申请/专利权人：华南农业大学

申请日：2023-11-17

公开（公告）日：2024-02-13

公开（公告）号：CN117556045A

主分类号：G06F16/35

分类号：G06F16/35;G06F16/36;G06F16/34;G06Q10/1053;G06Q50/20;G06N3/048;G06N3/047;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明公开了一种基于胜任力的招聘文本专业知识点分类方法及装置，方法包括：收集招聘文本数据并进行数据预处理，并按照冰山模型对数据集进行标注；在Bert模型的顶部添加全连接层和Softmax层，构建网络招聘文本知识点分类模型；确定模型参数后利用已打标数据集训练模型，并对模型进行微调，获取训练好的网络招聘文本知识点分类模型；利用招聘文本分类数据获取与每类招聘岗位高度关联的细分知识点；对招聘岗位类别划分并计算知识点与招聘岗位的相关度，从而进一步获取与每类招聘岗位高度关联的细分知识点；最后对细分知识点进行可视化。本发明提供了一种全新的文本分类的方法，为人才培养与大学生精准就业提供有力工具与保障。

主权项：1.基于胜任力的招聘文本专业知识点分类方法，其特征在于，包括下述步骤：收集网络的招聘文本数据并进行数据预处理，形成招聘文本数据集；按照冰山模型对招聘文本数据集进行分类标注，获取已打标数据集；所述招聘文本数据集包括岗位名称字段和岗位文本要求字段；在Bert模型的顶部添加全连接层和Softmax层，构建网络招聘文本知识点分类模型并进行模型训练；训练的具体过程为：确定网络招聘文本知识点分类模型的模型参数；利用已打标数据集对网络招聘文本知识点分类模型进行分类任务训练，模型训练中以全连接层作为分类器对数据进行分类，并通过Softmax层输出分类结果，即预测结果；迭代计算预测结果的交叉熵损失，计算预测结果和真实标签之间的差异，并反向传播更新模型参数，直到模型收敛终止迭代；选择设定的调控参数对网络招聘文本知识点分类模型进行微调，经过对模型评价后，获得训练好的网络招聘文本知识点分类模型；将招聘文本数据集与预测结果形成未打标的数据集，将未打标的数据集输入训练好的网络招聘文本知识点分类模型，获取招聘文本分类数据；基于招聘文本分类数据建立点词典，对知识点词典中的细分知识点进一步挖掘，获取每条招聘文本的详细知识点；根据招聘文本数据集的岗位名称字段进行招聘岗位类别划分，将每条招聘文本包含的每类详细知识点与招聘岗位类别进行关联；计算知识点与招聘岗位的相关度，从而进一步获取与每类招聘岗位高度关联的细分知识点；将相关性最强的招聘岗位与相关联的细分知识点进行可视化呈现，并获取培养建议。

全文数据：

权利要求：

百度查询： 华南农业大学 基于胜任力的招聘文本专业知识点分类方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD