[发明专利]基于文本履历信息的信息可视化方法及智能可视分析系统

说明书

技术领域

本发明属于计算机应用技术领域，涉及一种基于文本履历信息的智能可视分析系统及信息可视化方法。

背景技术

履历信息是一种总结个人经历的信息，它存在于履历数据中，主要包括个人基本信息以及个人经历资料的简要说明。个人基本信息包括姓名、性别、出生年月、民族、教育程度、政治面貌、宗教信仰、主要家庭成员、主要社会关系、婚姻与个人健康状况等。个人经历作为履历的重要内容通常包括个人过去的学习经历、任职经历等。

个人履历数据作为人员测评的重要依据，它从多个方面反映了个人过去的行为以及当前的能力。履历分析基于履历数据所体现出来的人员过去的行为来预测将来的行为，从而广泛应用于各企事业单位的人事选拔与招聘，政府部门的干部考核与管理，以及科技人才流动研究与评价。

随着信息技术的不断发展，近年来电子履历数据呈爆炸方式增长与传播。电子履历从来源上划分主要包括：①存在于互联网上的公开履历；②存在于各企事业单位以及人才招聘系统中的非公开履历。此外，电子履历从形态上划分可以分为结构化履历和非结构化履历两种：①结构化履历。通常为表格形式，来源于人事招聘系统或单位内部的管理系统，其履历结构较规范且固定，便于统一管理。但是，结构化履历因其结构固定且扩展性较弱，很难对其进行基于语义的深层次分析。②非结构化履历。通常为文本形式，其来源较广，例如互联网各大新闻站点或社交媒体。非结构化履历结构多样，不便于统一分析与管理。但是，非结构化履历因其以文本作为载体，其中往往蕴含丰富的语义信息，故可以对其进行基于语义的智能分析，例如语义查找与分类等任务。

与此同时，随着履历数据量的不断增加，传统的基于人工的履历分析方法因其效率较低，在快速处理大量履历数据的任务中往往显得力不从心。因此，依靠计算机强大处理能力的履历分析系统(Curriculum Vitae Analysis System，CVAS)应运而生。CVAS主要针对结构化履历数据进行自动化的履历分析与管理。它借助于计算机其强大的处理与分析能力，能够基于履历数据快速过滤不符合要求的履历，大大提高履历分析的效率。而且，它也可以根据具体应用需求，对履历数据进行定量分析与科学评估，使得履历分析结构更加合理可靠。所以，近年来CVAS越来越受到企事业单位人事管理部门的重视，被广泛地用于人员选拔等人事资源管理活动中。

综上所述，履历分析技术的发展经历了最初的手工分析技术，到互联网时代下的计算机自动分析技术。尤其是近年来出现的CVAS，运用计算机强大处理能力极大地提高了履历分析的效率，得到了各领域的广泛应用。

但是，现有CVAS依然存在着如下不足之处：(1)当前系统不适用于针对非结构化履历数据的分析。非结构化履历通常为纯文本形式存储(例如txt、word、pdf等形式)，格式不统一且变化较大，很难直接应用于当前的CVAS。换句话说，当前CVAS缺乏将非结构化履历转化为结构化履历的能力。(2)当前系统的分析能力主要体现在简单规则下的定性分析与定量计算(例如履历筛选与打分)以及统计管理方面(例如生成履历信息报表)，而忽略了对于履历中所蕴含的潜在模式的智能挖掘以及直观可视分析，尤其是忽略了从履历中挖掘出个人成长模式以及对于成长模式的直观可视化，从而无法帮助用户完成一些复杂任务，例如基于语义的履历查找与分类、人事任免推荐、职业生涯规划等。(3)当前系统仅针对单个履历进行孤立分析，而忽视了履历之间的关联性。履历间的潜在关联能够反映人员之间的潜在社交关系，该关系由个人的潜在经历交集产生，例如同学、同事、同乡、战友、合作者、竞争对手等关系。基于该关系能够还原并构建出人员之间的潜在社交网络，该网络对于履历的科学管理、用户掌握人员间的潜在社会关联、发现人员间的组织机构层级关系从而获得深层次认知能够起到促进作用。

发明内容

本发明技术解决的问题：克服现有方法与系统的不足，提供一种基于文本履历信息的智能可视分析系统及信息可视化方法，充分利用履历数据中的潜在模式信息，基于自然语言处理、数据挖掘、机器学习以及信息可视化技术构建履历信息可视分析环境，帮助用户理解履历中的潜在成长模式及履历间的潜在关联信息，从而为基于语义的履历查找与分类、人事任免推荐、职业生涯规划以及人际关系把握等任务提供支持。该发明技术为通用框架，旨在发现履历数据中所蕴含的潜在成长模式以及人员间的潜在社交关系，并将这些模式特征以及社交关系以直观的可视化方式加以表达。它可以广泛应用于职员履历、干部履历、企业高管履历以及科研人员履历的智能挖掘及信息可视化领域。