基于知识图谱的计算机领域胜任力研究与应用

发布时间：2023-12-12 19:42

　　随着网络与人工智能的迅猛发展,计算机领域进入高速发展时代,企业对计算机领域人才的招聘更加频繁,高校也越发重视计算机领域的人才培养。但在求职过程中,岗位匹配主要以关键词搜索为主,返回的招聘信息较为分散,岗位所需的知识和技能无法被全面展示,这将影响求职者对于岗位的认知甚至职业选择。为有效解决上述问题,学术界和工业界通过定义岗位胜任力模型为招聘与求职提供客观科学依据。本文结合计算机领域的特点开展研究,基于求职网站中的招聘数据构建知识图谱,抽取不同类别岗位所需的知识和技能即岗位胜任力,最后研发应用平台提供基于知识图谱的招聘信息语义检索服务并展示全面的岗位胜任力即岗位所需的知识和技能以及所对应的掌握程度。本文的主要研究和贡献有:1.定义了计算机领域招聘信息的知识图谱数据模式和语义关系,包含不同类别的实体、实体间关系、实体的属性等,并在数据模式中引入知识和技能实体,在知识图谱中融合岗位胜任力元素。2.构建了计算机领域的知识图谱。收集互联网中计算机领域的招聘信息数据并构造领域词典,使用卷积和双向长短期记忆相融合的神经网络算法抽取出知识图谱中的知识,将整合后的知识存储在Neo4j图数据库中。本文的知识...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 本文主要工作
    1.4 本文组织结构
第2章 相关研究概述
    2.1 知识图谱概述
    2.2 知识图谱构建概述
        2.2.1 实体识别
        2.2.2 关系抽取
        2.2.3 知识图谱的表示与存储
    2.3 胜任力相关概述
        2.3.1 胜任力模型
        2.3.2 计算机领域岗位胜任力
    2.4 相关技术概述
        2.4.1 条件随机场
        2.4.2 双向长短期记忆网络
        2.4.3 BERT模型
        2.4.4 word2vec词向量模型
    2.5 本章小结
第3章 计算机领域知识图谱的构建
    3.1 知识图谱的构建框架
    3.2 数据模式设计
    3.3 数据获取与预处理
        3.3.1 数据获取
        3.3.2 构建计算机领域词典
        3.3.3 数据标注
    3.4 知识抽取与存储
        3.4.1 基于词嵌入的文本向量化
        3.4.2 基于BiLSTM-CNN-CRF的知识抽取算法
        3.4.3 知识抽取实验结果与分析
        3.4.4 基于Neo4j的知识存储
    3.5 本章小节
第4章 岗位胜任力需求模型的构建
    4.1 胜任力需求模型的构建框架
    4.2 计算机领域岗位分类
        4.2.1 基于知识图谱的文本语义扩展
        4.2.2 基于BERT模型的岗位分类
        4.2.3 实验结果与分析
    4.3 程度词分类与胜任力需求模型抽取
        4.3.1 基于word2vec的程度词分类
        4.3.2 基于共现矩阵的胜任力需求模型抽取
        4.3.3 实验结果与分析
    4.4 本章小结
第5章 计算机领域胜任力管理平台的设计与应用
    5.1 平台总体架构
    5.2 功能模块
        5.2.1 基于Elasticsearch的全文检索
        5.2.2 基于Vue.js的数据展示
    5.3 页面展示
        5.3.1 招聘信息的语义检索
        5.3.2 胜任力需求模型的图谱展示
    5.4 本章小结
第6章 总结与展望
    6.1 研究总结
    6.2 工作展望
参考文献
作者简介及在学期间所取得的科研成果
致谢



本文编号：3873521