[发明专利]基于领域自分类的中高端人才智能推荐系统及其方法

权利要求书

1.基于领域自分类的中高端人才智能推荐系统实现中高端人才智能推荐的 方法，其特征在于：所述系统包括以下模块：

人才信息挖掘融合模块：采集获取多源异构人才数据，进行人才数据的融合以及排名；

科技领域自动分类模块：构建全领域科技知识图谱，并在全领域科技知识图谱的基础上利用机器学习对人才数据进行专家领域的自动分类；

人才能力岗位评价画像模块：为每位专家建立人才评价画像形成人才领域能力分析评价、运用舆情大数据对拟引进人才的安全性进行分析评估形成基于舆情大数据的评价、根据人才信息建立人才-岗位匹配评价指标形成人才岗位适配性评价；

人才检索与智能推荐模块：提供基于知识图谱的检索查询、根据用户的需求进行细分领域挖掘并推荐细分领域的专家人才、向引才机构推荐领域中高端人才订阅信息以及领域顶尖专家的最新动态；所述方法包括以下步骤：

步骤1：人才信息挖掘融合：采集获取多源异构人才数据，进行人才数据的融合以及排名形成中高端人才数据库；

步骤2：科技领域自动分类：构建全领域科技知识图谱，并在全领域科技知识图谱的基础上利用机器学习对人才数据进行专家领域的自动分类；

步骤3：人才能力岗位评价画像：为每位专家建立人才评价画像形成人才领域能力分析评价、运用舆情大数据对拟引进人才的安全性进行分析评估形成基于舆情大数据的评价、根据人才信息建立人才-岗位匹配评价指标形成人才岗位适配性评价；

步骤4：人才检索与智能推荐：获取引才机构输入的检索文本与全学科领域知识图谱进行关联扩展，以对领域查询结果进行修正；根据岗位需求文本挖掘细分领域并从人才储备库推荐该细分领域的专家人才；同时向引才机构推送高端人才订阅信息以及领域顶尖专家最新动态；步骤4中岗位需求文本的推荐该细分领域的专家的具体步骤为：

步骤4-1，从岗位需求文本出发，在跨领域可计算语义空间内构建表示岗位核心问题或技术语义内容的表示模型，并实现针对单个岗位需求文本准确提取其语义表示；步骤4-1中岗位需求文本的关键词抽取的具体步骤为：

步骤4-1-1，首先对需求文本进行分词处理:对于文本中的每一个n-gram,n取值范围3-10，若该n-gram在知识图谱实体库中，则将其抽出；

步骤4-1-2，为需求文本不同部分抽取出的关键词赋予不同的权重，按照不同权重抽取出的关键词进行合并后，进行关键词-学科映射关系分析，生成学科概率分布；具体表达算式如下：

其中，D为需求文档库，d_j为具体的需求文本，w_i为抽取的关键词，k为学科类别数；

步骤4-2，通过科技知识图谱以及专家领域自动分类结果快速确定专家所属领域及技能，

步骤4-3，将岗位需求文本学科关键词与专家档案向量化，计算在同一向量空间内的余弦相似度，对候选专家的相似度由高至低的量化排序形成专家推荐名单。

2.根据权利要求1所述的基于领域自分类的中高端人才智能推荐系统实现中高端人才智能推荐的 方法，其特征在于：人才信息挖掘融合模块采用基于最小风险的本体映射模型RiMOM模型进行数据集成,并进行元数据映射达到专家信息融合。

3.根据权利要求1所述的基于领域自分类的中高端人才智能推荐系统实现中高端人才智能推荐的 方法，其特征在于：步骤1应用爬虫和并行策略从各领域顶级期刊会议上获取领域学术专家基本信息，从领域知名网站上获取领域产业专家基本信息；从各类开放知识库、科技论坛、新闻博客渠道获取专家项目成果、获奖头衔、科技新闻动态信息，以建立多维度领域专家基础数据；并采用基于动态图结构的条件随机场模型的语义信息抽取方法，从专家或学者个人主页中提取其背景资料，从成果信息中提取专家合作关系及成果的文本信息，进而根据对实例节点的不同标注结果，动态生成依赖边，有效融合用户的先验知识。