[发明专利]基于数据挖掘的职业能力指标体系构建方法

权利要求书

1.一种基于数据挖掘的职业能力指标体系构建方法，其特征在于，该方法包括数据采集、数据预处理、数据变换、数据分析、解释评价五个步骤，各个步骤具体为：

(1)数据采集：首先设定岗位，并输入岗位的基本信息，岗位设定后，进行招聘信息的收集；

(2)数据预处理：系统从收集到的招聘信息中，根据系统设定的过滤词库，将与职业能力无关的词语、符号、数字、虚词等过滤掉，形成岗位要求关键词库，之后系统根据关键词出现的频次和比重，对关键词进行汇总，并进行权重的分配和计算；

(3)数据变换：当所有的关键都通过审查并且计算得到权重后，则进行关键词结构化，形成关键词树，针对得到的关键词树进行审查，如果通过审查则进行指标体系层级的设定，如果有剩余没有结构化的关键词，则需要进入设置学科体系；

(4)数据分析：系统针对已经通过审查的关键词树进行指标体系层级的设定，并进行关键词树的标准化，并在标准化的同时，系统会根据每一指标的权重值进行加权汇总，计算出各能力指标在总指标中所占的权重和比例；

(5)解释评价：系统根据指标体系管理员设定的层级数对关键词树进行修正和调整，并对各指标体系的权重进行重新汇总计算，形成指标体系。

2.根据权利要求1所述的方法，其特征在于，步骤(1)中招聘信息的收集具体为：系统按照设定的岗位、级别收集大量的岗位招聘要求，并存储到招聘信息库中。

3.根据权利要求1所述的方法，其特征在于，步骤(2)中权重的计算具体为：

在一个招聘信息中，各个关键词所占的权重值的总和：

R=Σ1nTi(i∈(1-n),0<Ti<1)]]>

其中Ti为一个招聘信息中每个关键词的权重值，同一招聘信息中各个关键词权重值之和R应为100％。

同一关键词的汇总权重值：

S=Σ1mAi(i∈(1-m),0<Ai<1)]]>

Ai为该关键词在各招聘信息中的权重值。

4.根据权利要求1所述的方法，其特征在于，步骤(3)还包括，系统中有一个知识体系的树，有一个根节点，但根据各岗位涉及的科目不同，会在根节点下设立各个学科的分支。

5.根据权利要求1所述的方法，其特征在于，步骤(4)中的加权具体为：对体系中所有测评指标进行纵向比较，然后根据每个指标在体系中的重要性，给每个指标分配0-1中的一个值，得到该指标的加权值，所有加权值总和为1。

6.根据权利要求1所述的方法，其特征在于，步骤(4)中的权重的计算具体为：

Rj=SiΣSi*100%(i∈(1-q),0<Rj<1)]]>

q为测评指标的数量，Si是测评指标中第i的一项的权值，其中i为1～q，所以Si的求和为总的权值，Sj为第j项的权值，最后求得的结果为Rj，是第j项的权重值。