买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜电子科技大学申请的专利一种面向人才选拔的人物画像生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115049224B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210584909.0，技术领域涉及：G06Q10/063；该发明授权一种面向人才选拔的人物画像生成方法是由李若尘;李贞昊;雷航;桑楠;肖泾军;柳叶康设计研发完成，并于2022-05-27向国家知识产权局提交的专利申请。

本一种面向人才选拔的人物画像生成方法在说明书摘要公布了：本发明公开了一种面向人才选拔的人物画像生成方法，包括以下步骤：S1、对能力词进行管理，构建由能力根词、能力派生词、能力邻近词组成的多级语料库的体系；S2、构建能力树模型；S3、使用S2中的能力树、S1中的能力词，从员工的评价文档中生成个人的能力矩阵；S4、分析能力矩阵，匹配能够为能力词定性的定性词，并将定性词插入能力矩阵中；S5、统计员工能力矩阵并定量计算定性结果，最终生成人物画像。本发明的有益效果是：本发明采用基于自然语言文本处理的系列方法，通过评价文档对人物的能力进行抽象，使得评价维度具象化、数值化。

本发明授权一种面向人才选拔的人物画像生成方法在权利要求书中公布了：1.一种面向人才选拔的人物画像生成方法，其特征在于，包括以下步骤：S1、对能力词进行管理，构建由能力根词、能力词、能力邻近词组成的多级语料库的体系；具体实现方法为：S11、使用自然语言工具进行频率统计，选择出现频率靠前的若干单词作为能力根词Wroot；S12、将Wroot与Wtail做笛卡尔积，结果为Mcandidate，从Mcandidate中选取若干能力词Wability加入能力词词库Tw；S13、将能力词使用谷歌开源word2vec工具中的skip-gram模型和CBOW模型，利用评价文档作为语料库，映射每一个能力词Wability为一个多维空间的词向量Vability＝1,0,0,1…；S14、设定偏置参数δ；S15、定义两个词向量Va和Vb的相似度为Sim，利用改进的皮尔斯相关系数法计算，公式如下： 其中Vai、Vbi是词向量Va、Vb的第i个分量，是词向量Va、Vb的分量均值；n是词向量的维数；设定sim阈值为0.8，即：两个词向量相似度值大于0.8则认为词义相近，加入临近词词库Ts中；Ts中每一个临近词Wsim都与能力词库Tw中的一个能力词Wability相映射；S2、构建能力树模型；具体实现方法为：S21、能力树中的每一个节点为TreeNodei{}，节点中包含的信息有：本节点的节点编号Node_id、能力词编号Word_id、权重值weight、子节点列表tree_son[]，完整能力树节点结构为：TreeNodei{Nodeid,Wordid,weight,tree_son[]}；S22、新建一个能力树AbilityTreei，添加能力树的名称、描述信息；再从已有的词库Tw和Ts中选择一个能力词作为树的根节点词，新建一个能力节点TreeNodei，将能力词编号Word_id添加到TreeNodei中，再填入权重值weight、子节点列表tree_son[]；为父节点TreeNodef添加新增子能力节点TreeNodeson，并填充子能力节点的基本信息：本节点的Node_id、能力词Word_id、权重值weight、子节点列表tree_son[]；将子节点保存在上级节点的tree_son[]列表中，存储结构如：TreeNodef{tree_son[Node_idson]}；S3、使用S2中的能力树、S1中的能力词，从员工的评价文档中生成个人的能力矩阵；具体实现方法为：S31、输入待生成能力矩阵的员工编号，检索该员工所有的评价文档，利用正则表达式Z1，将评价本文划分为不同的短句Si；正则表达式Z1用标点符号逗号、句号以及空格为开头或结尾切分短句：Z1＝[^。，]*？{}[^。]*？[。，]；S32、通过能力词词库Tw和临近词词库Ts中的每一个Wability、Wsim，检索该员工的所有文档短句Si，保存含有Wability、Wsim的短句为Sr，作为下一步能力词定性的根据；S33、将短句与能力词或临近词组合为列表LiW|S|Wattr，其中Wattr为该能力词的定性指标词，默认为缺省值；S34、将员工的能力矩阵Demp_id定义为所有列表的集合，计算公式如下： S4、分析能力矩阵，匹配能够为能力词定性的定性词，并将定性词插入能力矩阵中；具体实现方法为：S41、输入员工编号emp_id，检测员工是否存在能力矩阵Demp_id，若存在能力矩阵，则对矩阵进行能力词定性；否则返回步骤S3，生成员工的能力矩阵；S42、利用自然语言处理jieba工具库中的词性标注方法，取出Demp_id中的短句Si,将Si分词，并将词性一一标注，转换为两个字符列表Charw和Charp，Charw为分词结果列表，Charp为分词词性结果列表，两个列表长度保持一致，确保词汇和词性的索引值相同，保持1对1的关系；S43、根据汉语和评价文档习惯的表达方式，将常用的表达方式抽象为词性字符，采用正则匹配模式来识别Si转换而成的词性列表Charp，从而精准匹配到能够为能力词Wi定性的定性词Wattr，将获得的结果Wattr插入到员工的能力矩阵Demp_id中；S5、统计员工能力矩阵并定量计算定性结果，最终生成人物画像；具体实现方法为：S51、构建评价映射表P，Pi＝Wattr,fscore，fscore为评价分数，取值范围为[-1,1]，评价映射表表示评价词和分数的一一对应关系；S52、遍历员工矩阵Demp_id，通过员工矩阵中的Wattr查询评价映射表P中的分数fscore，多个评价分数求平均值，作为能力的最终得分；汇总Demp_id后输出员工能力的人物画像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。