一种基于关键特征的人员编现匹配程度计算方法及装置制造方法及图纸

本发明专利技术适用于运筹学和人员编现领域，提供了一种基于关键特征的人员编现匹配程度计算方法及装置，所述方法包括：S1.自动获取和提取人员编现关键特征；S2.计算人员编现关键特征匹配率；包括根据人员编现关键特征文本描述，以及文本相似度情况，从多个维度设计关键特征计算公式，得到岗位

【技术实现步骤摘要】
一种基于关键特征的人员编现匹配程度计算方法及装置


[0001]本专利技术涉及自然语言处理、运筹学和人员编现等问题，具体涉及基于关键特征的人员编现匹配程度计算方法及装置。

技术介绍

[0002]人员编现匹配程度，是有效衡量某个单位编制与实有人数规模的重要指标，是客观掌握编制岗位与实有人员能力素质、专业知识和年龄结构的重要标准。人员编现匹配程度计算，是指运用科学方法，提取人员编现关键特征，并依据编制文本描述和实际文本描述的关键特征相似度，计算某个单位实有人员与编制岗位的匹配程度，不仅简单考虑实有人数与编制人数，还要综合考虑岗位、等级、专业等关键特征，改进过去仅通过实有人数除以编制人数作为衡量人员编现匹配程度的传统做法。如何运用现代化的理论、方法和工具，根据原始数据库提取人员编现关键特征，依据人员编制和实有人员关键特征文本数据，科学计算人员编现匹配程度，运筹于模型之中、决胜于数据之上，达到“岗位最优匹配、专业最优匹配、等级最优匹配、数量最优匹配”等目标，实现“用数据说匹配度、用数据管理人员、用数据优化编制、用数据规划成长”，已经成为人员现代化建设的重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于关键特征的人员编现匹配程度计算方法，其特征在于：包括如下步骤：S1.自动获取和提取人员编现关键特征；S2.根据人员编现关键特征，计算人员编现关键特征匹配率；包括根据人员编现关键特征文本描述，以及文本相似度情况，从多个维度设计关键特征计算公式，得到岗位
‑
等级
‑
专业关键特征组合匹配率、岗位
‑
等级关键特征组合匹配率、岗位
‑
专业关键特征组合匹配率、等级
‑
专业关键特征组合匹配率、单岗位关键特征匹配率、超编调节系数；S3.根据人员编现关键特征匹配率计算人员编现匹配程度。2.根据权利要求1所述的人员编现匹配程度计算方法，其特征在于：所述步骤S1提取人员编现关键特征包括：S11.自动获取人员编现特征；从存储有人员编现的结构化数据库中获取岗位X
gw
、等级X
dj
、专业X
zy
、学历X
xl
、经历X
jl
人员编现特征；所述人员编现特征在结构化数据库中以数据库字段体现，属性均为字符型；其中，岗位X
gw
，是指特定组织人员承担的岗位类型；等级X
dj
，是指从事相关工作并在相应岗位人员的待遇等级；专业X
zy
，是指人员的学科背景或具备的专业技术技能；学历X
xl
，是指人员的学历情况；经历X
jl
，是指人员的从事工作的简要经历情况；S12.提取人员编现关键特征；采用最大化信息系数法(MIC)计算两两人员编现特征之间的关联性，得到关键特征。3.根据权利要求2所述的人员编现匹配程度计算方法，其特征在于：S12.提取人员编现关键特征；采用最大化信息系数法(MIC)计算两两人员编现特征之间的关联性，得到关键特征包括：S121.计算成对主要特征的MIC值，共得到10个指标MIC
gd
，MIC
gz
，MIC
gx
，MIC
gj
，MIC
dz
，MIC
dx
，MIC
dj
，MIC
zx
，MIC
zj
，MIC
xj
，分别代表岗位
‑
等级，岗位
‑
专业，岗位
‑
学历，岗位
‑
经历，等级
‑
专业，等级
‑
学历，等级
‑
经历，专业
‑
学历，专业
‑
经历和学历
‑
经历间的MIC指数，计算公式如下：式如下：I(x,y)表示特征的互信息；MIC(x,y)表示特征互信息系数；x和y分别表示特征；a和b表示x和y特征方向上的网格分布；B为变量为数据量的0.6次方；p(x,y)为联合概率密度分布函数；S122.构建关键特征集，选取与其他特征关联性均小于阈值的特征加入该集合；S123.存在较强关联的特征对中，选取与其余特征关联MIC平均值较小的特征加入关键特征集；经过上述步骤，提取到的关键特征包括岗位X
gw
、等级X
dj
、专业X
zy
3个关键特征。4.根据权利要求1所述的人员编现匹配程度计算方法，其特征在于：所述步骤S2根据人员编现关键特征，计算人员编现关键特征匹配率包括：S21.自动提取关键特征文本描述；通过人员编现结构化文本中提取岗位X
gw
、等级X
dj
、专业X
zy
3个关键特征的文本描述；
S22.分析人员编现匹配关键特征文本相似度；(1)岗位X
gw
关键特征文本描述相似度分析，是指编制文本有关人员岗位的描述与实际文本中有关人员岗位描述的相似度，基于开源中文词向量的余弦距离，计算相似度值，具体公式如下：W1，W2，分别是编制文本有关人员岗位的描述与实际文本中有关人员岗位描述基于开源预训练语言模型训练生成的文本嵌入表示；对于较长文本，另一可选的策略是采用词嵌入的加权和作为文本的嵌入表示；(2)等级X
dj
关键特征文本描述相似度分析，是指编制文本有关人员等级的描述与实际文本中有关人员等级的描述的相似度；W1，W2分别是编制文本有关人员等级的描述与实际文本中有关人员等级的描述基于开源预训练语言模型训练生成的文本嵌入表示；(3)专业X
zy
关键特征文本描述相似度分析，是指编制文本有关专业的描述与实际文本中有关专业的描述的相似度；基于开源中文词向量的余弦距离，计算相似度值，具体公式如下：W1，W2分别是编制文本有关专业的描述与实际文本中有关专业的描述基于开源预训练语言模型训练生成的文本嵌入表示；S23.计算人员编现关键特征匹配率；根据人员编现关键特征文本描述，以及文本相似度情况，从多个维度设计关键特征计算公式，包括岗位
‑
等级
‑
专业关键特征组合匹配率、岗位
‑
等级关键特征组合匹配率、岗位
‑
专业关键特征组合匹配率、等级
‑
专业关键特征组合匹配率、单岗位关键特征匹配率、超编调节系数；(1)岗位
‑
等级
‑
专业关键特征组合匹配率，是指实有人员与编制人员在岗位、等级和专业等3个方面关键特征文本相似度都满足要求gw≥0.7，dj＝1，zy＝1的人数占比，计算公式如下：其中，gdz(lv)表示岗位
‑
等级
‑
专业关键特征组合匹配率；i(gdz)表示实有人员与编制人员在岗位、等级和专业等3个方面关键特征文本相似度满足要求的人数；n表示人数；(2)...

【专利技术属性】
技术研发人员：李晓松，林晗，孙亚洲，吕彬，袁晶晶，庄蓓蓓，
申请(专利权)人：中国人民解放军军事科学院军事科学信息研究中心，
类型：发明
国别省市：