【技术实现步骤摘要】
本专利技术涉及岗位匹配，具体为基于大数据的动态技能演变预测与岗位匹配方法及系统。
技术介绍
1、随着大数据和人工智能技术的迅速发展，个人技能管理和岗位匹配领域已经经历了显著的变革。传统的岗位匹配方法主要依赖于简历筛选和人力资源专家的判断，这种方法往往无法准确捕捉到求职者的全面技能和潜在能力，同时也忽视了行业技能需求的动态变化。近年来，基于大数据分析的技能评估和岗位匹配系统逐渐兴起，这些系统通过分析大量的在线课程、职位描述和行业报告，能够更准确地识别出行业的技能需求和个人的技能缺口。
2、然而，现有的技术在处理动态变化的市场需求和个人技能发展方面仍存在不足。许多系统依然采用静态的技能评估模型，无法有效预测技能的发展趋势和行业的未来需求。此外，现有的岗位匹配算法往往忽略了个人的职业兴趣和学习能力，导致推荐的岗位与求职者的实际需求不符。
3、针对这些问题，本专利技术提出了一种基于大数据的动态技能演变预测与岗位匹配方法及系统。该专利技术通过采集个人技能数据和行业趋势数据，构建动态技能图谱模型，不仅能够实时反映市场的技能需求，还能预测个人技能的发展方向。此外，该系统还结合了个人的职业兴趣和学习能力，为求职者提供更加个性化和准确的岗位推荐。这种方法不仅提高了岗位匹配的准确性，还为个人职业发展提供了有价值的指导。
技术实现思路
1、专利技术目的：针对现有的岗位匹配方法存在仅能进行静态预测，预测精度不足，以及如何结合未来人员技能提升和岗位变化进行岗位推荐的问题，本专利技术旨
2、为解决上述技术问题，本专利技术提供如下技术方案。
3、一种基于大数据的动态技能演变预测与岗位匹配方法，包括采集个人技能数据以及行业趋势和岗位需求数据；构建动态技能图谱模型，输出个人技能与市场需求技能关联性；提取关键技能进行岗位技能权重分析，构建动态岗位推荐模型，进行未来岗位推荐。
4、上述方案中，所述构建动态技能图谱模型包括设定技能集合为s＝{s1,s2,…,sn}，其中每个si表示专业技能，构建技能关联矩阵a，技能关联强度表示为：
5、
6、
7、其中，m是简历总数，wk是第k个简历的权重，sj表示市场特定需求专业技能和新型技术需求专业技能，当个人技能的和sj的总匹配度平均值低于30％视为求职者缺少岗位适配性，选择关联性最高的需求技能进行后续匹配。
8、进一步地，所述采集个人技能数据以及行业趋势和岗位需求数据包括收集个人技能数据包括教育背景、工作经历、专业技能特殊技能；
9、收集行业趋势和岗位需求数据包括行业的技能需求变化、新兴技术的专业技能需求、市场对特定技能的需求。
10、进一步地，所述构建动态技能图谱模型还包括通过改进的arima模型计算技能的发展趋势，表示为：
11、
12、其中，α表示技能发展趋势的基线水平常数，β表示市场需求的影响系数，xt表示市场需求，γ表示行业周期性影响系数，st表示行业周期性，φp表示自回归项的系数，yt-p表示时间t到时间p的技能发展趋势斜率值，θq表示过去q时期的误差项对当前趋势的影响，∈t-q表示时间t和q的误差项，∈t表示时间t的误差项，p表示自回归项的阶数，q表示移动平均项的阶数，分别计算si和sj的发展趋势，技能i和技能j的时间序列相关性tij表示为：
13、tij＝corr(yit,yjt)
14、其中，corr表示衡量yit和yjt之间的线性关系强度的相关系数；
15、构建技能演变模型，表示为：
16、
17、将全部技能输入模型，输出个人技能与市场需求技能关联性。
18、进一步地，所述提取关键技能进行岗位技能权重分析包括析岗位描述，识别并提取关键技能k，计算技能k的岗位权重，表示为：
19、
20、其中，tf(kk)表示第k个关键技能的词频，df(kk)表示包含第k个关键技能的文件数量，kk表示第k个关键技能，n为总文档数量。
21、上述方案中，所述构建动态岗位推荐模型包括计算关键技能k的岗位权重wi；
22、结合技能演变指数ei构建岗位技能演变指数pk，表示为：
23、
24、感觉岗位演变指数计算职位匹配度，表示为：
25、m＝ω1·aij+ω2·i+ω3·pk
26、其中，i表示求职者对岗位的职业兴趣，ω1、ω2、ω3表示权重。
27、上述方案中，所述构建动态岗位推荐模型还包括当技能j为关键技能时且技能i和技能j为关联性最高的需求技能，则将技能i作为关键技能计算技能i的演变指数pi，表示为：
28、
29、系统根据输出数值进行推荐。
30、基于上述基于大数据的动态技能演变预测与岗位匹配方法的实施，本专利技术可实现一种基于大数据的动态技能演变预测与岗位匹配系统，包括数据采集模块，关联性计算模块，岗位推荐模块；
31、所述数据采集模块用于采集个人技能数据以及行业趋势和岗位需求数据；
32、所述关联性计算模块用于构建动态技能图谱模型，输出个人技能与市场需求技能关联性；
33、所述岗位推荐模块用于提取关键技能进行岗位技能权重分析，构建动态岗位推荐模型，进行未来岗位推荐。
34、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序是实现基于大数据的动态技能演变预测与岗位匹配方法的步骤。
35、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于大数据的动态技能演变预测与岗位匹配方法的步骤。
36、有益效果：本专利技术提供的基于大数据的动态技能演变预测与岗位匹配方法通过构建动态技能图谱模型个人可以发现自己技能的潜在市场价值和发展方向，企业也能更准确地找到符合岗位需求的成长型人才。提取关键技能进行岗位技能权重分析，通过精确的岗位技能权重分布和动态推荐，求职者可以更有针对性地提升自己的技能，增加了职业发展的可能性和多样性。本专利技术在灵活性、精确性以及求职多样性方面都取得更加良好的效果。
本文档来自技高网...【技术保护点】
1.一种基于大数据的动态技能演变预测与岗位匹配方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的动态技能演变预测与岗位匹配方法，其特征在于：所述采集个人技能数据以及行业趋势和岗位需求数据包括收集个人技能数据包括教育背景、工作经历、专业技能特殊技能；
3.根据权利要求1所述的基于大数据的动态技能演变预测与岗位匹配方法，其特征在于：所述构建动态技能图谱模型还包括通过改进的ARIMA模型计算技能的发展趋势，表示为：
4.如权利要求1所述的基于大数据的动态技能演变预测与岗位匹配方法，其特征在于：所述提取关键技能进行岗位技能权重分析包括析岗位描述，识别并提取关键技能K，计算技能K的岗位权重，表示为：
5.根据权利要求1所述的基于大数据的动态技能演变预测与岗位匹配方法，其特征在于：所述构建动态岗位推荐模型包括计算关键技能K的岗位权重Wi；
6.如权利要求1所述的基于大数据的动态技能演变预测与岗位匹配方法，其特征在于：所述构建动态岗位推荐模型还包括当技能j为关键技能时且技能i和技能j为关联性最高的需求技能，则将技能i作为关
7.一种采用如权利要求1-6任一所述的基于大数据的动态技能演变预测与岗位匹配方法的系统，其特征在于：包括数据采集模块，关联性计算模块，岗位推荐模块；
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的基于大数据的动态技能演变预测与岗位匹配方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的基于大数据的动态技能演变预测与岗位匹配方法的步骤。
...【技术特征摘要】
1.一种基于大数据的动态技能演变预测与岗位匹配方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的动态技能演变预测与岗位匹配方法，其特征在于：所述采集个人技能数据以及行业趋势和岗位需求数据包括收集个人技能数据包括教育背景、工作经历、专业技能特殊技能；
3.根据权利要求1所述的基于大数据的动态技能演变预测与岗位匹配方法，其特征在于：所述构建动态技能图谱模型还包括通过改进的arima模型计算技能的发展趋势，表示为：
4.如权利要求1所述的基于大数据的动态技能演变预测与岗位匹配方法，其特征在于：所述提取关键技能进行岗位技能权重分析包括析岗位描述，识别并提取关键技能k，计算技能k的岗位权重，表示为：
5.根据权利要求1所述的基于大数据的动态技能演变预测与岗位匹配方法，其特征在于：所述构建动态岗位推荐模型包括计算关键技能k的岗位权重wi...
【专利技术属性】
技术研发人员：李旭，常浩元，张清源，郑旭雯，韩悦，刘雅文，
申请(专利权)人：南京航空航天大学，
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。