公开/公告号CN116861216A
专利类型发明专利
公开/公告日2023-10-10
原文格式PDF
申请/专利权人 中国人民解放军国防科技大学;
申请/专利号CN202310859498.6
申请日2023-07-13
分类号G06F18/213(2023.01);G06F16/901(2019.01);G06F18/24(2023.01);
代理机构长沙国科天河知识产权代理有限公司 43225;
代理人彭小兰
地址 410073 湖南省长沙市开福区德雅路109号
入库时间 2024-04-18 19:44:28
法律状态公告日
法律状态信息
法律状态
2023-10-27
实质审查的生效 IPC(主分类):G06F18/213 专利申请号:2023108594986 申请日:20230713
实质审查的生效
技术领域
本申请涉及数据处理领域,特别是涉及一种基于经验积累生成职业分析报告的方法、装置及设备。
背景技术
在知识经济时代,新的知识和技术不断涌现和融合,创造了新的工作方法和职业道路,职业越发多种多样,就业市场也越发复杂多变。求职者与组织管理者需要用科学手段及时了解各职业的发展情况,紧跟就业市场态势。当前对于一些职业的评估分析,仅考虑职业自身的基本情况,没有考虑职业间的人员流动数量变化,因此,会存在求职者和组织管理者对职业间的人员流动关系以及职业发展情况了解不足,从而导致职业发展分析不全面、准确率低的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种基于经验积累生成职业分析报告的方法、装置及设备。
一种基于经验积累生成职业分析报告的方法,所述方法包括:
获取在线职业网络中的职业数据集,对职业数据集进行标准化和映射处理,得到原始职业数据;其中,原始职业数据包括职业数量、从业人数、人员受教育情况、人员流动经历、人员所在行业、人员所在地区;
将原始职业数据中的职业作为节点,将职业间的人员流动作为边,并将职业间基于经验积累导致的人员流动数量作为边的权重,构建经验积累维度的职业流动网络模型;
根据经验积累维度的职业流动网络模型中边的权重对原始职业数据进行特征提取,得到每种职业的人员流动总量特征、人员留存力特征和流通枢纽度特征,通过记录提取得到的每种职业的特征,生成职业分析报告。
在其中一个实施例中,对职业数据集进行标准化和映射处理,得到原始职业数据,包括:
统计职业数据集中的每种职业的出现频率,指定职业数据集中出现频率高于100的职业为常见职业;
对常见职业的名称进行校准,得到初步标准化职业,根据初步标准化职业依次对职业数据集中的非标准化职业进行职业名称和职业名称词干的完全匹配,得到标准化职业;
通过将标准化职业与职业信息网络的职业分类进行映射,得到原始职业数据。
在其中一个实施例中,经验积累维度的职业流动网络模型表示为
在其中一个实施例中,在经验积累维度的职业流动网络模型中,每条边对应的权重
其中,
在其中一个实施例中,人员流动总量特征表示为
Total
其中,Total
在其中一个实施例中,人员留存力特征表示为
其中,Retain
Center
其中,Flow
一种基于经验积累生成职业分析报告的装置,所述装置包括:
职业数据获取模块,用于获取在线职业网络中的职业数据集,对职业数据集进行标准化和映射处理,得到原始职业数据;其中,原始职业数据包括职业数量、从业人数、人员受教育情况、人员流动经历、人员所在行业、人员所在地区;
职业流动网络构建模块,用于将原始职业数据中的职业作为节点,将职业间的人员流动作为边,并将职业间基于经验积累导致的人员流动数量作为边的权重,构建经验积累维度的职业流动网络模型;
职业分析报告生成模块,用于根据经验积累维度的职业流动网络模型中边的权重对原始职业数据进行特征提取,得到每种职业的人员流动总量特征、人员留存力特征和流通枢纽度特征,通过记录提取得到的每种职业的特征,生成职业分析报告。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取在线职业网络中的职业数据集,对职业数据集进行标准化和映射处理,得到原始职业数据;其中,原始职业数据包括职业数量、从业人数、人员受教育情况、人员流动经历、人员所在行业、人员所在地区;
将原始职业数据中的职业作为节点,将职业间的人员流动作为边,并将职业间基于经验积累导致的人员流动数量作为边的权重,构建经验积累维度的职业流动网络模型;
根据经验积累维度的职业流动网络模型中边的权重对原始职业数据进行特征提取,得到每种职业的人员流动总量特征、人员留存力特征和流通枢纽度特征,通过记录提取得到的每种职业的特征,生成职业分析报告。
上述基于经验积累生成职业分析报告的方法、装置及设备,通过获取职业数据集并进行标准化和映射处理,得到原始职业数据,并根据原始职业数据中基于经验积累导致的职业间的人员流动关系,构建经验积累维度的职业流动网络模型,通过该职业流动网络模型可以捕捉职业间由于经验积累导致的人员流动情况,避免求职者和组织管理者对职业间的人员流动关系了解不足。在此基础上,根据经验积累维度的职业流动网络模型提取原始职业数据中每种职业的人员流动总量特征、人员留存力特征和流通枢纽度特征并生成职业分析报告。其中,报告中记载的人员流动总量特征表示某职业的人员流入和流出的总数量,有助于了解职业的吸引力和发展机会,人员留存力特征表示某职业的人员流入数量与流出数量之比,有助于了解职业的稳定性,流通枢纽度特征表示某职业在职业流动网络模型中的关键路径占比和流量占比,有助于了解职业的跨领域能力。采用本方法能够根据经验积累维度的职业流动网络模型捕捉职业间的人员流动关系,并根据该职业流动网络模型提取多维度的人员流动特征并生成分析报告,从而可以提高职业发展分析的全面性和准确性,对于指导求职者就业和指导组织人力资源管理具有重要意义。
附图说明
图1为一个实施例中基于经验积累生成职业分析报告的方法的流程示意图;
图2为一个实施例中基于经验积累生成职业分析报告的装置的结构框图;
图3为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于经验积累生成职业分析报告的方法,包括以下步骤:
步骤S1,获取在线职业网络中的职业数据集,对职业数据集进行标准化和映射处理,得到原始职业数据;其中,原始职业数据包括职业数量、从业人数、人员受教育情况、人员流动经历、人员所在行业、人员所在地区。
可以理解,由于在线职业网络(如LinkedIn)的职业数据集中的职业是由用户填写的,职业名称缺乏统一的标准,需要进行标准化处理,并且由于在线职业网络的职业种类繁多,需要通过映射处理来进行统一的分类。
步骤S2,将原始职业数据中的职业作为节点,将职业间的人员流动作为边,并将职业间基于经验积累导致的人员流动数量作为边的权重,构建经验积累维度的职业流动网络模型。
可以理解,经验积累即人员知识和技能的积累,是人力资本的重要组成部分,相比于仅考虑了人数变化的职业流动网络模型,通过构建经验积累维度的职业流动网络模型,可以有效衡量职业间由于经验积累导致的人员流动和人力资本流动。
步骤S3,根据经验积累维度的职业流动网络模型中边的权重对原始职业数据进行特征提取,得到每种职业的人员流动总量特征、人员留存力特征和流通枢纽度特征,通过记录提取得到的每种职业的特征,生成职业分析报告。
可以理解,人员流动总量特征表示某职业的人员流入和流出的总数量,有助于了解职业的吸引力和发展机会,人员留存力特征表示某职业的人员流入数量与流出数量之比,有助于了解职业的稳定性,流通枢纽度特征表示某职业在职业流动网络模型中的关键路径占比和流量占比,有助于了解职业的跨领域能力。
在其中一个实施例中,对职业数据集进行标准化和映射处理,得到原始职业数据,包括:
统计职业数据集中的每种职业的出现频率,指定职业数据集中出现频率高于100的职业为常见职业;
对常见职业的名称进行校准,得到初步标准化职业,根据初步标准化职业依次对职业数据集中的非标准化职业进行职业名称和职业名称词干的完全匹配,得到标准化职业;具体地,第一步是职业名称的完全匹配,当非标准化职业的名称中包含了初步标准化职业的名称的所有字词时,将该非标准化职业转换为相应的初步标准化职业;当非标准化职业的名称中与多个初步标准化名称相匹配时,将该非标准化职业转换为最大完全匹配的初步标准化职业;第二步是职业名称词干的完全匹配,即将非标准化职业的名称与词干化后的初步标准化职业的名称进行匹配,将该非标准化职业转换为具有两个以上匹配词的最大完整匹配的初步标准化职业;
通过将标准化职业与职业信息网络的职业分类进行映射,得到原始职业数据。
可以理解,职业信息网络(O*NET)对职业进行了统一的分类,本申请将从LinkedIn中获取得到的标准化职业与O*NET分类进行映射,从而可以利用O*NET的职业分类信息,多个LinkedIn的职业可能对应一个O*NET的职业分类,不能映射到O*NET分类的职业被排除在外。通过对职业数据集进行标准化和映射处理,可以去除一些无用数据,提高了职业数据的准确性,并为后续职业流动网络模型的构建提供了数据基础。
在其中一个实施例中,经验积累维度的职业流动网络模型表示为
其中,
在其中一个实施例中,人员流动总量特征表示为
Total
其中,Total
在其中一个实施例中,人员留存力特征表示为
其中,Retain
在其中一个实施例中,流通枢纽度特征表示为
Center
其中,Flow
可以理解,两个职业之间的最短路径,是指在构建的职业流动网络模型中,连接两个职业的边数最少的路径。关键路径占比和流量占比越大,表明流通枢纽度越高,职业交流人力资本的能力越强。
应该理解的是,虽然图1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,这些步骤可以以其它的顺序执行。而且,图1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,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它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。
在一个实施例中,如图2所示,提供了一种基于经验积累生成职业分析报告的装置,包括:职业数据获取模块201、职业流动网络构建模块202和职业分析报告生成模块203,其中:
职业数据获取模块201,用于获取在线职业网络中的职业数据集,对职业数据集进行标准化和映射处理,得到原始职业数据;其中,原始职业数据包括职业数量、从业人数、人员受教育情况、人员流动经历、人员所在行业、人员所在地区;
职业流动网络构建模块202,用于将原始职业数据中的职业作为节点,将职业间的人员流动作为边,并将职业间基于经验积累导致的人员流动数量作为边的权重,构建经验积累维度的职业流动网络模型;
职业分析报告生成模块203,用于根据经验积累维度的职业流动网络模型中边的权重对原始职业数据进行特征提取,得到每种职业的人员流动总量特征、人员留存力特征和流通枢纽度特征,通过记录提取得到的每种职业的特征,生成职业分析报告。
关于基于经验积累生成职业分析报告的装置的具体限定可以参见上文中对于基于经验积累生成职业分析报告的方法的限定,在此不再赘述。上述基于经验积累生成职业分析报告的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于经验积累生成职业分析报告的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取在线职业网络中的职业数据集,对职业数据集进行标准化和映射处理,得到原始职业数据;其中,原始职业数据包括职业数量、从业人数、人员受教育情况、人员流动经历、人员所在行业、人员所在地区;
将原始职业数据中的职业作为节点,将职业间的人员流动作为边,并将职业间基于经验积累导致的人员流动数量作为边的权重,构建经验积累维度的职业流动网络模型;
根据经验积累维度的职业流动网络模型中边的权重对原始职业数据进行特征提取,得到每种职业的人员流动总量特征、人员留存力特征和流通枢纽度特征,通过记录提取得到的每种职业的特征,生成职业分析报告。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
机译: 计算机实现的框架和方法,可根据业务数据生成综合利润和亏损报告,并基于基于缺省风险和损失的数据分析的基于风险的贷款构建和定价和/或定价的贷款管理
机译: 基于事物的工业互联网方法和设备,用于生成数据分析报告
机译: 基于规则的自动生成方法,通过文本结构理解,修正类型分析和文本结构族图分析,为法律修正过程所需的各种报告