1.本公开涉及计算机
技术领域：
：，具体涉及大数据处理、以及数据统计与分析等
技术领域：
：，尤其涉及一种跨区域的人才流动意向分析方法、装置、设备及存储介质。
背景技术：
：：2.由于劳动力市场的动态性，劳动力会在区域间流动。这种流动对区域发展有很大影响。一些区域可能会因人才流失而减缓发展，一些领域可能因人才增长而加速发展。3.对人才流动对分析可以帮助更好地监测和预测区域发展的现状和趋势。传统上，区域人才变化一般是通过官方开展统计来进行分析。例如，官方会定期组织人工进行就业市场调查，并发布相关统计结果。技术实现要素：4.本公开提供了一种跨区域的人才流动意向分析方法、装置、设备及存储介质。5.根据本公开的一方面，提供了一种跨区域的人才流动意向分析方法，包括：6.基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；7.基于所述人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。8.根据本公开的另一方面，提供了一种跨区域的人才流动意向分析装置，包括：9.构建模块，用于基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；10.分析模块，用于基于所述人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。11.根据本公开的再一方面，提供了一种电子设备，包括：12.至少一个处理器；以及13.与所述至少一个处理器通信连接的存储器；其中，14.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执行如上所述的方面和任一可能的实现方式的方法。15.根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。16.根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。17.根据本公开的技术，能够提供一种高效的人才流动意向分析方案。18.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明19.附图用于更好地理解本方案，不构成对本公开的限定。其中：20.图1是根据本公开第一实施例的示意图；21.图2是根据本公开第二实施例的示意图；22.图3是根据本公开第三实施例的示意图；23.图4是根据本公开第四实施例的示意图；24.图5是用来实现本公开实施例的方法的电子设备的框图。具体实施方式25.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。26.显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。27.需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(personaldigitalassistant，pda)、无线手持设备、平板电脑(tabletcomputer)等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。28.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。29.图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供一种跨区域的人才流动意向分析方法，可以用于任意的能够实现人才流动意向分析的计算机之类的设备中，具体可以包括如下步骤：30.s101、基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；31.s102、基于人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。32.由于人才流动不是瞬时，所以，本实施例中以预设时间周期为例，基于预设时间周期内的网络中的搜索数据，来构建人才流动意向网络。该的预设时间周期可以根据需求来选取，例如可以为一个月、一季度、或者一年或者根据实际需求设置的其他时间长度的。33.随着互联网的迅速普及，在线搜索引擎已经成为了人们生活中的一部分。比起其他数据源，搜索引擎查询可以自然地反映用户的多种需求和意图，适用于广泛用户行为分析。34.而且搜索引擎有更广泛的用户群体，可以进行偏差更小的分析。当人们有工作调动的意向时，很多人会通过在线搜索引擎寻找工作信息。基于此，本实施例中，可以基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；进而基于构建的人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。35.本实施例的跨区域的人才流动意向分析方法，通过基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络，进而基于人才流动意向网络，进行跨区域的人才流动意向分析，能够提供一种高效的人才流动意向分析方案；与线下的人工调查和分析相比，不仅成本更低、而且数据来源更加可靠、易得，而且实时性更强。36.图2是根据本公开第二实施例的示意图；如图2所示，本实施例的跨区域的人才流动意向分析方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地介绍本公开的技术方案。如图2所示，本实施例的跨区域的人才流动意向分析方法，具体可以包括如下步骤：37.s201、基于预设时间周期内的网络中的搜索数据，挖掘跨区域的求职行为信息；38.s202、基于跨区域的求职行为信息，建立人才流动意向网络；39.整个网络中，包括不同区域的各个用户的搜索数据，由于数据量巨大，因此操作可使用并行计算方法，使用包括但不限于hadoop等分布式系统进行分布式数据存储和计算。40.本实施例中，要实现跨区域的求职行为信息的挖掘，需要对搜索数据中的跨城市求职行为识别。具体地可以包括如下步骤：41.(1)从搜索数据中筛选求职相关的搜索记录。例如，可以对搜索记录的查询关键词进行过滤，筛选出求职相关的关键词，如“求职”，“找工作等”。42.(2)对搜索记录去重。由于同一个用户的连续多个会话的多个搜索记录中，可能会存在多条求职行为。其实仅对应一个用户的一次搜索。基于此，可以将时间差在预设时间长度阈值范围内，搜索发起位置相同的多条搜索记录合并为一条。需要说明的是，在网络中的搜索位置为经纬度位置。搜索去重时，搜索发起位置在预设距离范围内的小浮动的变化都可以认为同一个用户的位置。43.(3)采用模糊定位识别搜索起点区域，获取搜索起点的区域信息。由于搜索记录中对应的位置是以经纬度坐标的形式存在的，而要实现跨区域求职行为的挖掘。需要将经纬度表示的位置形式转换为区域表示的位置形式。对应地，可以，通过搜索记录中的模糊定位识别搜索起点区域，获取搜索起点的区域信息，如省份、城市、乡镇等区划。本实施例中，可以包括但不限于基于行政区边界，利用计算几何算法对搜索起点是否在行政区域边界包围的多边形内进行判断，以实现将搜索起点的位置匹配到对应的行政区域。44.(4)基于文本抽取技术，通过搜索记录中相关的文本数据识别求职目的地。45.基于以上四步，可以将每条搜索记录转化为(起始区域，目的地区域)二元组，即表示从起点区域到目的区域的跨区域求职行为。46.接下来，基于跨区域的求职行为信息，建立人才流动意向网络。具体地，可以以跨区域的求职行为信息中的区域作为网络的节点，以跨区域的求职行为信息所跨越的两个区域对应的节点之间的连线为边，以预设时间周期内跨区域的求职行为信息的频次作为对应的边的强度，构建人才流动意向网络。47.也就是说，将挖掘的所有(起始区域，目的地区域)二元组中的起点区域和目的地区域分别作为网络的节点，实际应用中，节点可以为城市、身份等。并对相同的起始区域和目的区域的二元组构成的搜索记录合并，并统计出现次数，作为起始区域到目的地区域的边的强度，进而可以构建出人才流动意向网络。这种构建方式构建的构建出流动意向网络，准确、可靠，能够准确地反应出各个区域的人才流动意向信息。48.需要说明的是，考虑到用户的求职行为信息是有起始区域和目的地区域，起始区域即对应用户所在的位置的区域，目的地区域对应于用户想要求职的区域。而起始区域和目的地区域互换对应不同的求职行为信息。所以，本实施例的人才流动意向网络的边可以为有向边，以更加准确地反应出人流的流动意向信息。49.当然，还要参考要分析的人才流动意向分析的指标，有的指标仅考虑人才流动性大小，不关注流入还是流出，此时可以不要求人才流动意向网络的边的方向。而有的指标需要考虑人才流入和流出，此时就必须要考虑边的方向。50.步骤s201-s202为上述图1所示实施例的步骤s101的一种具体实现方式。实际应用中，也可以基于预设时间周期内的网络中的搜索数据，采用其他方式挖掘跨区域的人流流动意向信息，构建人才流动意向网络，在此不做限定。51.s203、基于人才流动意向网络，分析各区域的区域人才流动指标；52.具体地，可以采用网络节点分析方法，得到人才流动意向网络上各节点的重要性以及结构特征等，具体可以包括但不限于如下各种节点中心性的计算方式：如度中心性、介数中心性、pagerank、基于超链接的主题搜索(hyperlink-inducedtopicsearch；hits)、黑洞/火山挖掘等算法以及通用或自行设计的其他节点表征方法。53.例如，度中心性算法可以计算出各节点的出路和入路，分别表示各节点的区域人才流入指标和区域人才流出指标。介数中心性算法可以计算出各节点属于多少条网络中的关键路径上的点，属于一个标识该节点在人流流动意向网络中的重要性的指标。表示该节点的重要性，该值越大，表示对应的节点在人才流动中越重要，人才流入或者流出比较频繁，流动量量大。pagerank算法可以计算出各节点在随机游走中停留的概率。某个节点的概率越大，表示该节点越重要，可以标识跨区域求职中最终停留下来人才的概率指标，概率越大，也越能够标识该节点人才流入越强，可以将得到的指标作为区域人才吸引指标。hits算法得到的各节点的authority值，可以作为对应区域的人才吸引力指标，hub值作为对应区域的人才输送力指标。黑洞/火山挖掘算法计算出的各节点的黑洞值可以作为对应区域的人才聚集力指标，火山值可以作为对应区域的人才流失强度指标。54.s204、基于人才流动意向网络，挖掘区域流动簇；并分析区域流动簇中的区域间的流动指标；55.可以采用网络聚类等方法，包括但不限于标签传播、louvain、谱聚类等方法，得到劳动力流动联系紧密的区域，形成区域流动簇。并可以进一步分析区域流动簇中的区域间的流动指标。如区域流动簇包括a、b和c三个区域时，可以具体分析出a分别流向b和c的人才流出强度、b分别流向a和c的人才流出强度、以及c分别流向a和b的人才流出强度。另外，可选地，还可以分析区域流动簇中的不同区域间的其他流动指标，在此不做限定。56.本实施例中以同时分析步骤s203和步骤s204的指标为例，实际应用中，也可以仅分析步骤s203或者步骤s204的指标。57.s205、展示人才流动意向分析结果。58.具体地，可以展示上述步骤s203分析的各区域的区域人才流动指标。同时还可以展示步骤s204挖掘的区域流动簇、以及区域流动簇中的区域间的流动指标。具体地，参考上述步骤s203和步骤s204的得到的分析结果，可以展示人才流动意向网络中人才流动意向的方向及强度展示、各区域的吸引力指标、区域流动簇以及区域流动簇中的区域间的流动指标等。59.进一步可选地，还可以提供查询功能，以供查询区域流动簇以及相关的区域流动簇的相关信息。60.进一步可选地，基于上述实施例，还可以基于人才流动意向网络和人才流动意向分析结果，训练人才流动意向分析模型。61.本实施例的训练可以使用包括但不限于如神经网络之类的有监督的训练。具体地，可以采集多个历史时间周期的人才流动意向网络，和分析得到的人才流动意向分析结果；然后训练人才流动意向分析模型，使得该人才流动意向分析模型可以基于人才流动意向网络，预测相应的人才流动意向分析结果。62.例如，参考上述实施例的人才流动意向分析结果。采用人才流动意向网络和相应的区域人才流动指标、区域流动簇以及区域流动簇中的区域间的流动指标，来训练该人才流动意向分析模型。想使得该人才流动意向分析模型学习预测什么指标的能力，采用人才流动意向网络和相应的指标训练该人才流动意向分析模型即可。63.进一步地，在训练好该人才流动意向分析模型后，在使用时，可以获取某个时间周期的目标人才流动意向网络；进而基于该目标人才流动意向网络，采用预先训练的人才流动意向分析模型，预测该目标人才流动意向网络的目标人才流动意向分析结果。这样后续，可以基于构建的人才流动意向分析模型，预测相应的人才流动意向分析结果即可，使得人才流动意向分析更加智能，更加方便。64.在本公开的一个实施例中，还可以采用如贝叶斯方法之类的无监督训练方法。进一步可选地，还可以采用统计方法等，对人才流动意向网络的时序变化进行动态分析与预测。65.本实施例的跨区域的人才流动意向分析方法，通过基于预设时间周期内的网络中的搜索数据，挖掘跨区域的求职行为信息，建立人才流动意向网络，由于搜索数据的来源可靠、准确、实时性强，能够有效地确保构建的人才流动意向网络的准确性、以及时效性。进而基于该人才流动意向网络，可以准确地分析各区域的区域人才流动指标、以及区域流动簇和区域流动簇中的区域间的流动指标，与线下的人工调查和分析相比，整个过程不需要人工参与，不仅成本低，而且，准确、可靠、时效性更强，可以支持不同尺度的多种分析，可以帮助政府部门实时了解劳动力流动状况，特别是随着重要政策或重大事件产生的人才流动的变化，帮助政府制定更好的发展政策，产生更好的社会效益。66.而且，本实施例中，还可以对跨区域的人才流动意向分析结果进行展示，非常直观、清晰，实用性非常强。67.图3是根据本公开第三实施例的示意图；如图3所示，本实施例提供一种跨区域的人才流动意向分析装置300，包括：68.构建模块301，用于基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；69.分析模块302，用于基于人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。70.本实施例的跨区域的人才流动意向分析装置300，通过采用上述模块实现跨区域的人才流动意向分析的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。71.图4是根据本公开第四实施例的示意图；如图4所示，本实施例提供一种跨区域的人才流动意向分析装置400，包括：上述图3所述的同名同功能模块：构建模块401和分析模块402。72.本实施例的跨区域的人才流动意向分析装置400中，分析模块402，用于：73.基于人才流动意向网络，分析各区域的区域人才流动指标；和/或74.基于人才流动意向网络，挖掘区域流动簇；并分析区域流动簇中的区域间的流动指标。75.本实施例的跨区域的人才流动意向分析装置400中，构建模块401，包括：76.挖掘单元4011，用于基于预设时间周期内的网络中的搜索数据，挖掘跨区域的求职行为信息；77.建立单元4012，用于基于跨区域的求职行为信息，建立人才流动意向网络。78.进一步地，建立单元4012，用于：79.以跨区域的求职行为信息中的区域作为网络的节点，以跨区域的求职行为信息所跨越的两个区域对应的节点之间的连线为边，以预设时间周期内跨区域的求职行为信息的频次作为对应的边的强度，构建人才流动意向网络。80.进一步地，本实施例的人才流动意向网络的边为有向边。81.如图4所示，本实施例的跨区域的人才流动意向分析装置400中，还包括：82.展示模块403，用于展示人才流动意向分析结果。83.如图4所示，本实施例的跨区域的人才流动意向分析装置400中，还包括：84.训练模块404，用于基于人才流动意向网络和人才流动意向分析结果，训练人才流动意向分析模型。85.如图4所示，本实施例的跨区域的人才流动意向分析装置400中，还包括：86.获取模块405，用于获取目标人才流动意向网络；87.预测模块406，用于基于目标人才流动意向网络，采用人才流动意向分析模型，预测目标人才流动意向分析结果。88.本实施例的跨区域的人才流动意向分析装置400，通过采用上述模块实现跨区域的人才流动意向分析的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。89.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。90.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。91.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。92.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。93.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。94.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如本公开的上述方法。例如，在一些实施例中，本公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram503并由计算单元501执行时，可以执行上文描述的本公开的上述方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开的上述方法。95.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。96.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。97.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。98.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。99.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。100.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。101.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。102.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。当前第1页12当前第1页12
技术领域：
：，具体涉及大数据处理、以及数据统计与分析等
技术领域：
：，尤其涉及一种跨区域的人才流动意向分析方法、装置、设备及存储介质。
背景技术：
：：2.由于劳动力市场的动态性，劳动力会在区域间流动。这种流动对区域发展有很大影响。一些区域可能会因人才流失而减缓发展，一些领域可能因人才增长而加速发展。3.对人才流动对分析可以帮助更好地监测和预测区域发展的现状和趋势。传统上，区域人才变化一般是通过官方开展统计来进行分析。例如，官方会定期组织人工进行就业市场调查，并发布相关统计结果。技术实现要素：4.本公开提供了一种跨区域的人才流动意向分析方法、装置、设备及存储介质。5.根据本公开的一方面，提供了一种跨区域的人才流动意向分析方法，包括：6.基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；7.基于所述人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。8.根据本公开的另一方面，提供了一种跨区域的人才流动意向分析装置，包括：9.构建模块，用于基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；10.分析模块，用于基于所述人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。11.根据本公开的再一方面，提供了一种电子设备，包括：12.至少一个处理器；以及13.与所述至少一个处理器通信连接的存储器；其中，14.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执行如上所述的方面和任一可能的实现方式的方法。15.根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上所述的方面和任一可能的实现方式的方法。16.根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如上所述的方面和任一可能的实现方式的方法。17.根据本公开的技术，能够提供一种高效的人才流动意向分析方案。18.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明19.附图用于更好地理解本方案，不构成对本公开的限定。其中：20.图1是根据本公开第一实施例的示意图；21.图2是根据本公开第二实施例的示意图；22.图3是根据本公开第三实施例的示意图；23.图4是根据本公开第四实施例的示意图；24.图5是用来实现本公开实施例的方法的电子设备的框图。具体实施方式25.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。26.显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。27.需要说明的是，本公开实施例中所涉及的终端设备可以包括但不限于手机、个人数字助理(personaldigitalassistant，pda)、无线手持设备、平板电脑(tabletcomputer)等智能设备；显示设备可以包括但不限于个人电脑、电视等具有显示功能的设备。28.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。29.图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供一种跨区域的人才流动意向分析方法，可以用于任意的能够实现人才流动意向分析的计算机之类的设备中，具体可以包括如下步骤：30.s101、基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；31.s102、基于人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。32.由于人才流动不是瞬时，所以，本实施例中以预设时间周期为例，基于预设时间周期内的网络中的搜索数据，来构建人才流动意向网络。该的预设时间周期可以根据需求来选取，例如可以为一个月、一季度、或者一年或者根据实际需求设置的其他时间长度的。33.随着互联网的迅速普及，在线搜索引擎已经成为了人们生活中的一部分。比起其他数据源，搜索引擎查询可以自然地反映用户的多种需求和意图，适用于广泛用户行为分析。34.而且搜索引擎有更广泛的用户群体，可以进行偏差更小的分析。当人们有工作调动的意向时，很多人会通过在线搜索引擎寻找工作信息。基于此，本实施例中，可以基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；进而基于构建的人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。35.本实施例的跨区域的人才流动意向分析方法，通过基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络，进而基于人才流动意向网络，进行跨区域的人才流动意向分析，能够提供一种高效的人才流动意向分析方案；与线下的人工调查和分析相比，不仅成本更低、而且数据来源更加可靠、易得，而且实时性更强。36.图2是根据本公开第二实施例的示意图；如图2所示，本实施例的跨区域的人才流动意向分析方法，在上述图1所示实施例的技术方案的基础上，进一步更加详细地介绍本公开的技术方案。如图2所示，本实施例的跨区域的人才流动意向分析方法，具体可以包括如下步骤：37.s201、基于预设时间周期内的网络中的搜索数据，挖掘跨区域的求职行为信息；38.s202、基于跨区域的求职行为信息，建立人才流动意向网络；39.整个网络中，包括不同区域的各个用户的搜索数据，由于数据量巨大，因此操作可使用并行计算方法，使用包括但不限于hadoop等分布式系统进行分布式数据存储和计算。40.本实施例中，要实现跨区域的求职行为信息的挖掘，需要对搜索数据中的跨城市求职行为识别。具体地可以包括如下步骤：41.(1)从搜索数据中筛选求职相关的搜索记录。例如，可以对搜索记录的查询关键词进行过滤，筛选出求职相关的关键词，如“求职”，“找工作等”。42.(2)对搜索记录去重。由于同一个用户的连续多个会话的多个搜索记录中，可能会存在多条求职行为。其实仅对应一个用户的一次搜索。基于此，可以将时间差在预设时间长度阈值范围内，搜索发起位置相同的多条搜索记录合并为一条。需要说明的是，在网络中的搜索位置为经纬度位置。搜索去重时，搜索发起位置在预设距离范围内的小浮动的变化都可以认为同一个用户的位置。43.(3)采用模糊定位识别搜索起点区域，获取搜索起点的区域信息。由于搜索记录中对应的位置是以经纬度坐标的形式存在的，而要实现跨区域求职行为的挖掘。需要将经纬度表示的位置形式转换为区域表示的位置形式。对应地，可以，通过搜索记录中的模糊定位识别搜索起点区域，获取搜索起点的区域信息，如省份、城市、乡镇等区划。本实施例中，可以包括但不限于基于行政区边界，利用计算几何算法对搜索起点是否在行政区域边界包围的多边形内进行判断，以实现将搜索起点的位置匹配到对应的行政区域。44.(4)基于文本抽取技术，通过搜索记录中相关的文本数据识别求职目的地。45.基于以上四步，可以将每条搜索记录转化为(起始区域，目的地区域)二元组，即表示从起点区域到目的区域的跨区域求职行为。46.接下来，基于跨区域的求职行为信息，建立人才流动意向网络。具体地，可以以跨区域的求职行为信息中的区域作为网络的节点，以跨区域的求职行为信息所跨越的两个区域对应的节点之间的连线为边，以预设时间周期内跨区域的求职行为信息的频次作为对应的边的强度，构建人才流动意向网络。47.也就是说，将挖掘的所有(起始区域，目的地区域)二元组中的起点区域和目的地区域分别作为网络的节点，实际应用中，节点可以为城市、身份等。并对相同的起始区域和目的区域的二元组构成的搜索记录合并，并统计出现次数，作为起始区域到目的地区域的边的强度，进而可以构建出人才流动意向网络。这种构建方式构建的构建出流动意向网络，准确、可靠，能够准确地反应出各个区域的人才流动意向信息。48.需要说明的是，考虑到用户的求职行为信息是有起始区域和目的地区域，起始区域即对应用户所在的位置的区域，目的地区域对应于用户想要求职的区域。而起始区域和目的地区域互换对应不同的求职行为信息。所以，本实施例的人才流动意向网络的边可以为有向边，以更加准确地反应出人流的流动意向信息。49.当然，还要参考要分析的人才流动意向分析的指标，有的指标仅考虑人才流动性大小，不关注流入还是流出，此时可以不要求人才流动意向网络的边的方向。而有的指标需要考虑人才流入和流出，此时就必须要考虑边的方向。50.步骤s201-s202为上述图1所示实施例的步骤s101的一种具体实现方式。实际应用中，也可以基于预设时间周期内的网络中的搜索数据，采用其他方式挖掘跨区域的人流流动意向信息，构建人才流动意向网络，在此不做限定。51.s203、基于人才流动意向网络，分析各区域的区域人才流动指标；52.具体地，可以采用网络节点分析方法，得到人才流动意向网络上各节点的重要性以及结构特征等，具体可以包括但不限于如下各种节点中心性的计算方式：如度中心性、介数中心性、pagerank、基于超链接的主题搜索(hyperlink-inducedtopicsearch；hits)、黑洞/火山挖掘等算法以及通用或自行设计的其他节点表征方法。53.例如，度中心性算法可以计算出各节点的出路和入路，分别表示各节点的区域人才流入指标和区域人才流出指标。介数中心性算法可以计算出各节点属于多少条网络中的关键路径上的点，属于一个标识该节点在人流流动意向网络中的重要性的指标。表示该节点的重要性，该值越大，表示对应的节点在人才流动中越重要，人才流入或者流出比较频繁，流动量量大。pagerank算法可以计算出各节点在随机游走中停留的概率。某个节点的概率越大，表示该节点越重要，可以标识跨区域求职中最终停留下来人才的概率指标，概率越大，也越能够标识该节点人才流入越强，可以将得到的指标作为区域人才吸引指标。hits算法得到的各节点的authority值，可以作为对应区域的人才吸引力指标，hub值作为对应区域的人才输送力指标。黑洞/火山挖掘算法计算出的各节点的黑洞值可以作为对应区域的人才聚集力指标，火山值可以作为对应区域的人才流失强度指标。54.s204、基于人才流动意向网络，挖掘区域流动簇；并分析区域流动簇中的区域间的流动指标；55.可以采用网络聚类等方法，包括但不限于标签传播、louvain、谱聚类等方法，得到劳动力流动联系紧密的区域，形成区域流动簇。并可以进一步分析区域流动簇中的区域间的流动指标。如区域流动簇包括a、b和c三个区域时，可以具体分析出a分别流向b和c的人才流出强度、b分别流向a和c的人才流出强度、以及c分别流向a和b的人才流出强度。另外，可选地，还可以分析区域流动簇中的不同区域间的其他流动指标，在此不做限定。56.本实施例中以同时分析步骤s203和步骤s204的指标为例，实际应用中，也可以仅分析步骤s203或者步骤s204的指标。57.s205、展示人才流动意向分析结果。58.具体地，可以展示上述步骤s203分析的各区域的区域人才流动指标。同时还可以展示步骤s204挖掘的区域流动簇、以及区域流动簇中的区域间的流动指标。具体地，参考上述步骤s203和步骤s204的得到的分析结果，可以展示人才流动意向网络中人才流动意向的方向及强度展示、各区域的吸引力指标、区域流动簇以及区域流动簇中的区域间的流动指标等。59.进一步可选地，还可以提供查询功能，以供查询区域流动簇以及相关的区域流动簇的相关信息。60.进一步可选地，基于上述实施例，还可以基于人才流动意向网络和人才流动意向分析结果，训练人才流动意向分析模型。61.本实施例的训练可以使用包括但不限于如神经网络之类的有监督的训练。具体地，可以采集多个历史时间周期的人才流动意向网络，和分析得到的人才流动意向分析结果；然后训练人才流动意向分析模型，使得该人才流动意向分析模型可以基于人才流动意向网络，预测相应的人才流动意向分析结果。62.例如，参考上述实施例的人才流动意向分析结果。采用人才流动意向网络和相应的区域人才流动指标、区域流动簇以及区域流动簇中的区域间的流动指标，来训练该人才流动意向分析模型。想使得该人才流动意向分析模型学习预测什么指标的能力，采用人才流动意向网络和相应的指标训练该人才流动意向分析模型即可。63.进一步地，在训练好该人才流动意向分析模型后，在使用时，可以获取某个时间周期的目标人才流动意向网络；进而基于该目标人才流动意向网络，采用预先训练的人才流动意向分析模型，预测该目标人才流动意向网络的目标人才流动意向分析结果。这样后续，可以基于构建的人才流动意向分析模型，预测相应的人才流动意向分析结果即可，使得人才流动意向分析更加智能，更加方便。64.在本公开的一个实施例中，还可以采用如贝叶斯方法之类的无监督训练方法。进一步可选地，还可以采用统计方法等，对人才流动意向网络的时序变化进行动态分析与预测。65.本实施例的跨区域的人才流动意向分析方法，通过基于预设时间周期内的网络中的搜索数据，挖掘跨区域的求职行为信息，建立人才流动意向网络，由于搜索数据的来源可靠、准确、实时性强，能够有效地确保构建的人才流动意向网络的准确性、以及时效性。进而基于该人才流动意向网络，可以准确地分析各区域的区域人才流动指标、以及区域流动簇和区域流动簇中的区域间的流动指标，与线下的人工调查和分析相比，整个过程不需要人工参与，不仅成本低，而且，准确、可靠、时效性更强，可以支持不同尺度的多种分析，可以帮助政府部门实时了解劳动力流动状况，特别是随着重要政策或重大事件产生的人才流动的变化，帮助政府制定更好的发展政策，产生更好的社会效益。66.而且，本实施例中，还可以对跨区域的人才流动意向分析结果进行展示，非常直观、清晰，实用性非常强。67.图3是根据本公开第三实施例的示意图；如图3所示，本实施例提供一种跨区域的人才流动意向分析装置300，包括：68.构建模块301，用于基于预设时间周期内的网络中的搜索数据，构建人才流动意向网络；69.分析模块302，用于基于人才流动意向网络，进行跨区域的人才流动意向分析，得到人才流动意向分析结果。70.本实施例的跨区域的人才流动意向分析装置300，通过采用上述模块实现跨区域的人才流动意向分析的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。71.图4是根据本公开第四实施例的示意图；如图4所示，本实施例提供一种跨区域的人才流动意向分析装置400，包括：上述图3所述的同名同功能模块：构建模块401和分析模块402。72.本实施例的跨区域的人才流动意向分析装置400中，分析模块402，用于：73.基于人才流动意向网络，分析各区域的区域人才流动指标；和/或74.基于人才流动意向网络，挖掘区域流动簇；并分析区域流动簇中的区域间的流动指标。75.本实施例的跨区域的人才流动意向分析装置400中，构建模块401，包括：76.挖掘单元4011，用于基于预设时间周期内的网络中的搜索数据，挖掘跨区域的求职行为信息；77.建立单元4012，用于基于跨区域的求职行为信息，建立人才流动意向网络。78.进一步地，建立单元4012，用于：79.以跨区域的求职行为信息中的区域作为网络的节点，以跨区域的求职行为信息所跨越的两个区域对应的节点之间的连线为边，以预设时间周期内跨区域的求职行为信息的频次作为对应的边的强度，构建人才流动意向网络。80.进一步地，本实施例的人才流动意向网络的边为有向边。81.如图4所示，本实施例的跨区域的人才流动意向分析装置400中，还包括：82.展示模块403，用于展示人才流动意向分析结果。83.如图4所示，本实施例的跨区域的人才流动意向分析装置400中，还包括：84.训练模块404，用于基于人才流动意向网络和人才流动意向分析结果，训练人才流动意向分析模型。85.如图4所示，本实施例的跨区域的人才流动意向分析装置400中，还包括：86.获取模块405，用于获取目标人才流动意向网络；87.预测模块406，用于基于目标人才流动意向网络，采用人才流动意向分析模型，预测目标人才流动意向分析结果。88.本实施例的跨区域的人才流动意向分析装置400，通过采用上述模块实现跨区域的人才流动意向分析的实现原理以及技术效果，与上述相关方法实施例的实现相同，详细可以参考上述相关方法实施例的记载，在此不再赘述。89.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。90.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。91.图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。92.如图5所示，设备500包括计算单元501，其可以根据存储在只读存储器(rom)502中的计算机程序或者从存储单元508加载到随机访问存储器(ram)503中的计算机程序，来执行各种适当的动作和处理。在ram503中，还可存储设备500操作所需的各种程序和数据。计算单元501、rom502以及ram503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。93.设备500中的多个部件连接至i/o接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。94.计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如本公开的上述方法。例如，在一些实施例中，本公开的上述方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由rom502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到ram503并由计算单元501执行时，可以执行上文描述的本公开的上述方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行本公开的上述方法。95.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。96.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。97.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。98.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。99.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。100.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。101.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。102.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。当前第1页12当前第1页12
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
