基于深度学习的职业特征向量提取方法、装置及设备制造方法及图纸

本申请涉及一种基于深度学习的职业特征向量提取方法、装置及设备。所述方法包括：获取在线职业网络中多个样本的简历数据，通过提取简历数据中的职业流动轨迹，构建职业流动网络；其中，职业流动网络包括节点、边以及每条边对应的权重；在职业流动网络中释放随机游走器，根据随机游走器的游走序列生成职业路径；根据职业路径中职业间的关联程度提取路径共性并构建路径共性矩阵，将路径共性矩阵输入深度自编码器进行训练迭代，输出得到简历数据中每种职业的职业特征向量。采用本方法能够通过深度学习提取包含职业自身信息和职业间相互联系的职业特征向量，增强了职业特征提取结果的全面性和准确性。

【技术实现步骤摘要】

本申请涉及数据处理，特别是涉及一种基于深度学习的职业特征向量提取方法、装置及设备。

技术介绍

1、在劳动力与人力资源管理领域中，与职业相关的研究往往以定性为主，对职业的特征描述依赖于简单化的文字表述，或职业特定属性，如工作头衔或行业分类。随着科技与经济发展，定性的方法难以适应快速变化的就业市场，也忽视了职业及职业间关系的复杂性。因此，有必要借助大数据与深度学习技术改进职业特征提取方法，以增强职业特征提取结果的全面性和准确性。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于深度学习的职业特征向量提取方法、装置及设备。

2、一种基于深度学习的职业特征向量提取方法，所述方法包括：

3、获取在线职业网络中多个样本的简历数据，通过提取简历数据中的职业流动轨迹，构建职业流动网络；其中，职业流动网络包括节点、边以及每条边对应的权重；

4、在职业流动网络中释放随机游走器，根据随机游走器的游走序列生成职业路径；

5、根据职业路径中职业间的关联程度提取路径共性并构建本文档来自技高网...

【技术保护点】

1.一种基于深度学习的职业特征向量提取方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，通过提取简历数据中的职业流动轨迹，构建职业流动网络，包括：

3.根据权利要求2所述的方法，其特征在于，在所述职业流动网络中释放随机游走器，根据所述随机游走器的游走序列生成职业路径，包括：

4.根据权利要求3所述的方法，其特征在于，所述随机游走器在所述职业流动网络中的转移概率表示为

5.根据权利要求1所述的方法，其特征在于，根据所述职业路径中职业间的关联程度提取路径共性并构建路径共性矩阵，包括：

6.根据权利要求5所述...

【技术特征摘要】

1.一种基于深度学习的职业特征向量提取方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，通过提取简历数据中的职业流动轨迹，构建职业流动网络，包括：

3.根据权利要求2所述的方法，其特征在于，在所述职业流动网络中释放随机游走器，根据所述随机游走器的游走序列生成职业路径，包括：

4.根据权利要求3所述的方法，其特征在于，所述随机游走器在所述职业流动网络中的转移概率表示为

5.根据权利要求1所述的方法，其特征在于，根据所述职业路径中职业间的关联程度提取路径共性并构建路径共性矩阵，包括：

6.根据权利要求5所...

【专利技术属性】
技术研发人员：黄山，刘阳，贺仁杰，刘嘉敏，王涛，沈大勇，张忠山，姚锋，闫俊刚，王沛，程力，潘雨，陈宇宁，陈盈果，刘晓路，杜永浩，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：