岗位胜任力需求数据处理方法及装置与流程

技术特征：
1.一种岗位胜任力需求数据处理方法，其特征在于，包括：根据目标岗位对应的目标知识图谱确定该目标岗位对应的用于表示招聘需求的各个胜任力实体，以及，基于所述目标岗位所在的目标行业领域的招聘数据，获取所述目标行业领域对应的各个类型的程度词集合；建立各个类型的所述程度词集合和所述目标岗位对应的各个胜任力实体之间的共现矩阵，以基于该共现矩阵生成用于显示所述目标岗位对应的各个胜任力实体与各个类型的程度词集合之间的匹配度排序关系的岗位胜任力需求数据。2.根据权利要求1所述的岗位胜任力需求数据处理方法，其特征在于，在所述根据目标岗位对应的目标知识图谱确定该目标岗位对应的用于表示招聘需求的各个胜任力实体之前，还包括：获取目标行业领域的领域词典；根据所述目标行业领域中各个岗位的招聘数据，生成已标注实体的第一招聘需求数据和未标注所述实体的第二招聘需求数据；基于所述第一招聘需求数据及所述领域词典生成用于抽取实体的知识抽取模型；将所述第二招聘需求数据输入所述知识抽取模型，以使该知识抽取模型输出所述第二招聘需求数据对应的各个实体；根据预设的知识图谱数据模式，将所述第一招聘需求数据及第二招聘需求数据各自对应的所述实体与各个所述实体之间的对应关系进行数据整合，以得到目标行业领域中各个岗位的知识图谱，其中，该知识图谱用于显示对应岗位的各个实体以及各个实体之间的对应关系，各个所述实体包括：用于显示对应岗位唯一标识的岗位实体和分别用于表示对应岗位的招聘需求的各个胜任力实体。3.根据权利要求2所述的岗位胜任力需求数据处理方法，其特征在于，所述获取目标行业领域的领域词典，包括：采集目标行业领域中各个岗位的招聘数据，并对该招聘数据进行数据预处理以得到对应的结构化数据、半结构化数据和非结构化数据；获取所述目标行业领域中的论文数据并提取该论文数据中的关键数据，对所述关键数据进行分词后保留其中的名词和动词，以形成所述目标行业领域的专业词汇；基于所述结构化数据、半结构化数据和所述专业词汇生成所述目标行业领域中各个所述岗位的领域词典。4.根据权利要求3所述的岗位胜任力需求数据处理方法，其特征在于，所述根据所述目标行业领域中各个岗位的招聘数据，生成已标注实体的第一招聘需求数据和未标注所述实体的第二招聘需求数据，包括：对所述非结构化数据进行分词及分句处理，以得到对应的招聘需求数据；将所述招聘需求数据分为两部分，对其中的一部分数据进行实体标注，以形成第一招聘需求数据，并将所述招聘需求数据中的另一部分数据确定为未标注所述实体的第二招聘需求数据；将所述第一招聘需求数据划分为用于训练知识抽取模型的训练集和测试集。5.根据权利要求4所述的岗位胜任力需求数据处理方法，其特征在于，所述知识抽取模型包括：依次连接的词嵌入层、特征预测模块、全连接层和crf层；
所述特征预测模块包括分别与所述词嵌入层连接的cnn层和bilstm层，以及分别与所述cnn层和bilstm层连接的拼接单元，且该拼接单元连接所述全连接层。6.根据权利要求5所述的岗位胜任力需求数据处理方法，其特征在于，所述基于所述第一招聘需求数据及所述领域词典生成用于抽取实体的知识抽取模型，包括：将所述训练集输入所述词嵌入层，以使该词嵌入层将所述第一招聘需求数据转换为由各个字向量构成的字符级向量集，所述cnn层提取所述字符级向量集对应的局部预测向量，且所述bilstm层提取所述字符级向量集对应的全局预测向量，所述拼接单元将所述局部预测向量和所述全局预测向量进行拼接以得到对应的目标预测向量，所述全连接层将所述目标预测向量映射到样本空间中完成加权提纯操作，得到对应的预测结果数据，所述crf层基于转移矩阵及所述预测结果数据获取所述第一招聘需求数据对应的最优序列，并输出该最优序列对应的各个实体，形成用于抽取实体的知识抽取模型；采用所述测试集对所述知识抽取模型进行验证及调优处理。7.根据权利要求2所述的岗位胜任力需求数据处理方法，其特征在于，所述根据目标岗位对应的目标知识图谱确定该目标岗位对应的用于表示招聘需求的各个胜任力实体，包括：接收岗位胜任力需求数据获取请求，其中，该岗位胜任力需求数据获取请求中包含有至少一个目标岗位的唯一标识；基于所述目标岗位的唯一标识，在预设的各个知识图谱中查找该目标岗位对应的目标知识图谱，并在该目标知识图谱中确定所述目标岗位对应的各个所述胜任力实体。8.根据权利要求1所述的岗位胜任力需求数据处理方法，其特征在于，所述基于所述目标岗位所在的目标行业领域的招聘数据，获取所述目标行业领域对应的各个类型的程度词集合，包括：在所述目标岗位所在的目标行业领域的招聘数据中，抽取所述目标岗位对应的各个程度词；对所述目标岗位对应的各个程度词进行相似度计算，并根据对应的相似度计算结果将各个程度词分别划分至所述目标岗位对应的各个类型的程度词集合中。9.根据权利要求8所述的岗位胜任力需求数据处理方法，其特征在于，所述对所述目标岗位对应的各个程度词进行相似度计算，并根据对应的相似度计算结果将各个程度词分别划分至所述目标岗位对应的各个类型的程度词集合中，包括：基于预设的word2vec算法分别计算各个所述程度词各自与预设的目标程度词之间的词语余弦相似度；根据各个所述词语余弦相似度的降序顺序，将各个所述程度词进行排序，以形成对应的程度词排序列表，其中，该程度词排序列表用于存储降序排序的各个所述词语余弦相似度和各个所述程度词之间的对应关系；基于预设的区间划分规则确定多个相似度数值区间；将属于同一所述相似度数值区间内的词语余弦相似度对应的程度词划分在同一类型的程度词集合中。10.根据权利要求9所述的岗位胜任力需求数据处理方法，其特征在于，所述目标程度词包括：精通；
相对应的，所述程度词集合包括：掌握类程度词集合、熟悉类程度词集合、负责类程度词集合、了解类程度词集合和参与类程度词集合。11.根据权利要求1至10任一项所述的岗位胜任力需求数据处理方法，其特征在于，所述建立各个类型的所述程度词集合和所述目标岗位对应的各个胜任力实体之间的共现矩阵，以基于该共现矩阵生成用于显示所述目标岗位对应的各个胜任力实体与各个类型的程度词集合之间的匹配度排序关系的岗位胜任力需求数据，包括：为各个类型的所述程度词集合分别赋予不同的语义权重；建立各个类型的所述程度词集合和所述目标岗位对应的各个胜任力实体之间的共现矩阵；基于所述共现矩阵及各个所述程度词集合分别对应的语义权重，获取各个胜任力实体与各个类型的程度词集合之间的匹配度排序关系；根据所述匹配度排序关系生成对应的岗位胜任力需求模型，该岗位胜任力需求模型用于存储各个所述程度词集合各自对应的匹配度由高至低排序的各个所述胜任力实体；将所述岗位胜任力需求模型作为所述目标岗位对应的岗位胜任力需求数据进行输出。12.一种岗位胜任力需求数据处理装置，其特征在于，包括：数据获取模块，用于根据目标岗位对应的目标知识图谱确定该目标岗位对应的用于表示招聘需求的各个胜任力实体，以及，基于所述目标岗位所在的目标行业领域的招聘数据，获取所述目标行业领域对应的各个类型的程度词集合；匹配排序模块，用于建立各个类型的所述程度词集合和所述目标岗位对应的各个胜任力实体之间的共现矩阵，以基于该共现矩阵生成用于显示所述目标岗位对应的各个胜任力实体与各个类型的程度词集合之间的匹配度排序关系的岗位胜任力需求数据。13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至11任一项所述的岗位胜任力需求数据处理方法。14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至11任一项所述的岗位胜任力需求数据处理方法。

技术总结
本申请实施例提供一种岗位胜任力需求数据处理方法及装置，可用于人工智能技术领域，方法包括：根据目标岗位对应的目标知识图谱确定该目标岗位对应的各个胜任力实体，基于目标岗位所在的目标行业领域的招聘数据，获取各个类型的程度词集合；建立各个类型的程度词集合和各个胜任力实体之间的共现矩阵，以生成用于显示目标岗位对应的各个胜任力实体与各个类型的程度词集合之间的匹配度排序关系的岗位胜任力需求数据。本申请能够提高获取岗位胜任力需求数据的可靠性及准确性，能够提高岗位胜任力需求数据处理过程的效率及自动化程度，进而能够提高用户请求获取某岗位的胜任力需求数据的可靠性及针对性。数据的可靠性及针对性。数据的可靠性及针对性。


技术研发人员：王一博
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2021.09.08
技术公布日：2021/11/30