【技术实现步骤摘要】
本专利技术涉及数据处理领域，具体而言，涉及一种基于大数据分析的个人薪酬智能分析方法、装置、计算机设备及可读存储介质。
技术介绍
1、在当今的就业场景中，个人对自身薪酬的合理评估和规划至关重要。然而，传统的薪酬分析方法往往依赖有限的数据和简单的统计，难以准确反映复杂多变的实际情况。随着大数据技术的发展，如何利用海量的行业薪酬数据，并结合个人的详细职业信息，进行精准、智能的薪酬分析成为了迫切需求。
技术实现思路
1、本专利技术的目的在于提供一种基于大数据分析的个人薪酬智能分析方法、装置、计算机设备及可读存储介质。
2、第一方面，本专利技术实施例提供一种基于大数据分析的个人薪酬智能分析方法，包括：
3、获取行业薪酬数据和目标用户的用户职业信息；
4、对所述行业薪酬数据和所述用户职业信息进行特征提取，分别得到行业薪酬特征向量和用户职业信息特征向量；
5、将所述行业薪酬特征向量和所述用户职业信息特征向量输入预先训练的薪酬预测模型，得到针对所述目标用户的个人薪酬预测结果；
6、根据所述个人薪酬预测结果与行业薪酬数据生成薪酬分析结果，并将所述薪酬分析结果展示至预设交互界面。
7、在一种可能的实施方式中，所述获取行业薪酬数据和目标用户的用户职业信息，包括：
8、从公开招聘平台api、行业报告数据库以及企业内部薪酬系统采集薪酬原始数据；
9、响应于用户输入的所述目标用户的用户原始职业信息；
1
11、在一种可能的实施方式中，所述对所述行业薪酬数据和所述用户职业信息进行特征提取，分别得到行业薪酬特征向量和用户职业信息特征向量，包括：
12、对所述行业薪酬数据和所述用户职业信息进行归一化处理；
13、将归一化后的行业薪酬数据和用户职业信息输入预选训练的特征提取网络，分别得到所述行业薪酬特征向量和所述用户职业信息特征向量。
14、在一种可能的实施方式中，所述薪酬预测模型通过以下方式获取，包括：
15、构建包含多层神经网络的初始深度学习模型；
16、获取样本行业薪酬特征向量和样本用户职业信息特征向量构建训练集；
17、基于所述训练集对所述初始深度学习模型进行训练，通过反向传播算法调整模型权重，并采用带有权重衰减的正则化技术优化所述初始深度学习模型；
18、在达到预设模型训练停止条件，且通过交叉验证的基础上，得到所述薪酬预测模型。
19、在一种可能的实施方式中，所述薪酬分析结果包括个性化薪酬建议及薪酬发展趋势预测，所述根据所述个人薪酬预测结果与行业薪酬数据生成薪酬分析结果，包括：
20、根据所述个人薪酬预测结果与所述行业薪酬数据生成针对目标用户的所述个性化薪酬建议，所述个性化薪酬建议包括推荐薪资区间和涨薪概率；
21、基于时序分析模型，对所述行业薪酬数据进行处理，得到预设时间范围的所述薪酬发展趋势预测。
22、在一种可能的实施方式中，所述方法还包括：
23、获取预先训练的行业问答模型，所述行业问答模型接入基于行业薪酬相关大数据构建的知识图谱；
24、响应于用户通过所述交互界面输入的针对所述薪酬分析结果的多模态提问信息，通过所述行业问答模型输出对应的反馈结果。
25、在一种可能的实施方式中，所述方法还包括：
26、监测所述行业薪酬数据的实时变化；
27、当检测到行业薪酬数据发生显著变化时，触发所述薪酬预测模型的重新训练；
28、利用最新的行业薪酬数据和用户职业信息，对所述薪酬预测模型进行更新。
29、第二方面，本专利技术实施例提供一种基于大数据分析的个人薪酬智能分析装置，包括：
30、获取模块，用于获取行业薪酬数据和目标用户的用户职业信息；对所述行业薪酬数据和所述用户职业信息进行特征提取，分别得到行业薪酬特征向量和用户职业信息特征向量；将所述行业薪酬特征向量和所述用户职业信息特征向量输入预先训练的薪酬预测模型，得到针对所述目标用户的个人薪酬预测结果；
31、分析模块，用于根据所述个人薪酬预测结果与行业薪酬数据生成薪酬分析结果，并将所述薪酬分析结果展示至预设交互界面。
32、第三方面，本专利技术实施例提供一种计算机设备，所述计算机设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备执行第一方面至少一种可能的实施方式所述的方法。
33、第四方面，本专利技术实施例提供一种可读存储介质，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在计算机设备执行第一方面至少一种可能的实施方式所述的方法。
34、相比现有技术，本专利技术提供的有益效果包括：采用本专利技术公开的一种基于大数据分析的个人薪酬智能分析方法、装置、计算机设备及可读存储介质，包括：首先获取行业薪酬数据及目标用户职业信息，进行特征提取得到特征向量，将其输入预先训练的薪酬预测模型得出个人薪酬预测结果，再结合行业薪酬数据生成薪酬分析结果并展示在预设交互界面，实现对个人薪酬的精准智能分析。
本文档来自技高网...【技术保护点】
1.一种基于大数据分析的个人薪酬智能分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取行业薪酬数据和目标用户的用户职业信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述行业薪酬数据和所述用户职业信息进行特征提取，分别得到行业薪酬特征向量和用户职业信息特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述薪酬预测模型通过以下方式获取，包括：
5.根据权利要求1所述的方法，其特征在于，所述薪酬分析结果包括个性化薪酬建议及薪酬发展趋势预测，所述根据所述个人薪酬预测结果与行业薪酬数据生成薪酬分析结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种基于大数据分析的个人薪酬智能分析装置，其特征在于，包括：
9.一种计算机设备，其特征在于，所述计算机设备包括处理器及存储有计算机指令的非易失性存储器，所述计算机指令被所述处理器执行时，所述计算机设备执行权利要
10.一种可读存储介质，其特征在于，所述可读存储介质包括计算机程序，所述计算机程序运行时控制所述可读存储介质所在计算机设备执行权利要求1-7中任意一项所述的方法。
...【技术特征摘要】
1.一种基于大数据分析的个人薪酬智能分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取行业薪酬数据和目标用户的用户职业信息，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述行业薪酬数据和所述用户职业信息进行特征提取，分别得到行业薪酬特征向量和用户职业信息特征向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述薪酬预测模型通过以下方式获取，包括：
5.根据权利要求1所述的方法，其特征在于，所述薪酬分析结果包括个性化薪酬建议及薪酬发展趋势预测，所述根据所述个人薪酬预测结果与行业薪酬数据生成薪酬分析结果...
【专利技术属性】
技术研发人员：陶海军，金春，周媛，郭河，王发平，盛风，贺雪琴，
申请(专利权)人：浙江万有码力网络科技有限公司，
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。