[发明专利]一种基于主题模型的职位描述文本相似度计算方法

权利要求书

1.一种基于主题模型的职位描述文本相似度计算方法，其特征在于：所述基于主题模 型的职位描述文本相似度计算方法包括以下步骤：

步骤1）职位描述文本的输入和存储：所述计算方法允许使用者通过两种方式输入职位 描述文本；

步骤2）特定特征提取：针对职位描述文本的特性，提取特定特征，如工作年限、工作地 点、工作时间、学历或专业；

步骤3）语义预处理：对待分析职位描述文本进行断句、分词、词性解析、词形还原或词 干提取的语义预处理；

步骤4）模型预处理：模型预处理将停用词和低频词过滤掉，形成主题模型的计算语料 库，过滤停用词和低频词的目的是把与文本内容不相关的词，如介词或连词从文本中删除；

步骤5）主题模型分析：采用潜层语义分析模型对语料库进行主题分析，实现语料库 中所有文本在潜层语义空间中的向量化表示；

步骤6）聚类分析：聚类分析首先组合文本在不同主题上的投影特征以及特定特征，实 现职位描述文本的精确表示，然后将向量化后的文本进行聚类，特征相似的职位描述文本 将被划分为一类；

步骤7）职位描述文本相似度计算：基于组合特征如文本在不同主题上的投影特征以及 特定特征的文本相似度计算，通过职位描述文本相似度计算，用户便能够量化分析职位信 息的相似程度。

2.根据权利要求1所述的一种基于主题模型的职位描述文本相似度计算方法，其特征 在于：所述步骤1中的两种方式分别指：第一种方式是用户指定网络地址，系统获取存储在 互联网上的文本；第二种方式是用户直接在服务器端输入需要处理的文本，海量文本数据 采用分布式存储方式存储。

3.根据权利要求1所述的一种基于主题模型的职位描述文本相似度计算方法，其特征 在于：所述步骤5中的潜层语义分析模型是在传统向量空间模型的基础上，将文本映射为主 题表示空间中的向量，利用主题模型，提取职位描述文本在不同主题上的投影特征。

4.根据权利要求1所述的一种基于主题模型的职位描述文本相似度计算方法，其特征 在于：所述步骤6中的投影特征以及特定特征是指工作年限、工作地点、工作时间、学历或专 业。