基于人工智能的人才数据标签分类方法、系统及云平台技术方案

本申请涉及大数据与人工智能技术领域，特别涉及一种基于人工智能的人才数据标签分类方法、系统及云平台。本申请通过人才数据训练模型对关键策略数据中包括的目标人才数据模拟轨迹进行状态匹配，使得目标人才数据模拟轨迹为可匹配的，添加分类的多样性，分类内容更加精确，用户可以根据实际前提对目标人才数据模拟轨迹进行匹配，使得分类操作更加快捷。使得分类操作更加快捷。使得分类操作更加快捷。

【技术实现步骤摘要】
基于人工智能的人才数据标签分类方法、系统及云平台


[0001]本公开涉及大数据与人工智能
，特别涉及一种基于人工智能的人才数据标签分类方法、系统及云平台。

技术介绍

[0002]目前针对数据库中的结构化数据的分类，主要基于对字段名称和注释的语义分析、对字段内容的规则等等对其进行匹配分类。
[0003]例如，基于字段的语义信息，提取出带分类字段的名称和字段注释，通过正则表达式匹配其中可能存在的敏感信息，如若匹配到“card”，则可归类于“银行卡”这一类别。或者，基于字段的内容对字段内容进行抽样，然后利用以往经验对内容进行分析，例如身份证号，便可以在抽取的字段内容中用正则匹配+校验位的方式进行检验。
[0004]但是，上述分类方式存在分类准确率不高的问题。

技术实现思路

[0005]为改善相关技术中存在的上述
技术介绍
存在的技术问题，本公开提供了一种基于人工智能的人才数据标签分类方法、系统及云平台。
[0006]本申请提供了一种基于人工智能的人才数据标签分类方法，所述方法包括：获取实时人才数据的关键策略数据，所述关键策略数据中包括第一人才数据划分范围以及供所述第一人才数据划分范围界线的至少一条人才数据模拟轨迹；响应于针对人才数据训练模型的计算操作，控制所述第一人才数据划分范围计算所述人才数据训练模型，所述人才数据训练模型用于改变所述关键策略数据中包含的人才数据模拟轨迹的描述轨迹内容；根据所述人才数据训练模型的范围描述数据，对所述关键策略数据中包含的目标人才数据模拟轨迹的描述轨迹内容进行匹配，得到匹配后的目标人才数据模拟轨迹；基于针对所述第一人才数据划分范围的分类控制操作，控制所述第一人才数据划分范围在所述匹配后的目标人才数据模拟轨迹上进行分类。
[0007]优选地，所述根据所述人才数据训练模型的范围描述数据，对所述关键策略数据中包含的目标人才数据模拟轨迹的描述轨迹内容进行匹配，得到匹配后的目标人才数据模拟轨迹，包括：在所述人才数据训练模型具备第一范围描述数据的前提下，将所述目标人才数据模拟轨迹从不可计算状态转换为可计算状态，得到所述匹配后的目标人才数据模拟轨迹；其中，在所述目标人才数据模拟轨迹处于所述不可计算状态的前提下，所述第一人才数据划分范围无法在所述目标人才数据模拟轨迹上分类；在所述目标人才数据模拟轨迹处于所述可计算状态的前提下，所述第一人才数据划分范围能够在所述目标人才数据模拟轨迹上分类。
[0008]优选地，所述在所述人才数据训练模型具备第一范围描述数据的前提下，将所述
目标人才数据模拟轨迹从不可计算状态转换为可计算状态，得到所述匹配后的目标人才数据模拟轨迹，包括：在所述第一范围描述数据为剔除紊乱数据的前提下，在所述目标人才数据模拟轨迹中剔除用于去除所述目标人才数据模拟轨迹的紊乱数据；或者，在所述第一范围描述数据为添加轨迹的前提下，在所述目标人才数据模拟轨迹中添加可计算的人才数据模拟轨迹；或者，在所述第一范围描述数据为替换轨迹的前提下，在所述目标位移轨迹中采用可计算的人才数据模拟轨迹替换不可计算的人才数据模拟轨迹。
[0009]优选地，所述根据所述人才数据训练模型的范围描述数据，对所述关键策略数据中包含的目标人才数据模拟轨迹的描述轨迹内容进行匹配，得到匹配后的目标人才数据模拟轨迹，包括：在所述人才数据训练模型具备第二范围描述数据的前提下，将所述目标人才数据模拟轨迹从可计算状态转换为不可计算状态，得到所述匹配后的目标人才数据模拟轨迹；其中，在所述目标人才数据模拟轨迹处于所述可计算状态的前提下，所述关键策略数据中的第二人才数据划分范围能够在所述目标人才数据模拟轨迹上分类；在所述目标人才数据模拟轨迹处于所述不可计算状态的前提下，所述关键策略数据中的第二人才数据划分范围无法在所述目标人才数据模拟轨迹上分类，所述第二人才数据划分范围与所述第一人才数据划分范围具有映射关系。
[0010]优选地，所述在所述人才数据训练模型具备第二范围描述数据的前提下，将所述目标人才数据模拟轨迹从可计算状态转换为不可计算状态，得到所述匹配后的目标人才数据模拟轨迹，包括：在所述第二范围描述数据为添加紊乱数据的前提下，在所述目标人才数据模拟轨迹中添加用于去除所述目标人才数据模拟轨迹的紊乱数据；或者，在所述第二范围描述数据为替换轨迹的前提下，在所述目标人才数据模拟轨迹中采用不可计算的人才数据模拟轨迹替换可计算的人才数据模拟轨迹；或者，在所述第二范围描述数据为剔除轨迹的前提下，在所述目标位移轨迹中去除可计算的人才数据模拟轨迹。
[0011]优选地，所述响应于针对人才数据训练模型的计算操作，控制所述第一人才数据划分范围计算所述人才数据训练模型之后，还包括：在所述关键策略数据所获取的人才数据内容中，基于所述匹配后的目标人才数据模拟轨迹，对所述目标人才数据模拟轨迹所对应的人才数据内容特征进行更新。
[0012]优选地，所述在所述关键策略数据所获取的人才数据内容中，基于所述匹配后的目标人才数据模拟轨迹，对所述目标人才数据模拟轨迹所对应的人才数据内容特征进行更新，包括：基于所述匹配后的目标人才数据模拟轨迹，将所述人才数据训练模型作为紊乱数据获取在所述关键策略数据所获取的人才数据内容中；或者，基于所述匹配后的目标人才数据模拟轨迹，在所述关键策略数据所获取的人才数据内容中取消获取用于去除所述目标人才数据模拟轨迹的紊乱数据；或者，基于所述匹配后的目标人才数据模拟轨迹，在所述关键策略数据所获取的
人才数据内容中，获取所述人才数据训练模型针对所述目标人才数据模拟轨迹的作用效果。
[0013]优选地，所述响应于针对人才数据训练模型的计算操作，控制所述第一人才数据划分范围计算所述人才数据训练模型之后，还包括：基于所述人才数据训练模型的范围描述数据，生成多种参考的轨迹改变方案，其中，不同的轨迹改变方案对应不同的轨迹匹配方式；获取所述多种参考的轨迹改变方案；响应于针对所述多种参考的轨迹改变方案中的目标轨迹改变方案的选择操作，基于所述目标轨迹改变方案对所述关键策略数据中包含的目标人才数据模拟轨迹的描述轨迹内容进行匹配，得到匹配后的目标人才数据模拟轨迹。
[0014]本申请提供了一种基于人工智能的人才数据标签分类系统，包括人才数据采集设备和云平台，所述人才数据采集设备和所述云平台相互连接，所述云平台具体用于：获取实时人才数据的关键策略数据，所述关键策略数据中包括第一人才数据划分范围以及供所述第一人才数据划分范围界线的至少一条人才数据模拟轨迹；响应于针对人才数据训练模型的计算操作，控制所述第一人才数据划分范围计算所述人才数据训练模型，所述人才数据训练模型用于改变所述关键策略数据中包含的人才数据模拟轨迹的描述轨迹内容；根据所述人才数据训练模型的范围描述数据，对所述关键策略数据中包含的目标人才数据模拟轨迹的描述轨迹内容进行匹配，得到匹配后的目标人才数据模拟轨迹；基于针对所述第一人才数据划分范围的分类控制操作，控制所述第一人才数据划分范围在所述匹配后的目标人才数据模拟轨迹上进行分类。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的人才数据标签分类方法，其特征在于，所述方法包括：获取实时人才数据的关键策略数据，所述关键策略数据中包括第一人才数据划分范围以及供所述第一人才数据划分范围界线的至少一条人才数据模拟轨迹；响应于针对人才数据训练模型的计算操作，控制所述第一人才数据划分范围计算所述人才数据训练模型，所述人才数据训练模型用于改变所述关键策略数据中包含的人才数据模拟轨迹的描述轨迹内容；根据所述人才数据训练模型的范围描述数据，对所述关键策略数据中包含的目标人才数据模拟轨迹的描述轨迹内容进行匹配，得到匹配后的目标人才数据模拟轨迹；基于针对所述第一人才数据划分范围的分类控制操作，控制所述第一人才数据划分范围在所述匹配后的目标人才数据模拟轨迹上进行分类。2.根据权利要求1所述的方法，其特征在于，所述根据所述人才数据训练模型的范围描述数据，对所述关键策略数据中包含的目标人才数据模拟轨迹的描述轨迹内容进行匹配，得到匹配后的目标人才数据模拟轨迹，包括：在所述人才数据训练模型具备第一范围描述数据的前提下，将所述目标人才数据模拟轨迹从不可计算状态转换为可计算状态，得到所述匹配后的目标人才数据模拟轨迹；其中，在所述目标人才数据模拟轨迹处于所述不可计算状态的前提下，所述第一人才数据划分范围无法在所述目标人才数据模拟轨迹上分类；在所述目标人才数据模拟轨迹处于所述可计算状态的前提下，所述第一人才数据划分范围能够在所述目标人才数据模拟轨迹上分类。3.根据权利要求2所述的方法，其特征在于，所述在所述人才数据训练模型具备第一范围描述数据的前提下，将所述目标人才数据模拟轨迹从不可计算状态转换为可计算状态，得到所述匹配后的目标人才数据模拟轨迹，包括：在所述第一范围描述数据为剔除紊乱数据的前提下，在所述目标人才数据模拟轨迹中剔除用于去除所述目标人才数据模拟轨迹的紊乱数据；或者，在所述第一范围描述数据为添加轨迹的前提下，在所述目标人才数据模拟轨迹中添加可计算的人才数据模拟轨迹；或者，在所述第一范围描述数据为替换轨迹的前提下，在所述目标位移轨迹中采用可计算的人才数据模拟轨迹替换不可计算的人才数据模拟轨迹。4.根据权利要求1所述的方法，其特征在于，所述根据所述人才数据训练模型的范围描述数据，对所述关键策略数据中包含的目标人才数据模拟轨迹的描述轨迹内容进行匹配，得到匹配后的目标人才数据模拟轨迹，包括：在所述人才数据训练模型具备第二范围描述数据的前提下，将所述目标人才数据模拟轨迹从可计算状态转换为不可计算状态，得到所述匹配后的目标人才数据模拟轨迹；其中，在所述目标人才数据模拟轨迹处于所述可计算状态的前提下，所述关键策略数据中的第二人才数据划分范围能够在所述目标人才数据模拟轨迹上分类；在所述目标人才数据模拟轨迹处于所述不可计算状态的前提下，所述关键策略数据中的第二人才数据划分范围无法在所述目标人才数据模拟轨迹上分类，所述第二人才数据划分范围与所述第一人才数据划分范围具有映射关系。5.根据权利要求4所述的方法，其特征在于，所述在所述人才数据训练模型具备第二范
围描述数据的前提下，将所述目标人才数据模拟轨迹从可计算状态转换为不可计算状态，得到所述匹配后的目标人才数据模拟轨迹，包括：在所述第二范围描述数据为添加紊乱数据的前提下...

【专利技术属性】
技术研发人员：林宏佳，
申请(专利权)人：林宏佳，
类型：发明
国别省市：