[发明专利]一种个人简历数据编码及连续数值化方法

权利要求书

1.一种个人简历数据编码及连续数值化方法，其特征在于：包括以下步骤：

①简历数据获取及存储：进行数据存储表格设计并将获取的简历数据，按照各字段定义对应存入关系型数据库；

②数据脱敏脱密：对简历数据中的隐私数据进行脱敏脱密处理；

③简历数据质量分析：对简历数据的每一个字段进行数据统计分析，基于统计结果对数据质量进行评估分析；

④简历数据预处理：基于数据质量评估结果，对简历数据进行预处理；

⑤结构化数据连续数值化：对简历数据中的结构化数据进行编码或连续数值化；

⑥文本数据语义理解及连续数值化：对简历数据中的文本描述数据进行语义理解分析及关键语义抽取，并对抽取得到的文本描述数据关键语义进行编码和连续数值化；

⑦数据继承及组合：根据上述步骤，将获取的各种数据存入表格，形成处理结果表，再将简历数据中的数值数据直接继承到处理结果表中，与其他字段的处理结果进行组合，获取最终的简历数据编码和数值化结果。

2.如权利要求1所述的个人简历数据编码及连续数值化方法，其特征在于：所述步骤①分为以下步骤：

(1.1)通过数据文件管理系统、数据拷贝、数据接口调用、合法爬虫爬取方式获取简历数据，并保留简历数据的原有结构；

(1.2)根据简历数据的构成，规划设计简历数据存储表格结构，从简历数据中提取人名、毕业院校数据，存入处理结果表格。

3.如权利要求1所述的个人简历数据编码及连续数值化方法，其特征在于：所述步骤②分为以下步骤：

(2.1)通过具有唯一性的编码或加密方式，对简历数据中的人名数据进行编码；

(2.2)将简历数据中的隐私数据用其他字符进行替换。

4.如权利要求1所述的个人简历数据编码及连续数值化方法，其特征在于：所述隐私数据包括手机号码、电子邮箱、身份证号、就职公司；所述预处理包括对简历数据中的无效值、重复值、空值、异常值、错误编码文本进行处理。

5.如权利要求1所述的个人简历数据编码及连续数值化方法，其特征在于：所述步骤③分为以下步骤：

(3.1)统计简历数据中各字段的数据总数、重复数据数量、缺失数据数量、无意义数据及数量、异常数据及数量；

(3.2)基于步骤(3.1)中的数据统计结果，从数据缺失率、无效数据百分占比、异常值情况、异常值百分占比的角度进行数据质量的评估分析，获取简历数据质量评估表。

6.如权利要求1所述的个人简历数据编码及连续数值化方法，其特征在于：所述步骤④中的预处理步骤如下：

(4.1)对数据缺失率、异常值百分占比及无效数据百分占比超过阈值的字段进行标记；

(4.2)通过删除、取平均值、取中位数、取众数、随机取值的方法进行其余字段中空值、无效值、异常值的处理。

7.如权利要求1所述的个人简历数据编码及连续数值化方法，其特征在于：所述步骤⑤分为以下步骤：

(5.1)建立性别映射表，将性别中的男性、女性信息映射为连续的整数数字；建立包含党员、团员、群众的政治面貌映射表，将政治面貌映射为连续数字；建立包含博士、硕士、本科、专科的学历映射表，将学历数据映射为连续数字；

(5.2)对毕业院校、院系和专业数据进行编码和连续数值化；

(5.3)对居住城市、工作城市、期望城市数据进行编码和连续数值化；

(5.4)对于行业分类、岗位分类处理数据进行编码及连续数值化；

(5.5)对工作经历数据进行处理及连续数值化。