[发明专利]人才图谱及人才画像的构建方法、装置、设备及介质

说明书

本发明涉及一种人才图谱构建方法，包括，将人才信息库中的信息进行切分，得到多个词组，其中人才信息库中包含多个简历、面试评价和/或绩效考核表；根据预定义的类别，从词组中识别概念层命名实体并归类；从人才信息库中的信息中提取动词‑宾语对，得到各个概念层命名实体对应的动词；以及利用预先训练的模型将动词映射为各概念层命名实体之间的关系，得到以概念层命名实体为节点，各个概念层命名实体之间的关系为边的人才图谱。与现有技术相比，本发明通过人才信息库构建人才图谱，建立了人才刻画体系，为后续人才的评价以及刻画提供了良好的基础。此外，本发明还涉及人才画像构建方法。

技术领域

本发明涉及一种人才图谱及人才画像的构建方法、装置、设备及介质。

背景技术

在企业的发展过程中，人才的能力素质是关键的一环，随着技术的进步，企业人才的能力素质的量化愈显重要。构建人才画像或人才能力模型，对人才能力素质进行量化，是人力资源管理领域的一项重要工具，其源自大卫麦克米兰在上世纪六十年代提出的能力模型，由于其刻画企业用人需求的有效性而变成了流行工具，这种模型也在引入我国后逐渐成为大中型企业广泛采用的方法。

知识图谱作为一种知识表示的流行方法，脱胎于世纪初的本体论和语义网研究浪潮，具有对人可读，对机器可计算的双重特性，使得它能充分胜任各种复杂的知识表征场景，并成为现阶段各大搜索引擎网站和AI服务厂商在需要知识推理能力时广泛采用的一项标准技术。而基于知识图谱的知识，从人才的简历或面试评价等提取出有效的信息，并从中合理推断其技能和工作能力的范围正是本发明所要解决的核心问题。

发明内容

本发明提出了一套基于知识图谱对人才的简历等数据进行深度推理，以得到人才完整能力素质模型各个维度量化数据的人才画像构建系统，以量化输出人才的能力素质模型，并为后续的人才筛选提供支持。

本发明的第一方面提供了一种人才图谱构建方法，包括，

将人才信息库中的信息进行切分，得到多个词组，其中人才信息库中包含多个简历、面试评价和/或绩效考核表；

根据预定义的类别，从词组中识别概念层命名实体并归类；

从人才信息库中的信息中提取动词-宾语对，得到各个概念层命名实体对应的动词；以及

利用预先训练的模型将动词映射为各概念层命名实体之间的关系，得到以概念层命名实体为节点，各个概念层命名实体之间的关系为边的人才图谱。

与现有技术相比，本发明通过人才信息库构建人才图谱，建立了人才刻画体系，为后续人才的评价以及刻画提供了良好的基础。

进一步，预定义的类别可以包括，学校、专业、行业、公司、职能、技能、项目、工作内容和/或证书中的任意一项或多项。

进一步，在从词组中识别概念层命名实体的模型可以通过Bi-LSTM神经网络进行训练。

本发明的第二方面提供了一种利用前述的人才图谱构建人才画像的方法，包括，

接收材料，其中材料包括简历、面试评价、业绩考核表中的任意一种或多种；

提取材料中的信息，并对材料中的信息进行切分，得到多个词组；

根据预定义的类别，从词组中识别实例层命名实体并归类；

将实例层命名实体映射到如权利要求1所构建的人才图谱中，得到以每个实例层命名实体为中心的闭包；以及

统计实例层命名实体以及至少两个闭包的交集中所涵盖的概念层命名实体，得到命名实体集合，提取命名实体集合以及命名实体集合中的各命名实体间的关系作为人才画像。