，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素；其中，JA要素是用于描述某一职业工作人员工作职责的特征词；根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素；其中，WS要素是用于描述某一职业工作人员所需工作技能的特征词；基于预设的三层职业划分架构，构建对应的数据库联合主键，并对所述联合主键设置推理引擎；其中，所述三层职业划分架构的层级依次是：行业、产业链位置、职业；将预设的PF要素、所述JA要素及所述WS要素输入所述数据库联合主键，以生成针对人力资源信息的数字基础设施；其中，所述PF要素是用于描述某一职业工作人员所需心理特征的特征词。
第三方面，本申请实施例还提供了针对人力资源信息的数字基础设施构建的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素；其中，JA要素是用于描述某一职业工作人员工作职责的特征词；根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素；其中，WS要素是用于描述某一职业工作人员所需工作技能的特征词；基于预设的三层职业划分架构，构建对应的数据库联合主键，并对所述联合主键设置推理引擎；其中，所述三层职业划分架构的层级依次是：行业、产业链位置、职业；将预设的PF要素、所述JA要素及所述WS要素输入所述数据库联合主键，以生成针对人力资源信息的数字基础设施；其中，所述PF要素是用于描述某一职业工作人员所需心理特征的特征词。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：通过上述技术方案，不仅提高了对人力资源相关信息的处理能力与处理效率，还使对人力资源业务处理的过程具有了自动化处理的能力，另外，本申请构建的针对人力资源服务的数字基础设施，达成了社会对人力资源基础设施建设的需求。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的针对人力资源信息的数字基础设施构建方法流程图；
图2为本申请实施例提供的针对人力资源信息的数字基础设施构建设备内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供针对人力资源信息的数字基础设施构建方法、设备及介质，用以解决如下技术问题：如何针对人力资源相关信息，构建高效的、具有自动化处理能力的数字基础设施。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的针对人力资源信息的数字基础设施构建方法流程图。如图1所示，本申请实施例提供的针对人力资源信息的数字基础设施构建方法，主要包括以下步骤：
步骤101、根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素。
首先需要说明的是，本申请实施例中的JA要素是用于描述某一职业工作人员工作职责的特征词。例如：“客户服务”这一体现某职业工作职责的特征词。
在本申请的一个实施例中，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素，首先需要在人力资源信息数据库中确定各类职业工作人员的工作内容访谈信息。
具体地，基于预设的工作内容访谈标识检索人力资源信息数据库，以确定人力资源信息数据库中包含的全部工作人员的初始工作内容访谈信息。对各初始工作内容访谈信息的摘要信息进行职业关键词检测，以确定各初始工作内容访谈信息对应的工作人员的职业类型。可以理解的是，合理的文件管理规则均会对各类文件进行有序整理，并添加对应文件类型的标识及摘要内容，通过对标识即摘要内容的识别即可确定人力资源信息数据库中对应的初始工作内容访谈信息，以及各初始工作内容访谈信息对应工作人员的职业类型。
进一步地，由于在进行访谈时，记录形式多种多样，因此在获得初始工作内容访谈信息后，需要对初始工作内容访谈信息进行预处理，以获得文本化的工作内容访谈信息。
具体地，对视频格式的初始工作内容访谈信息进行音频提取，并对提取的音频进行文本格式转换，以生成文本化的工作内容访谈信息；对音频格式的初始工作内容访谈信息进行文本格式转换，以生成文本化的工作内容访谈信息；对文本格式的初始工作内容访谈信息进行文本格式统一转换，以生成格式统一的文本化的工作内容访谈信息。
进一步地，针对职业类型对工作内容访谈信息进行分组，以确定各类职业工作人员的工作内容访谈信息。
在本申请的一个实施例中，在确定各类职业工作人员对应的工作内容访谈信息后，对各类职业工作人员的工作内容访谈信息进行去噪处理，以剔除各类职业工作人员的工作内容访谈信息中无实际含义的词汇。需要说明的是，无实际含义的词汇可根据偏好进行自行选择，无实际含义的词汇例如“的”、“了”等。
进一步地，通过预设的实体词汇识别库，对降噪后的各类职业工作人员的工作内容访谈信息进行实体词汇识别，以确定各类职业工作人员对应的实体词汇集；其中，实体词汇是用于描述某一职业的某一项工作内容的特征词。可以理解的是，实体词汇的确定是通过实体词汇库，检索各类职业工作人员的工作内容访谈信息中是否存在实体词汇识别库中包含的实体词汇进行确定。
进一步地，对各类职业工作人员对应的实体词汇集进行降维分析，以确定各类职业工作人员对应的JA要素。
具体地，基于预设的非线性降维算法，对各类职业工作人员对应的实体词汇集进行处理，以确定各类职业工作人员对应的低维主因素集。
具体的计算过程如下：
（1）输入数据集
Figure DEST_PATH_IMAGE001
其中，JA表示实体词汇集，ja1-jan表示实体词汇集中的n个实体词汇。
（2）将JA数据集进行归一化处理后，求解协方差矩阵
Figure 689572DEST_PATH_IMAGE002
其中，C表示归一化实体词汇集后对应的协方差矩阵，xi表示第i个实体词汇归一化后对应的参数数值。
（3）对协方差矩阵进行奇异值分解，求解出前k个最大特征值对应的特征向量，由于奇异值分解求出的k值会有多个，所以会有多个特征向量，因此会有多个特征向量对应的对个降维词汇集
Figure DEST_PATH_IMAGE003
其中，JAN表示第N个降维词汇集，ja1-jak表示第N个降维词汇集中的k个实体词汇。
（4）通过以下目标函数对求解出的若干个降维词汇集进行计算，以确定出满足条件且k值最小的降维词汇集
Figure 154182DEST_PATH_IMAGE004
其中，k表示某一降维词汇集中实体词汇的个数，xi表示该降维词汇集中第i个实体词汇归一化后对应的参数数值，xi approx指的是均方映射误差。
需要说明的是，条件参数选择0.05，意味着在该工作分析场景下使用该降维算法保留95%的数据信息，在确保信息保留的同时，具有一定的稳健性。
进一步地，对各类职业工作人员对应的低维主因素集进行泛化处理，以确定各类职业工作人员对应的JA要素。例如：某一职业应的低维主因素集={“对接客户”、“电话访问”、“面对面谈判”}，则泛化处理后得到的JA要素为“客户服务”。
步骤102、根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素。
需要说明的是，本申请实施例中的WS要素是用于描述某一职业工作人员所需工作技能的特征词。
在本申请的一个实施例中，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素，首先需要基于人力资源信息数据库中各类职业的职业资格鉴定信息，确定各类职业工作人员的初始工作技能集。
具体地，基于预设的各职业的职业资格鉴定标识检索人力资源信息数据库，以确定人力资源信息数据库中包含的各类职业工作人员的初始工作技能。针对职业类型对各类职业工作人员的初始工作技能进行分组，以确定各类职业工作人员的初始工作技能集。
在本申请的一个实施例中，在确定各类职业工作人员的初始工作技能集后，根据工作技能与对应初始工作技能集对应的职业类型的相关性，对初始工作技能集中的任意两个工作技能进行对照打分，直至初始工作技能集中的所有工作技能至少包含一个分数标签。例如：客服职业的初始工作技能集中有两个工作技能“办公软件应用技能”与“面对面谈判技能”，假设“面对面谈判技能”与客服职业的相关性高于“办公软件应用技能”，则对“面对面谈判技能”的打分高于“办公软件应用技能”。
进一步地，根据初始工作技能集中两工作技能间是否存在对照关系，构建初始工作技能集的图模型。可以理解的是，若初始工作技能集中两工作技能间对照过，则连接这两个工作技能。
进一步地，根据小世界网络算法，通过判断图模型中的工作技能是否符合小世界网络特征，以确定各类职业工作人员对应的WS要素。
具体地，根据特征路径长度和聚合系数，判别图模型中的工作技能是否形成了小世界网络，将符合小世界网络特征的技能节点确定为对应职业类型的工作人员WS要素。
在本申请的一个实施例中，在确定各类职业工作人员对应的WS要素之后，本申请通过Bradley-Terry模型，对各类职业工作人员对应的WS要素进行重要性比较，以确定各WS要素的权重，并基于权重，生成各类职业工作人员对应的WS要素需求顺序表。其中，Bradley-Terry模型由以下公式表示：
Figure DEST_PATH_IMAGE005
其中，F1，F2表示任意两个WS要素，P(F1>F2) 表示F1对应的WS要素的重要性大于F2；a1=exp(F1)，a2=exp(F2)。
步骤103、基于预设的三层职业划分架构，构建对应的数据库联合主键，并对联合主键设置推理引擎。
需要说明的是，本申请三层职业划分架构的层级依次是：行业、产业链位置、职业；推理引擎中预置了极大似然估计算法，用于根据输入的检索式，检索数据库联合主键中的信息。
步骤104、将预设的PF要素、JA要素及WS要素输入数据库联合主键，以生成针对人力资源信息的数字基础设施；其中，PF要素是用于描述某一职业工作人员所需心理特征的特征词。
在本申请的一个实施例中，在确定JA要素、WS要素以及构建数据库联合主键之后，将预设的PF要素、JA要素及WS要素输入数据库联合主键，以生成针对人力资源信息的数字基础设施；其中，PF要素是用于描述某一职业工作人员所需心理特征的特征词。
在本申请的一个实施例中，在生成针对人力资源信息的数字基础设施之后，在基于数字基础设施进行人力资源信息检索的情况下，通过预设的六类检索词生成人力资源信息检索式；将人力资源信息检索式输入到数字基础设施中，通过推理引擎中预置的极大似然估计算法，输出由最大似然到最小似然的人力资源信息。其中，六类检索词包括：行业词、产业链位置词、职业词、PF要素词、JA要素词及WS要素词。可以理解的是，六类检索词无需全部都包括，选择其中一类或多类形成检索式即可。
可以理解的是，该数字基础设施可以用于求职者根据自己的需求筛选合适的岗位，也可以用于HR根据公司的人员需求筛选合适的求职者。
以上为本申请实施例提供的方法实施例，基于同样的发明构思，本申请实施例还提供了针对人力资源信息的数字基础设施构建设备，其内部结构如图2所示。
图2为本申请实施例提供的针对人力资源信息的数字基础设施构建设备内部结构示意图。如图2所示，设备包括：至少一个处理器201；以及，与至少一个处理器201通信连接的存储器202；其中，存储器202存储有可被至少一个处理器执行的指令，指令被至少一个处理器201执行，以使至少一个处理器201能够：
根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素；其中，JA要素是用于描述某一职业工作人员工作职责的特征词；根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素；其中，WS要素是用于描述某一职业工作人员所需工作技能的特征词；基于预设的三层职业划分架构，构建对应的数据库联合主键，并对联合主键设置推理引擎；其中，三层职业划分架构的层级依次是：行业、产业链位置、职业；将预设的PF要素、JA要素及WS要素输入数据库联合主键，以生成针对人力资源信息的数字基础设施；其中， PF要素是用于描述某一职业工作人员所需心理特征的特征词。
本申请的一些实施例提供的对应于图1的针对人力资源信息的数字基础设施构建的非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：
根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素；其中，JA要素是用于描述某一职业工作人员工作职责的特征词；根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素；其中，WS要素是用于描述某一职业工作人员所需工作技能的特征词；基于预设的三层职业划分架构，构建对应的数据库联合主键，并对联合主键设置推理引擎；其中，三层职业划分架构的层级依次是：行业、产业链位置、职业；将预设的PF要素、JA要素及WS要素输入数据库联合主键，以生成针对人力资源信息的数字基础设施；其中， PF要素是用于描述某一职业工作人员所需心理特征的特征词。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于物联网设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本申请实施例提供的系统和介质与方法是一一对应的，因此，系统和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述系统和介质的有益技术效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.针对人力资源信息的数字基础设施构建方法，其特征在于，所述方法包括：
根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素；其中，JA要素是用于描述某一职业工作人员工作职责的特征词；
根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素；其中，WS要素是用于描述某一职业工作人员所需工作技能的特征词；
基于预设的三层职业划分架构，构建对应的数据库联合主键，并对所述联合主键设置推理引擎；其中，所述三层职业划分架构的层级依次是：行业、产业链位置、职业；
将预设的PF要素、所述JA要素及所述WS要素输入所述数据库联合主键，以生成针对人力资源信息的数字基础设施；其中，所述PF要素是用于描述某一职业工作人员所需心理特征的特征词。
2.根据权利要求1所述的针对人力资源信息的数字基础设施构建方法，其特征在于，根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素，具体包括：
确定各类职业工作人员的工作内容访谈信息；
对所述各类职业工作人员的工作内容访谈信息进行去噪处理，以剔除所述各类职业工作人员的工作内容访谈信息中无实际含义的词汇；
通过预设的实体词汇识别库，对降噪后的所述各类职业工作人员的工作内容访谈信息进行实体词汇识别，以确定各类职业工作人员对应的实体词汇集；其中，所述实体词汇是用于描述某一职业的某一项工作内容的特征词；
对所述各类职业工作人员对应的实体词汇集进行降维分析，以确定各类职业工作人员对应的JA要素。
3.根据权利要求2所述的针对人力资源信息的数字基础设施构建方法，其特征在于，确定各类职业工作人员的工作内容访谈信息，具体包括：
基于预设的工作内容访谈标识检索所述人力资源信息数据库，以确定所述人力资源信息数据库中包含的全部工作人员的初始工作内容访谈信息；
对各初始工作内容访谈信息的摘要信息进行职业关键词检测，以确定各初始工作内容访谈信息对应的工作人员的职业类型，并对所述初始工作内容访谈信息进行预处理，以获得文本化的工作内容访谈信息；
针对职业类型对所述工作内容访谈信息进行分组，以确定各类职业工作人员的工作内容访谈信息。
4.根据权利要求2所述的针对人力资源信息的数字基础设施构建方法，其特征在于，对所述各类职业工作人员对应的实体词汇集进行降维分析，以确定各类职业工作人员对应的JA要素，具体包括：
基于预设的非线性降维算法，对所述各类职业工作人员对应的实体词汇集进行处理，以确定各类职业工作人员对应的低维主因素集；
对所述各类职业工作人员对应的低维主因素集进行泛化处理，以确定各类职业工作人员对应的JA要素。
5.根据权利要求1所述的针对人力资源信息的数字基础设施构建方法，其特征在于，根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素，具体包括：
基于人力资源信息数据库中各类职业的职业资格鉴定信息，确定各类职业工作人员的初始工作技能集；
根据工作技能与对应初始工作技能集对应的职业类型的相关性，对所述初始工作技能集中的任意两个工作技能进行对照打分，直至所述初始工作技能集中的所有工作技能至少包含一个分数标签；
根据所述初始工作技能集中两工作技能间是否存在对照关系，构建所述初始工作技能集的图模型；
根据小世界网络算法，通过判断所述图模型中的工作技能是否符合小世界网络特征，以确定各类职业工作人员对应的WS要素。
6.根据权利要求1所述的针对人力资源信息的数字基础设施构建方法，其特征在于，在确定各类职业工作人员对应的WS要素之后，所述方法还包括：
通过Bradley-Terry模型，对各类职业工作人员对应的WS要素进行重要性比较，以确定各WS要素的权重，并基于所述权重，生成各类职业工作人员对应的WS要素需求顺序表。
7.根据权利要求1所述的针对人力资源信息的数字基础设施构建方法，其特征在于，在生成针对人力资源信息的数字基础设施之后，所述方法还包括：
在基于所述数字基础设施进行人力资源信息检索的情况下，通过预设的六类检索词生成人力资源信息检索式；其中，所述六类检索词包括：行业词、产业链位置词、职业词、PF要素词、JA要素词及WS要素词；
将所述人力资源信息检索式输入到所述数字基础设施中，通过所述推理引擎中预置的极大似然估计算法，输出由最大似然到最小似然的人力资源信息。
8.根据权利要求3所述的针对人力资源信息的数字基础设施构建方法，其特征在于，对所述初始工作内容访谈信息进行预处理，以获得文本化的工作内容访谈信息，具体包括：
对视频格式的初始工作内容访谈信息进行音频提取，并对提取的音频进行文本格式转换，以生成文本化的工作内容访谈信息；
对音频格式的初始工作内容访谈信息进行文本格式转换，以生成文本化的工作内容访谈信息；
对文本格式的初始工作内容访谈信息进行文本格式统一转换，以生成格式统一的文本化的工作内容访谈信息。
9.针对人力资源信息的数字基础设施构建设备，其特征在于，所述设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素；其中，JA要素是用于描述某一职业工作人员工作职责的特征词；
根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素；其中，WS要素是用于描述某一职业工作人员所需工作技能的特征词；
基于预设的三层职业划分架构，构建对应的数据库联合主键，并对所述联合主键设置推理引擎；其中，所述三层职业划分架构的层级依次是：行业、产业链位置、职业；
将预设的PF要素、所述JA要素及所述WS要素输入所述数据库联合主键，以生成针对人力资源信息的数字基础设施；其中，所述PF要素是用于描述某一职业工作人员所需心理特征的特征词。
10.针对人力资源信息的数字基础设施构建的非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
根据预设的人工智能自然语言处理算法，解析人力资源信息数据库中各类职业工作人员的工作内容访谈信息，以确定各类职业工作人员对应的JA要素；其中，JA要素是用于描述某一职业工作人员工作职责的特征词；
根据预设的图模型算法，解析人力资源信息数据库中各类职业的职业资格鉴定信息，以确定各类职业工作人员对应的WS要素；其中，WS要素是用于描述某一职业工作人员所需工作技能的特征词；
基于预设的三层职业划分架构，构建对应的数据库联合主键，并对所述联合主键设置推理引擎；其中，所述三层职业划分架构的层级依次是：行业、产业链位置、职业；
将预设的PF要素、所述JA要素及所述WS要素输入所述数据库联合主键，以生成针对人力资源信息的数字基础设施；其中，所述PF要素是用于描述某一职业工作人员所需心理特征的特征词。
CN202210971231.1A 2022-08-15 2022-08-15 针对人力资源信息的数字基础设施构建方法、设备及介质 Active CN115049372B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210971231.1A CN115049372B (zh) 2022-08-15 2022-08-15 针对人力资源信息的数字基础设施构建方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210971231.1A CN115049372B (zh) 2022-08-15 2022-08-15 针对人力资源信息的数字基础设施构建方法、设备及介质

Publications (2)

Publication Number Publication Date
CN115049372A true CN115049372A (zh) 2022-09-13
CN115049372B CN115049372B (zh) 2022-12-02

Family

ID=83166983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210971231.1A Active CN115049372B (zh) 2022-08-15 2022-08-15 针对人力资源信息的数字基础设施构建方法、设备及介质

Country Status (1)

Country Link
CN (1) CN115049372B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180060782A1 (en) * 2016-08-23 2018-03-01 International Business Machines Corporation Recommending personalized jobs from automated review of writing samples and resumes
CN109544104A (zh) * 2018-11-01 2019-03-29 平安科技（深圳）有限公司 一种招聘数据处理方法及装置
CN110297906A (zh) * 2019-06-28 2019-10-01 谭浩 生成访谈报告的方法、计算机可读存储介质和终端设备
CN110619035A (zh) * 2019-08-01 2019-12-27 平安科技（深圳）有限公司 识别面试视频中关键词的方法、装置、设备及存储介质
CN110633912A (zh) * 2019-09-20 2019-12-31 苏州思必驰信息科技有限公司 监测服务人员服务质量的方法及系统
CN110648104A (zh) * 2019-08-01 2020-01-03 北京天麦有一网络科技有限公司 一种智能人力资源筛选系统及方法
CN111125343A (zh) * 2019-12-17 2020-05-08 领猎网络科技(上海)有限公司 适用于人岗匹配推荐系统的文本解析方法及装置
US20200341602A1 (en) * 2019-04-24 2020-10-29 Salesforce.Com, Inc. Training a machine learning engine to score based on user perspective
CN112836691A (zh) * 2021-03-31 2021-05-25 中国工商银行股份有限公司 智能面试方法及装置
CN114268747A (zh) * 2021-12-22 2022-04-01 建信金融科技有限责任公司 基于虚拟数字人的访谈业务处理方法及相关装置
CN114330943A (zh) * 2020-09-30 2022-04-12 上海近屿智能科技有限公司 一种面试辅助方法及装置
CN114612061A (zh) * 2022-03-09 2022-06-10 前锦网络信息技术(上海)有限公司 一种人力资源信息处理系统和方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180060782A1 (en) * 2016-08-23 2018-03-01 International Business Machines Corporation Recommending personalized jobs from automated review of writing samples and resumes
CN109544104A (zh) * 2018-11-01 2019-03-29 平安科技（深圳）有限公司 一种招聘数据处理方法及装置
US20200341602A1 (en) * 2019-04-24 2020-10-29 Salesforce.Com, Inc. Training a machine learning engine to score based on user perspective
CN110297906A (zh) * 2019-06-28 2019-10-01 谭浩 生成访谈报告的方法、计算机可读存储介质和终端设备
CN110619035A (zh) * 2019-08-01 2019-12-27 平安科技（深圳）有限公司 识别面试视频中关键词的方法、装置、设备及存储介质
CN110648104A (zh) * 2019-08-01 2020-01-03 北京天麦有一网络科技有限公司 一种智能人力资源筛选系统及方法
CN110633912A (zh) * 2019-09-20 2019-12-31 苏州思必驰信息科技有限公司 监测服务人员服务质量的方法及系统
CN111125343A (zh) * 2019-12-17 2020-05-08 领猎网络科技(上海)有限公司 适用于人岗匹配推荐系统的文本解析方法及装置
CN114330943A (zh) * 2020-09-30 2022-04-12 上海近屿智能科技有限公司 一种面试辅助方法及装置
CN112836691A (zh) * 2021-03-31 2021-05-25 中国工商银行股份有限公司 智能面试方法及装置
CN114268747A (zh) * 2021-12-22 2022-04-01 建信金融科技有限责任公司 基于虚拟数字人的访谈业务处理方法及相关装置
CN114612061A (zh) * 2022-03-09 2022-06-10 前锦网络信息技术(上海)有限公司 一种人力资源信息处理系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张雪: "基于文本挖掘的人力资源岗位胜任力模型构建及其应用研究", 《中国优秀硕士学位论文全文数据库》 *
汤洋等: "网络招聘信息中职业类型与专业领域的情报分析", 《情报杂志》 *

Also Published As

Publication number Publication date
CN115049372B (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
US11663254B2 (en) System and engine for seeded clustering of news events
WO2019200752A1 (zh) 基于语义理解的兴趣点查询方法、装置和计算机设备
CN108509424B (zh) 制度信息处理方法、装置、计算机设备和存储介质
CN111967761A (zh) 一种基于知识图谱的监控预警方法、装置及电子设备
CN113360676A (zh) 一种基于知识图谱确定企业潜在关系的方法及装置
CN110689211A (zh) 网站服务能力的评估方法及装置
US8341170B2 (en) Apparatus and method for visualizing technology change
CN114117038A (zh) 一种文档分类方法、装置、系统及电子设备
CN116541887B (zh) 一种大数据平台数据安全保护方法
CN115049372B (zh) 针对人力资源信息的数字基础设施构建方法、设备及介质
CN112506860A (zh) 基于区块链的协同审计方法、装置及系统
CN110941952A (zh) 一种完善审计分析模型的方法及装置
CN115423327A (zh) 数据处理方法与装置
CN111078867A (zh) 一种文本分类方法及装置
CN110781213B (zh) 一种以人员为中心的多源海量数据关联搜索方法和系统
KR20190052980A (ko) 인재 정보 처리 방법 및 장치
CN111858598A (zh) 一种海量数据综合管理系统与方法
JP2023536005A (ja) データクラスタリング方法及びシステム、データ記憶方法及びシステム並びに記憶媒体
CN112445782A (zh) 一种面向客户服务的企业知识库管理方法
CN113077272B (zh) 通信业务营销案优化方法和装置
CN117454892B (zh) 元数据管理方法、装置、终端设备以及存储介质
CN113626427B (zh) 一种基于规则引擎的主题检索方法和系统
Lucredio et al. Component retrieval using metric indexing
CN110928979B (zh) 管理技术元数据的方法和装置
CN115757407A (zh) 一种数据检索方法及设备

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