【技术实现步骤摘要】
本专利技术涉及ai匹配，尤其涉及一种基于专业人才的多维度数据匹配方法及系统。
技术介绍
1、专业人才培养方案是职业院校关于技术技能人才培养总体要求，组织开展教学活动、安排教学任务的规范性文件，是实施专业人才培养和开展质量评价的基本依据。职业教育教学在不断完善，但在实际工作中还一定程度存在着专业人才培养方案概念不够清晰、制订程序不够规范、内容更新不够及时、监督机制不够健全等问题。
2、目前中国各院校主要通过行动调研法、问卷调研、会议论证等形式构建专业岗位群并定位人才培养。其从专业到岗位群转化一般经过以下三个步骤:
3、1、通过设计相应的问卷对专业毕业生、公司企业及相关的行业进行需求状况调研，以了解目前行业急需的人才以及急需的岗位信息；
4、2、通过行动调研法、问卷调研等形式对专业培养目标进行分析，及时了解专业定位和区域经济发展的特点；
5、3、根据以上分析结果并结合学校学生的情况，通过会议论证得出专业学生的就业岗似群，但由于人工调研时间周期长、调研行业企业范围有限、人工分析整合信息难度大，不具备科学性，过于主观，容易遗漏信息，造成专业定位岗位群不全面。
6、因此，有必要提供一种基于学校专业定位与行业人才需求的ai匹配技术解决上述技术问题。
技术实现思路
1、本专利技术提供一种基于专业人才的多维度数据匹配方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
2、主要解决了人工调
3、一种基于专业人才的多维度数据匹配方法，所述方法包括以下步骤：
4、s1、输入专业教学标准、人才培养方案、行业人才需求信息；
5、s2、利用自然语言处理技术，专业教学标准、行业人才需求信息进行关键信息解析提取；
6、s3、采用机器学习算法，对提取的人才多维信息进行分类处理，构建岗位画像与专业画像；
7、s4、根据学历要求、专业要求、经验要求、岗位信息、能力要求、行业领域6个维度对岗位画像与专业画像进行关联度计算，得出行业内各岗位与目标专业的关联度。
8、进一步地，在步骤s2中，所述自然语言处理技术进一步包括：
9、s201、将专业教学标准、人才培养方案、行业人才需求信息整合成为输入文本，对输入文本进行数据预处理，所述预处理包括文本规范化、无效信息剔除；
10、s202、使用lattice lstm模型对输入文本进行分词，提取文本关键信息，再做词序列标注。
11、进一步地，在步骤s4中，所关联度计算进一步包括：
12、s401、针对学历要求维度，获取招聘岗位库中的岗位信息，根据岗位信息构建岗位画像，在岗位画像中获取岗位对应学历层次比例rate_edu_post、学历指数exp_edu_post与专业画像对应学历层次edu_major进行匹配计算，公式为
13、；
14、其中，学历层次比例（rate_edu_post）、学历指数（exp_edu_post）以及专业画像对应学历层次（edu_major）这三个数据属于招聘岗位的特征参数。它们反映了招聘岗位对于不同学历层次和专业背景的需求程度。
15、学历层次比例（rate_edu_post）表示在该岗位中，各个学历层次的员工比例。这个比例可以告诉我们该岗位对于不同学历层次的员工需求程度，例如，是否更倾向于招聘中职、高职还是本科生等。
16、学历指数（exp_edu_post）是对该岗位对学历要求的整体评价指标。它综合考虑了该岗位所需学历层次的比例以及每个学历层次的重要性。学历指数越高，表示该岗位对于学历要求的要求程度越高。
17、专业画像对应学历层次（edu_major）指的是根据该岗位的核心学历要求，对不同专业背景所对应的学历层次进行匹配计算。
18、这些数据的获取方法通常是通过分析招聘岗位的描述信息、企业需求以及历史招聘数据等，结合数据挖掘和统计分析方法来得出。
19、ln（）为对数函数，为取绝对值，rate_edu_post或exp_edu_post的总数量为n，、分别代表获取的第i位rate_edu_post、exp_edu_post。
20、由此得到学历要求得分s1；
21、s402、针对专业要求维度，依据岗位画像中对应要求专业排名rank_post、名义核心产业领域ind_area_post、对应专业要求比例rate_major、要求专业类别type_post、对应专业类别要求比例rate_type_post与专业画像对应专业名称major、专业类别type_major、专业所在对应产业ind_area_major进行匹配计算，公式为
22、；
23、其中，依据岗位画像中对应要求专业排名（rank_post）、名义核心产业领域（ind_area_post）、对应专业要求比例（rate_major）、要求专业类别（type_post）、对应专业类别要求比例（rate_type_post）与专业画像对应专业名称（major）、专业类别（type_major）、专业所在对应产业（ind_area_major）进行匹配计算。这些数据也是招聘岗位的特征参数，用于描述岗位对于不同专业背景的需求情况。
24、专业排名（rank_post）表示该岗位对于不同专业的需求优先级排序。较高的排名意味着该专业在该岗位中的需求程度更高。
25、名义核心产业领域（ind_area_post）指的是该岗位所属的核心产业领域。
26、对应专业要求比例（rate_major）表示在该岗位中，各个专业的员工比例。这个比例可以告诉我们该岗位对于不同专业背景的员工需求程度。
27、要求专业类别（type_post）表示该岗位要求的专业/学科类别。
28、对应专业类别要求比例（rate_type_post）表示在该岗位中，各个专业类别的需求比例。
29、这些数据的获取方法与前文提到的类似，通过分析招聘岗位的描述信息、企业需求以及历史招聘数据等，结合数据挖掘和统计分析方法来得出。
30、if_match_ind与if_match_type为二值变量，if_match_ind用于判断名义核心产业领域ind_area_post和专业所在对应产业ind_area_major是否相等，if_match_type为用于判断要求专业类别type_post与专业类别type_major是否相等，若相等则if_match_ind与if_match_type的值为1，若不相等则if_match_ind与if_match_type的值为0。
31、由此得到专业要求维度得分s2本文档来自技高网...
【技术保护点】
1.一种基于专业人才的多维度数据匹配方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于专业人才的多维度数据匹配方法，其特征在于，在步骤S2中，所述自然语言处理技术进一步包括：
3.根据权利要求1所述的一种基于专业人才的多维度数据匹配方法，其特征在于，在步骤S4中，所关联度计算进一步包括：
4.根据权利要求3所述的一种基于专业人才的多维度数据匹配方法，其特征在于，输入关联度阈值，当所述岗位关联度大于阈值时，岗位关联度数据输出，通过关联度与岗位列表得到一个专业关联的岗位列表，实现基于学校专业定位与行业人才需求的AI匹配技术。
5.一种基于专业人才的多维度数据匹配系统，其特征在于，所述系统包括：数据采集模块、数据分析模块和数据存储模块，所述数据采集模块、数据分析模块和数据存储模块执行计算机程序时实现权利要求1-4中的任一所述一种基于专业人才的多维度数据匹配方法中的步骤。
【技术特征摘要】
1.一种基于专业人才的多维度数据匹配方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于专业人才的多维度数据匹配方法，其特征在于，在步骤s2中，所述自然语言处理技术进一步包括：
3.根据权利要求1所述的一种基于专业人才的多维度数据匹配方法，其特征在于，在步骤s4中，所关联度计算进一步包括：
4.根据权利要求3所述的一种基于专业人才的多维度数据匹配方法，其特征在于，...
【专利技术属性】
技术研发人员：陈劲，陈聪，蔡宗山，李凤，
申请(专利权)人：广东职教桥数据科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。