一种基于时序知识图谱的职业发展规划的方法与流程

1.本发明涉及计算机软件领域，尤其涉及的是一种基于时序知识图谱的职业发展规划的方法。


背景技术：

2.我国每年有千万的大学毕业生走向社会，一个好的职业生涯规划不仅对个人有重要的指导意义，对社会来也有利于做好人才的宏观调控，促进国民经济的健康稳定发展。因为人的复杂性，针对个人的职业生涯规划是一个十分复杂的问题，候选人如果对自己的职业发展没有一个清晰系统的认知和规划，很容易导致市场上存在大量的错配。有数据报告显示，2/3以上的职场人士后悔选错了第一份职业，同时大量的中高端人才找不到合适的工作，例如大学本科、硕士学了七年设计，最后没有做设计的工作，或者学了通讯，但却追随当时的热点做了编程相关的工作，最后不知道如何提升相关技能或胜任相关的工作。因此，对于在职的职场人士或者即将迈入职场的学生，帮助他们形成正确的职业认知，完成系统的职业规划并设计科学的发展路径将是十分必要的。
3.然而，目前的职业规划服务的实现方式主要分为三类：
4.第一类主要是基于线下传统的基于专家知识的职业发展规划方式。线下由专家人工对接的方式进行评测与规划，存在昂贵的价格、低下的效率等不足之处使得其一直在小范围内产生作用难以快速推广。同时此类职业规划服务受人工知识范围和自身专业水平，甚至由于主观因素的影响，容易造成一定的规划偏差，反映到个体上影响就会被放大造成很坏的体验，因此通过对个人的性格，教育，技能等特征进行深度发掘来避免这种极端样本出现有很强的现实意义。
5.第二类是线上通过职位库提取的关键词组结合用户输入的关键词组，进行职位推荐。这里的技术主要考虑到的是当时用户和某个职位的匹配度，并没有考虑用户的职业成长与人的性格特征以及未反应在简历上的软性特征，不能够很好的支撑职业发展的相对长远规划问题。
6.第三类是利用大数据或者深度学习进行职业规划推荐。这个技术主要受限在只输入了孤立的职位的信息，没有考虑职位间的关联跃迁和变化。因此，通过这种方式只能指导单个节点就业的适合度或需要补充的技能及能力，但是没考虑职业发展变迁的动态变化，不足以形成一个全面的职业发展规划。
7.海量的简历数据天然就有多样化职业发展路径的信息，如果可以基于海量数据提供的职业发展演变信息，得到不同用户人群相关职业发展的共同的特征和属性，去提炼出具有针对性的职业规划建议，归纳出应具备的相关学历、技能，能力等信息，这将会既高效又准确。
8.因此，现有技术存在缺陷，需要改进。


技术实现要素：

9.本发明所要解决的技术问题是：提供一种基于海量数据的时序知识图谱的职业生涯规划分析，能够较为全面和快速给出相关候选人的职业生涯发展建议的基于时序知识图谱的职业发展规划的方法。
10.本发明的技术方案如下：一种基于时序知识图谱的职业发展规划的方法，包括如下步骤：s1：解析提取海量信息，构建知识图谱的节点和关系；s2：根据构建的知识图谱，将每个节点映射为高维向量，构建图神经网络，并输入到多层全连接神经网络进行分类，构建职业发展规划模型；s3：提取职业发展规划候选人信息，根据知识图谱的图神经网络，将职业发展规划候选人信息映射到一个高维向量中，并输入到所述职业发展规划模型中，输出背景经历与职业发展规划候选人相似的职业发展路径及目标。
11.应用于上述技术方案，所述的基于时序知识图谱的职业发展规划的方法中，步骤s1中，构建知识图谱的节点和关系包括：s11：技能知识节点与关系的构建；s12：概率知识节点与关系的构建；s13：公司学校知识节点与关系的构建；s14：人才时序知识节点与关系的构建。
12.应用于上述各个技术方案，所述的基于时序知识图谱的职业发展规划的方法中，所述技能知识为全行业全岗位的技能知识，包括一级行业、二级职能、三级岗位、专业技能和软性技能；所述概率知识为各类特征的概率；所述公司学校知识包括公司的徽标、收入、网址、性质、人数、组织架构、部门、团队、岗位，以及学校的级别、创办时间、官网、院系、专业；所述人才时序知识包括海量信息中的海量候选人才的简历、以及海量候选人才加入知识图谱的时间。
13.应用于上述各个技术方案，所述的基于时序知识图谱的职业发展规划的方法中，步骤s14中，根据海量候选人才简历的新增或海量候选人才简历的更新，实时更新所述人才时序知识节点和关系。
14.应用于上述各个技术方案，所述的基于时序知识图谱的职业发展规划的方法中，知识图谱的节点和关系包括各节点的特征、节点之间的相似度、节点间的隐式关系。
15.应用于上述各个技术方案，所述的基于时序知识图谱的职业发展规划的方法中，步骤s2中，是通过多层gat，利用其注意机制将每个节点映射为高维向量，构建知识图谱的图神经网络。
16.应用于上述各个技术方案，所述的基于时序知识图谱的职业发展规划的方法中，步骤s2中，是将映射为高维向量的人才时序知识节点输入到多层全连接神经网络进行分类，构建职业发展规划模型。
17.应用于上述各个技术方案，所述的基于时序知识图谱的职业发展规划的方法中，步骤s3中，所述职业发展规划模型自动分析和融合多个海量候选人才的职业经历，并输出背景经历与职业发展规划候选人最相似的职业发展路径及目标。
18.应用于上述各个技术方案，所述的基于时序知识图谱的职业发展规划的方法中，输出的所述职业发展路径及目标为预设定格式的职业发展规划报告。
19.应用于上述各个技术方案，所述的基于时序知识图谱的职业发展规划的方法中，还包括步骤s4：实时监测职业发展规划候选人信息的变化，并重复步骤s3。
20.本发明的有益效果为：
21.本发明通过解析提取海量信息构建知识图谱的节点和关系，并以此来构建图神经网络和职业发展规划模型，基于海量数据的时序知识图谱的职业生涯规划分析，能够较为全面和快速给出相关候选人的职业生涯发展建议，并且，还会给出候选人一个背景较为类似的职业标杆，供候选人参考。本发明不同于以往基于线下人工的职业发展建议的方式，可以不局限于人工的知识边界，避免主观因素和不同专业水平的偏差；相比于其他线上只基于现有职位库或者单点匹配度的方式，本发明考虑了动态的职位跃迁，能够结合时序图谱动态刻画出职位发展趋势，综合职业发展和成长过程推演出职业路径；并且，由于本发明的实时性和快速性，可以追踪候选人后续的职业选择，动态调整相关建议；更加有效和专业的助力候选人的职业发展。
附图说明
22.图1为本发明的知识图谱更新流程图；
23.图2为本发明的职业发展规划预测流程图；
24.图3为本发明的职业发展规划模型图；
25.图4为本发明的职业发展规划建议图。
具体实施方式
26.以下结合附图和具体实施例，对本发明进行详细说明。
27.本实施例提供了一种基于时序知识图谱的职业发展规划的方法，该方法包括如下步骤：首先，步骤s1：解析提取海量信息，构建知识图谱的节点和关系。
28.其中，在构建知识图谱的节点和关系之前，我们要先进行海量信息的收集、解析和提取，其包括：简历信息提取、网络信息提取、用户信息收集，具体涉及简历解析，ocr、命名实体识别等技术。简历信息能最为直接的刻画一个候选人的信息，将简历内容解析自动归类并加入知识图谱中，其包括候选人的学校、公司等，网页信息提取也是非常重要的获取牛人的方式，现在大部分对自我工作有所建树的人，都会主动或被动在互联网的环境中留下痕迹，最直接的方式比如候选人有公开发表的论文，github的源码，csdn的博客等，这类信息能进一步完善候选人的信息。
29.并且，可以进行实时采集用户数据，具体包括：通过数据抓取工具针对网络上公开信息进行实时动态抓取，例如公司信息：行业、规模、组织架构，服务范围、地点等，院校信息：学校、专业以及等级，职位信息：公司，招聘信息，需求等。除了这些硬性的信息，软性的指标也是非常重要，因此我们会采集用户信息，所谓用户信息即使用我们招聘平台的用户(例如猎头或hr)，在与候选人接触后获得的评价信息，例如沟通能力，表达能力等。
30.并且，构建知识图谱的节点和关系具体包括：s11：技能知识节点与关系的构建；s12：概率知识节点与关系的构建；s13：公司学校知识节点与关系的构建；s14：人才时序知识节点与关系的构建。
31.其中，所述技能知识为全行业全岗位的技能知识，包括一级行业、二级职能、三级岗位、专业技能和软性技能；所述概率知识为各类特征的概率；所述公司学校知识包括公司的徽标、收入、网址、性质、人数、组织架构、部门、团队、岗位，以及学校的级别、创办时间、官网、院系、专业；所述人才时序知识包括海量信息中的海量候选人才的简历、以及海量候选
人才加入知识图谱的时间。
32.如此，我们结合了候选人大量的信息，同时结合当下的市场环境等信息，包括教育背景、同学信息、同事信息、公司信息、行业、项目经历以及一些基础信息，如所在城市，收入曲线，职位信息。根据海量信息内容，形成知识图谱结构。
33.其中，第一阶段：技能知识图谱；根据网络信息整合加专家顾问人工整理。生成覆盖全行业全岗位的技能知识图谱。节点包括一级行业、二级职能、三级岗位、技能，其中，技能包括专业技能、软性技能。
34.第二阶段：概率知识图谱，即在技能知识图谱下，第二阶段我们加入更多的特征，如性别、年龄、学历、工作经验等。同时计算相应岗位下，各类特征的概率，例如男女比例等。
35.第三阶段：公司学校知识图谱，此阶段，构成静态公司知识图谱。包括但不限于公司：徽标、收入、地址、性质、人数、组织架构、部门、团队、岗位等，学校：级别、创办时间、官网、院系、专业等。
36.第四阶段：人才时序知识图谱；此阶段，加入人才和时间的各类信息。构建人才时序图。这部分为动态知识图谱；其中，知识图谱更新流程如图1所示；并且，在步骤s14中，根据海量候选人才简历的新增或海量候选人简历的更新，实时更新所述人才时序知识节点和关系；并且，知识图谱的节点和关系包括各节点的特征、节点之间的相似度、节点间的隐式关系。如此，每增加一份候选人简历或者候选人每更新一次简历，就要加入相应节点和边，及存入相应的时间节点。同时可以加入额外信息，例如面试评价、性格测试以及事件。同时还可以对其他节点和边进行补充、完善和更新。
37.在构建好知识图谱之后，执行步骤s2：根据构建的知识图谱，将每个节点映射为高维向量，构建图神经网络，并输入到多层全连接神经网络进行分类，构建职业发展规划模型；并且，通过多层gat，利用其注意机制将每个节点映射为高维向量，构建知识图谱的图神经网络；以及是将映射为高维向量的人才时序知识节点输入到多层全连接神经网络进行分类，构建职业发展规划模型。
38.其中，在构建和使用知识图谱时，知识图谱中每个节点都是一个实体，例如候选人、学校、公司等，同时图谱中还有来源于网站的标签信息，例如211/985/双一流等，以及我们招聘系统上用户的行为及评价信息，例如对某个候选人软实力的信息补全。构建包括但不限于公司信息：行业、规模、服务范围、地点等。候选人信息：薪资、学校、专业、岗位等，学校：地点、专业、211/985/双一流等标签、网站主页：github、csdn、知网、专利网等公开合法的信息渠道的人才动态知识图谱。此外，通过网络信息发现新的实体或新的实体属性，不断提高知识图谱的覆盖率。此后会定时全量和增量计算知识图谱中的数据，包括提取各节点的特征、节点之间的相似度、节点间的隐式关系等，最终会将每个候选人节点映射到一个高维向量中，用作下游的模型预测。基于此，实现对人才知识图谱的动态更新，保证实时性和精准性。
39.其中，在构建职业发展规划模型时，职业发展规划模型如图3所示，并且，首先将图谱中的节点经过多层gat(graph attention network)，利用gat的注意机制将每个节点映射为高维向量，改向量聚合和抽象了丰富的相关信息，此后，选出所有“人”的节点，即人才时序知识节点输入下层的多层全连接神经网络进行分类，分类的主要目的是找到一个或多个目标人物，该目标人物的相关经历、技能等多维信息作为要预测的职业发展规划候选人
的目标。图3示意图，可以用不同深浅灰度的圆点分别表示“公司”、“人”、“学校”(深到浅)，为方便理解此处仅为示意，实际图中包含节点众多，因此不一一举例。
40.最后是步骤s3：提取职业发展规划候选人信息，根据知识图谱的图神经网络，将职业发展规划候选人信息映射到一个高维向量中，并输入到所述职业发展规划模型中，输出背景经历与职业发展规划候选人相似的职业发展路径及目标。其中，所述职业发展规划模型自动分析和融合多个海量候选人才的职业经历，并输出背景经历与职业发展规划候选人最相似的职业发展路径及目标。并且，输出的所述职业发展路径及目标为预设定格式的职业发展规划报告。
41.其中，在应用图神经网络和职业发展规划模型进行职业发展规划预测时，其流程步骤如下面流程步骤，其中，职业发展规划预测流程图如图2所示。
42.第一步，输入将职业发展规划候选人的所有信息，包括过往履历，和期望的职位信息，这一步得到的信息格式会比较多样化，这时候会用到在构建知识图谱中运用到的简历解析，ocr、命名实体识别等技术。
43.进一步地，结合最新的知识图谱的图神经网络embedding方案将上述职业发展规划候选人的信息映射到一个高维向量中，进一步地，输入到fine-tune的多层神经网络的职业发展规划模型中预测该候选人的最新职业规划，该模型自动分析和融合多个候选人职业经历输出背景经历与候选人最相似的职业发展路径供候选人参考。
44.当职业发展规划模型输出多个目标任务后，需要经过一个较为复杂的，集结专家知识和自然语言处理的融合模型，将多个目标人物的信息聚合并作为最终的职业规划。将结果输出为职业发展规划报告，归纳出应具备的相关学历、技能，能力、专业等信息，会包括需要多少时间，学习哪些技能，下一份工作应该往哪个方向找寻更适合。更特别的会给出数据库里和候选人背景最类似的一个职业发展路径，其中，这个职业发展路径可能是真实的或者是抽象出来的，供候选人参考。并且我们可以实时跟踪候选人的动态，随着候选人的职业发展变化，建议的职业发展规划也会有相应调整。最终职业规划中的建议部分输出如图4所示，图4为一个某行业某职业规划的雷达图示例，其包含了众多指标，雷达图中多边形1即为需要达成的结果，中间深线条2为某职业发展规划候选人当前的状态，因此通过此图可以很好的展示出职业发展规划候选人与目标结果的差异点，能够为职业发展规划候选人提供全面的分析结果，帮助候选人针对性的补齐相应短板，快速达到目标状态。
45.综上所述，通过海量数据构建的人才动态知识图谱可以给予职业发展规划候选人提供最及时有效的职业生涯规划数据，快速掌握行业发展动态，通过职业标杆，候选人可以非常清晰的了解到有着自己可以努力的方向和方式。可以具体到需要在什么时间点掌握哪些技能(包括专业技能和软性技能)，哪类的公司比较适合自己，自己按照现有的规划可以达到什么样的等级等等。
46.如此，有了海量简历支撑的时序知识图谱后，我们结合最新的知识图谱的时序图神经网络嵌入方案，将职业发展规划候选人的所有信息映射到一个高维向量中，该向量包含了图中的所有信息(公司、学校以及其他候选人)，输入到训练好的神经网络中预测该候选人的最新职业规划，归纳出应具备的相关学历、技能，能力、行业等信息，包括需要多少时间，学习哪些技能，下一份工作应该往哪个方向找寻更适合，更特别的会给出数据库里和候选人背景最类似的职业标杆的职业发展路径(这个可能是真实的或者是抽象出来的)供候
选人参考。并且我们可以实时跟踪候选人的动态，随着候选人的职业发展变化，建议的职业发展规划也会有相应调整；即可以实时监测职业发展规划候选人信息的变化，并重复步骤s3。
47.简而言之，此方案可以总结成两个阶段：
48.1.知识图谱构建阶段：海量信息(简历，公开信息，用户信息)搜集，解析提取信息，丰富节点和关系，构建知识图谱，不定时更新；
49.2.职业规划阶段：给定候选人信息，经过图神经网络将候选人所在节点embedding到高维向量，输入到训练好的神经网络模型预测与其未来可能相近的其他多个候选人，自动分析并融合多个候选人当前职业经历、技能等信息，作为给定候选人的职业发展路径及目标。
50.如此，本实施例发明致力于在一个具备海量信息的时序知识图谱中，能针对每个候选人挖掘出相应的职业发展路径。职业规划问题是非常复杂的，且当今工作都有很多的交叉性，职业间的跃迁也需要更多的数据和技术支撑，因此需结合多方面的因素，以及当前候选人的历史信息构建一个完善的时序动态知识图谱；知识图谱会包含每个候选人的信息，例如教育背景、工作经历的选择，城市变动，面试经历及评价等，同时包含公司的信息，包括公司的规模、性质、行业等，职位的信息，院校的信息等。由于这种知识图谱会随着时间推移，候选人的职业跃迁或者时代的发展变化会使得实体以及实体间的关系也不断变化，为了全面获取知识，我们搭建动态知识图谱，在知识图谱数据中加入时间维度，利用时序分析技术和图神经网络技术，分析不同背景的候选人的职业生涯随时间的变化和趋势，从而归纳出关键职业规划的建议供候选人参考。
51.相比于传统的基于专家知识的职业发展规划方案来说，本发明考虑了更多的信息维度，更全面的信息以及更客观的市场分析结果，且速度更快，更个性化。单一的基于专家经验的方案，往往不够客观，且不同专家涉猎的方向均有不同，不能给出非常全面的方案。
52.以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。