【技术实现步骤摘要】
本公开涉及计算机，尤其涉及一种基于知识图谱的信息推荐方法、装置及电子设备。
技术介绍
1、科技人才是科技创新经济发展的首要驱动力。如何发现、培养、留住、吸引、使用人才，是各企业在当今日趋严峻的竞争中取得优势的重要研究方向。同时，当今的时代是数据的时代，如今大数据分析已经在各行各业产生了广泛的应用和深远的影响。因此，如何对人才相关的大数据进行分析，以准确地为各个企业提供满足其需求的推荐信息成为重点的研究方向。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
2、本公开第一方面实施例提出了一种基于知识图谱的信息推荐方法，包括：
3、获取多源异构人才数据；
4、对所述人才数据进行处理，以构建人才知识图谱；
5、根据所述人才知识图谱，生成人才库，其中，所述人才库中包括每个人才对应的画像；
6、接收业务请求，其中，所述业务请求中包含业务类型；
7、调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息。
8、可选的，所述调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息，包括：
9、响应于所述业务类型为简历真实性评价业务，根据所述业务请求中包含的简历，构建所述简历对应的求职人员的第一画像；
10、从所述人才库中获取所述求职人
11、根据所述第一画像与所述第二画像间的第二匹配度，生成所述推荐信息，其中，所述推荐信息包括简历真实性评价结果。
12、可选的，在所述根据所述第一画像与所述第二画像间的第二匹配度，生成所述推荐信息之前，还包括：
13、获取所述第一画像对应的第一标签集，及所述第二图像对应的第二标签集；
14、将所述第一标签集与所述第二标签集相交，以获取第三标签集；
15、从所述第一画像中获取所述第三标签集中每个标签对应的第一特征数据；
16、从所述第二画像中获取所述第三标签集中每个标签对应的第二特征数据；
17、根据所述第一特征数据及所述第二特征数据，确定所述第三标签集中每个标签对应的第三匹配度；
18、根据所述第三匹配度，确定所述第一画像与所述第二画像间的所述第二匹配度。
19、可选的，在所述根据所述第一画像与所述第二画像间的第二匹配度，生成所述推荐信息之后，还包括：
20、响应于所述简历真实性评价结果的评分大于阈值，确定所述第一标签集中的每个标签是否包含于所述第二标签集中；
21、响应于所述第一标签集中任一标签未包含于所述第二标签集，根据所述第一画像中所述任一标签及对应的特征数据，对所述第二画像进行更新。
22、可选的，所述调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息，包括：
23、响应于所述业务类型为招聘方向推荐业务，根据所述业务请求中包含的企业名称，从所述人才库中获取与所述企业名称相同的人才对应的画像；
24、对与所述企业名称相同的人才对应的画像中包含的科研成果进行聚类，以获取聚类结果；
25、根据所述聚类结果及所述业务请求中包含的企业发展策略，生成所述推荐信息，其中，所述推荐信息中包括招聘计划、人才猎聘计划及人力资源布局。
26、可选的，所述调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息，包括：
27、响应于所述业务类型为招聘人才推荐业务，根据所述业务请求中包含的招聘岗位，从所述人才库中获取与所述招聘岗位对应的候选人才的画像；
28、确定每个所述候选人才的画像与所述业务请求中包含的招聘信息间的第一匹配度；
29、根据所述第一匹配度，生成所述推荐信息，其中，所述推荐信息包括推荐人才列表及推荐人才画像。
30、本公开第二方面实施例提出了一种基于知识图谱的信息推荐装置，包括：
31、第一获取模块，用于获取多源异构人才数据；
32、第一处理模块，用于对所述人才数据进行处理，以构建人才知识图谱；
33、第一生成模块，用于根据所述人才知识图谱，生成人才库，其中，所述人才库中包括每个人才对应的画像；
34、接收模块，用于接收业务请求，其中，所述业务请求中包含业务类型；
35、第二生成模块，用于调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息。
36、可选的，所述第二生成模块，具体用于：
37、响应于所述业务类型为简历真实性评价业务，根据所述业务请求中包含的简历，构建所述简历对应的求职人员的第一画像；
38、从所述人才库中获取所述求职人员对应的第二画像；
39、根据所述第一画像与所述第二画像间的第二匹配度，生成所述推荐信息，其中，所述推荐信息包括简历真实性评价结果。
40、可选的，所述第二生成模块，还具体用于：
41、获取所述第一画像对应的第一标签集，及所述第二图像对应的第二标签集；
42、将所述第一标签集与所述第二标签集相交，以获取第三标签集；
43、从所述第一画像中获取所述第三标签集中每个标签对应的第一特征数据；
44、从所述第二画像中获取所述第三标签集中每个标签对应的第二特征数据；
45、根据所述第一特征数据及所述第二特征数据，确定所述第三标签集中每个标签对应的第三匹配度；
46、根据所述第三匹配度，确定所述第一画像与所述第二画像间的所述第二匹配度。
47、可选的，所述第二生成模块，还具体用于：
48、响应于所述简历真实性评价结果的评分大于阈值，确定所述第一标签集中的每个标签是否包含于所述第二标签集中；
49、响应于所述第一标签集中任一标签未包含于所述第二标签集，根据所述第一画像中所述任一标签及对应的特征数据，对所述第二画像进行更新。
50、可选的，所述第二生成模块，具体用于：
51、响应于所述业务类型为招聘方向推荐业务，根据所述业务请求中包含的企业名称，从所述人才库中获取与所述企业名称相同的人才对应的画像；
52、对与所述企业名称相同的人才对应的画像中包含的科研成果进行聚类，以获取聚类结果；
53、根据所述聚类结果及所述业务请求中包含的企业发展策略，生成所述推荐信息，其中，所述推荐信息中包括招聘计划、人才猎聘计划及人力资源布局。
54、可选的，所述第二生成模块，具体用于：
55、响本文档来自技高网...
【技术保护点】
1.一种基于知识图谱的信息推荐方法，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，所述调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息，包括：
3.根据权利要求2所述的方法，其特征在于，在所述根据所述第一画像与所述第二画像间的第二匹配度，生成所述推荐信息之前，还包括：
4.根据权利要求3所述的方法，其特征在于，在所述根据所述第一画像与所述第二画像间的第二匹配度，生成所述推荐信息之后，还包括：
5.根据权利要求1所述的方法，其特征在于，所述调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息，包括：
6.根据权利要求1所述的方法，其特征在于，所述调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息，包括：
7.一种基于知识图谱的信息推荐装置，其特征在于，包括：
8.根据权利要求7
9.根据权利要求8所述的装置，其特征在于，所述第二生成模块，还具体用于：
10.根据权利要求9所述的装置，其特征在于，所述第二生成模块，还具体用于：
11.根据权利要求7所述的装置，其特征在于，所述第二生成模块，具体用于：
12.根据权利要求7所述的装置，其特征在于，所述第二生成模块，具体用于：
13.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-6中任一所述的基于知识图谱的信息推荐方法。
14.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的基于知识图谱的信息推荐方法。
15.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序在被处理器执行时实现如权利要求1-6中任一项所述的基于知识图谱的信息推荐方法。
...【技术特征摘要】
1.一种基于知识图谱的信息推荐方法，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，所述调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息，包括：
3.根据权利要求2所述的方法，其特征在于，在所述根据所述第一画像与所述第二画像间的第二匹配度，生成所述推荐信息之前，还包括：
4.根据权利要求3所述的方法，其特征在于，在所述根据所述第一画像与所述第二画像间的第二匹配度，生成所述推荐信息之后，还包括：
5.根据权利要求1所述的方法，其特征在于，所述调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息，包括：
6.根据权利要求1所述的方法，其特征在于，所述调用所述业务类型对应的处理策略，对所述业务请求及所述人才库中每个所述人才的画像进行处理，以生成所述业务请求对应的推荐信息，包括：
7.一种基于知识图谱的信息推荐装置，其特征在于，...
【专利技术属性】
技术研发人员：张成刚，石洋，周全，李硕，梁雪莹，高鸿秋，
申请(专利权)人：国家电投集团科学技术研究院有限公司，
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。