本申请提供了一种工作技能的确定方法和装置、电子设备和存储介质，该方法包括：获取通讯软件中存储的聊天记录；利用第一方案对聊天记录中的词组进行实体的提取，确定实体所属的技能类别，其中，第一方案用于对词组中的词汇按照输入时序进行处理，并从处理后的词汇中提取出实体；利用第二方案对聊天记录中的词组进行文本类别的归类，得到目标帐号的文本标签，其中，第二方案用于根据预设文本类别标签对词组进行文本标签归类的处理，预设文本类别标签用于指示词组所属的文本类别；根据技能类别和文本标签，确定目标对象所具备的工作技能。通过本申请，解决了相关技术中存在的人工整理浪费较多人力资源，并且很容易出现细节遗漏或整理出错的问题。理出错的问题。理出错的问题。
【技术实现步骤摘要】
工作技能的确定方法和装置、电子设备和存储介质
[0001]本申请涉及计算机
，尤其涉及一种工作技能的确定方法和装置、电子设备和存储介质。
技术介绍
[0002]随着企业内部交流沟通工具的普及，员工内外部的交流越来越依赖线上沟通；并且由于各家公司都是规模发展变大，所以当员工数量达到一定规模后，跨部门联系变得密切；但是每个员工的工作技能特点都存在一定差异性，如何精准定位员工的工作技能，进而根据自身需求联系对应的同事就变得很重要。
[0003]当前归纳员工工作技能的方式通常是人工整理，这样会出现整理时间过长，浪费较多人力资源，并且很容易出现细节遗漏或整理出错的情况。
[0004]因此，相关技术中存在人工整理浪费较多人力资源，并且很容易出现细节遗漏或整理出错的问题。
技术实现思路
[0005]本申请提供了一种工作技能的确定方法和装置、电子设备和存储介质，以至少解决相关技术中存在人工整理浪费较多人力资源，并且很容易出现细节遗漏或整理出错的问题。
[0006]根据本申请实施例的一个方面，提供了一种工作技能的确定方法，该方法包括：获取通讯软件中存储的聊天记录，其中，所述聊天记录用于记录目标帐号生成的技能问题列表，所述目标帐号为在所述通讯软件中使用的帐号，所述技能问题列表用于指示所述目标帐号对应的目标对象所具备的工作技能；利用第一方案对所述聊天记录中的词组进行实体的提取，确定所述实体所属的技能类别，其中，所述第一方案用于对所述词组中的词汇按照输入时序进行处理，并从处理后的词汇中提取出所述实体；利用第二方案对所述聊天记录中的词组进行文本类别的归类，得到所述目标帐号的文本标签，其中，所述文本类别数量为至少一个，所述第二方案用于根据预设文本类别标签对所述词组进行文本标签归类的处理，所述预设文本类别标签用于指示所述词组所属的文本类别；根据所述技能类别和所述文本标签，确定所述目标对象所具备的工作技能。
[0007]根据本申请实施例的另一个方面，还提供了一种工作技能的确定装置，包括：获取单元，用于获取通讯软件中存储的聊天记录，其中，所述聊天记录用于记录目标帐号生成的技能问题列表，所述目标帐号为在所述通讯软件中使用的帐号，所述技能问题列表用于指示所述目标帐号对应的目标对象所具备的工作技能；提取单元，用于利用第一方案对所述聊天记录中的词组进行实体的提取，确定所述实体所属的技能类别，其中，所述第一方案用于对所述词组中的词汇按照输入时序进行处理，并从处理后的词汇中提取出所述实体；归类单元，用于利用第二方案对所述聊天记录中的词组进行文本类别的归类，得到所述目标帐号的文本标签，其中，所述文本类别数量为至少一个，所述第二方案用于根据预设文本类
别标签对所述词组进行文本标签归类的处理，所述预设文本类别标签用于指示所述词组所属的文本类别；确定单元，用于根据所述技能类别和所述文本标签，确定所述目标对象所具备的工作技能。
[0008]可选地，提取单元包括：获取模块，用于获取所述词组中的预设关键词，其中，所述预设关键词为与所述技能类别之间关联度大于预设阈值的词汇；编码模块，用于利用第一模型对所述预设关键词进行编码处理，得到编码数据；解码模块，用于利用第二模型对所述编码数据进行解码处理，得到所述实体，其中，所述实体为所述词组中用于表征所述目标对象具备所述工作技能的数据；第一确定模块，用于根据预设条件，确定出所述实体所属的技能类别，其中，所述预设条件用于表征所述实体与所述技能类别之间的对应关系。
[0009]可选地，编码模块包括：处理子单元，用于利用词向量模型对所述预设关键词进行处理，得到词向量；编码子单元，用于将所述词向量输入第一目标网络进行编码，得到所述编码数据，其中，第一模型包括所述词向量模型和所述第一目标网络。
[0010]可选地，解码模块包括：第一提取子单元，用于利用第一目标网络对所述编码数据进行提取，得到隐藏表征数据；第一解码子单元，用于利用条件随机场模型对所述隐藏表征数据进行解码，得到所述实体，其中，所述第二模型包括所述第一目标网络和所述条件随机场模型。
[0011]可选地，归类单元包括：训练模块，用于利用第二目标网络对所述隐藏表征数据进行训练，输出所述词组归属于所述文本类别的概率数值；设定模块，用于将最大的所述概率数值所对应的文本类别作为所述词组的所述文本标签。
[0012]可选地，训练模块包括：第二提取子单元，用于利用所述第二目标网络对所述隐藏表征数据进行特征提取，得到第一特征数据；第一输入子单元，用于将所述第一特征数据输入池化层，得到第一平均池化特征；第二输入子单元，用于将所述第一平均池化特征输入所述第二目标网络中进行特征提取，得到第二特征数据；第三输入子单元，用于将所述第二特征数据输入所述池化层，得到第二平均池化特征；第二解码子单元，用于利用第三目标网络对所述第二平均池化特征进行解码，得到所述词组归属于所述文本类别的概率数值。
[0013]可选地，确定单元包括：第二确定模块，用于在所述技能类别对应的工作技能和所述文本标签对应的工作技能一致的情况下，确定所述目标对象具备所述工作技能。
[0014]根据本申请实施例的又一个方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；其中，存储器，用于存储计算机程序；处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行上述任一实施例中的工作技能的确定方法步骤。
[0015]根据本申请实施例的又一个方面，还提供了一种计算机可读的存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一实施例中的工作技能的确定方法步骤。
[0016]本申请可以应用于在深度学习
进行自然语言处理，在本申请实施例中，通过获取通讯软件中存储的聊天记录，其中，聊天记录用于记录目标帐号生成的技能问题列表，目标帐号为在通讯软件中使用的帐号，技能问题列表用于指示目标帐号对应的目标对象所具备的工作技能；利用第一方案对聊天记录中的词组进行实体的提取，确定实体所属的技能类别，其中，第一方案用于对词组中的词汇按照输入时序进行处理，并从处理后的
词汇中提取出实体；利用第二方案对聊天记录中的词组进行文本类别的归类，得到目标帐号的文本标签，其中，文本类别数量为至少一个，第二方案用于根据预设文本类别标签对词组进行文本标签归类的处理，预设文本类别标签用于指示词组所属的文本类别；根据技能类别和文本标签，确定目标对象所具备的工作技能。由于本申请确定员工的工作技能是采用实体识别和对词组文本类别归类相结合的方式自动生成的，从而可以快速和准确地获取到每个员工的工作技能，从而达到了促进跨部门交流更加高效流畅的技术效果，进而解决了相关技术中存在的人工整理浪费较多人力资源，并且很容易出现细节遗漏或整理出错的问题。
附图说明
[0017]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种工作技能的确定方法，其特征在于，所述方法包括：获取通讯软件中存储的聊天记录，其中，所述聊天记录用于记录目标帐号生成的技能问题列表，所述目标帐号为在所述通讯软件中使用的帐号，所述技能问题列表用于指示所述目标帐号对应的目标对象所具备的工作技能；利用第一方案对所述聊天记录中的词组进行实体的提取，确定所述实体所属的技能类别，其中，所述第一方案用于对所述词组中的词汇按照输入时序进行处理，并从处理后的词汇中提取出所述实体；利用第二方案对所述聊天记录中的词组进行文本类别的归类，得到所述目标帐号的文本标签，其中，所述文本类别数量为至少一个，所述第二方案用于根据预设文本类别标签对所述词组进行文本标签归类的处理，所述预设文本类别标签用于指示所述词组所属的文本类别；根据所述技能类别和所述文本标签，确定所述目标对象所具备的工作技能。2.根据权利要求1所述的方法，其特征在于，所述利用第一方案对所述聊天记录中的词组进行实体的提取，确定所述实体所属的技能类别包括：获取所述词组中的预设关键词，其中，所述预设关键词为与所述技能类别之间关联度大于预设阈值的词汇；利用第一模型对所述预设关键词进行编码处理，得到编码数据；利用第二模型对所述编码数据进行解码处理，得到所述实体，其中，所述实体为所述词组中用于表征所述目标对象具备所述工作技能的数据；根据预设条件，确定出所述实体所属的技能类别，其中，所述预设条件用于表征所述实体与所述技能类别之间的对应关系。3.根据权利要求2所述的方法，其特征在于，所述利用第一模型对所述预设关键词进行编码处理，得到编码数据包括：利用词向量模型对所述预设关键词进行处理，得到词向量；将所述词向量输入第一目标网络进行编码，得到所述编码数据，其中，第一模型包括所述词向量模型和所述第一目标网络。4.根据权利要求2所述的方法，其特征在于，所述利用第二模型对所述编码数据进行解码处理，得到所述实体包括：利用第一目标网络对所述编码数据进行提取，得到隐藏表征数据；利用条件随机场模型对所述隐藏表征数据进行解码，得到所述实体，其中，所述第二模型包括所述第一目标网络和所述条件随机场模型。5.根据权利要求4所述的方法，其特征在于，所述利用第二方案对所述聊天记录中的词组进行文本类别的归类，得到所述目标帐号的文本标签包括：利用第二目标网络对所述隐藏表征数据进行训练，输出所述词组归属于所述文本类别的概率数值；将最大的所述概率数值所...
【专利技术属性】
技术研发人员：徐成国，王硕，周星杰，杨康，
申请(专利权)人：上海明略人工智能集团有限公司，
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。