[发明专利]一种个人简历数据编码及连续数值化方法

说明书

本发明提供了一种个人简历数据编码及连续数值化方法，包括以下步骤：简历数据获取及存储‑数据脱敏脱密‑简历数据质量分析‑简历数据预处理‑结构化数据连续数值化‑文本数据语义理解及连续数值化‑数据继承及组合。本发明通过客观数据统计分析、概率分布计算、文本语义理解与表示、经验常识归纳与电子化等技术的结合实现个人简历数据的处理、编码及连续数值化，在尽可能保留原始数据信息的基础上降低了数据使用难度，为后续的人员稳定性分析、人岗匹配度分析、人员履职能力分析等应用提供了高质量的连续数值型数据支撑，有利于提升整体数据利用率、数据分析挖掘准确率、算法模型综合性能以及技术原理可解释性。

技术领域

本发明涉及一种个人简历数据编码及连续数值化方法，属于数据编码和数据表示技术领域，具体涉及一种数据连续编码和数据连续数值化表示。

背景技术

个人简历是求职者给招聘单位发的一份个人简要介绍，包括自己的基本信息：姓名、年龄、民族、政治面貌、学历学校、联系方式、自我评价、工作经历、求职愿望等。在人员稳定性分析、人岗匹配度分析、人员履职能力分析、人员工作作风分析等方面均需要对个人简历数据进行分析和利用。

由于个人简历数据由年龄等普通数值型数据、政治面貌等可枚举文本数据和自我评价、项目经验等复杂文本数据组成，对计算机来说具有较大的分析理解难度，因此在数据分析之前需要进行数据的编码和数值化。目前、大多数个人简历数据的处理和数值化研究中使用简单的文本完全匹配方法、分段函数数值化方法、阈值数值化方法、专家评估方法等粗粒度的编码和数值化方法，得到的结果往往呈现离散化形式，不仅无法体现数据之间的深层关系，还会丢失许多信息，不利于后续研究的开展和需求的实现。

相关研究发现连续化的数据表示比离散化的数据表示能够给数据分析的结果带来更多积极意义。因此通过统计概率、关联分析、专家经验分析等方式挖掘分析简历数据之间隐藏的关联关系，通过连续化编码技术实现数据的连续编码，通过连续化表示技术实现数据的连续表示，获得连续型、信息含量更为丰富的简历处理数据，对提升数据利用率、数据分析挖掘准确率、算法模型综合表现和技术原理可解释性有着重要意义。

发明内容

为解决上述技术问题，本发明提供了一种个人简历数据编码及连续数值化方法，该个人简历数据编码及连续数值化方法通过客观数据统计分析、文本语义理解与表示、经验常识归纳与电子化等技术的结合实现个人简历数据的处理、编码及连续数值化，将个人简历中的离散数据、文本数据编码或映射为连续的数值型数据。

本发明通过以下技术方案得以实现。

本发明提供的一种个人简历数据编码及连续数值化方法，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。

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；