人才综合能力分析方法、装置、存储介质及终端设备与流程

1.本发明涉及数据处理的技术领域，尤其是涉及一种人才综合能力分析方法、装置、存储介质及终端设备。
2.

背景技术：

3.随着现在海归人士回国就业以及现在大学教育的普及，每年毕业季都有大量应届毕业生在向各个正在招聘的公司投递简历，导致正在招聘的公司的每一个公开招聘的岗位都能接收到大量的简历投递。由于每个应聘的人员的经历、学识以及学历都不相同，每一份简历中记录的信息千差万别。如何在海量的简历投递中快速准确的找到与招聘的岗位相匹配的人才，成了难题。
4.在现有方案中，为节约时间和成本，招聘的公司的人事员工通常采用简单粗暴的卡学历手段作为简历的筛选条件。虽然这一手段能快速将一些低质量简历筛除，但同时也会将一些适配招聘岗位的人才也一并筛除，并且仅通过学历来判断简历对应的应聘人员是否符合招聘岗位的要求也并不适用于社会招聘这个看重工作经验的招聘场景。因此，现有技术无法对每一简历对应的应聘人员进行可视化的能力评判，也无法快速准确的筛选到与招聘岗位相匹配的人才。
5.

技术实现要素：

6.本发明实施例的目的是提供一种人才综合能力分析方法、装置、存储介质及终端设备，其能够实现对每应聘人员进行可视化的能力评判，快速准确的筛选到与待招聘岗位相匹配的人才。
7.为了解决上述技术问题，在第一方面，本发明实施例提供了一种人才综合能力分析方法，包括：从候选人才数据库中调取若干应聘人员的简历信息，对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集；根据待招聘职位的招聘信息确定若干目标标签；计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度；若所述语义匹配度大于预设阈值，则生成所述应聘人员与所述目标标签的映射关系；根据各个所述应聘人员所映射的所述目标标签，生成各个所述应聘人员的标签画像；基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数。
8.作为其中一种优选方案，所述根据待招聘职位的招聘信息确定若干目标标签，具
体包括：从待招聘职位的招聘信息中提取关键词，得到招聘关键词合集；设置所述招聘关键词合集中的各个关键词为目标标签。
9.作为其中一种优选方案，所述计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度，具体包括：对于每一所述目标标签，将所述目标标签与各个所述应聘人员的简历关键词合集输入词语关联匹配模型，以进行语义匹配度计算。
10.作为其中一种优选方案，所述基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数，具体包括：基于预设标签权重规则对每一所述应聘人员的所述标签画像包含的各个所述目标标签进行赋权；根据每一所述应聘人员的所述标签画像包含的赋权后的目标标签计算得到每一所述应聘人员的能力系数。
11.作为其中一种优选方案，所述根据每一所述应聘人员的所述标签画像包含的赋权后的目标标签计算得到每一所述应聘人员的能力系数，具体包括：对于每一所述应聘人员，通过神经网络对所述应聘人员的所述标签画像包含的各个赋权后的目标标签进行卷积，得到含权特征数据；将每一所述应聘人员对应的所述含权特征数据求和后进行归一化处理，生成每一所述应聘人员的能力系数。
12.作为其中一种优选方案，在基于预设标签权重对每一所述应聘人员的所述标签画像包含的各个所述目标标签进行赋权之前，所述方法还包括：基于所述招聘信息确定各个所述目标标签的情感值；若任一所述目标标签的情感值为正值，则增大所述预设标签权重规则中所述目标标签的权重值；若任一所述目标标签的情感值为负值，则减小所述预设标签权重规则中所述目标标签的权重值。
13.作为其中一种优选方案，在基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数之后，所述方法还包括：确定所述能力系数超出预设系数阈值的所述应聘人员为所述待招聘职位的匹配人才。
14.在第二方面，本发明实施例还提供了一种人才综合能力分析装置，包括：关键词提取模块，用于从候选人才数据库中调取若干应聘人员的简历信息，对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集；标签确定模块，用于根据待招聘职位的招聘信息确定若干目标标签；匹配度计算模块，用于计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度；映射关系关联模块，用于若所述语义匹配度大于预设阈值，则生成所述应聘人员与所述目标标签的映射关系；标签画像生成模块，用于根据各个所述应聘人员所映射的所述目标标签，生成各
个所述应聘人员的标签画像；能力系数计算模块，用于基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数。
15.本发明再一实施例提供了一种终端设备，包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现如上的第一方面所述的方法。
16.本发明又一实施例提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如上的第一方面所述的方法。
17.相比于现有技术，本发明实施例的有益效果在于以下中的至少一点：本发明的人才综合能力分析方法，从候选人才数据库中调取若干应聘人员的简历信息，对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集；通过对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集，该简历关键词合集中包含了每一应聘人员的关键信息；根据待招聘职位的招聘信息确定若干目标标签；提取到的目标标签包含了该待招聘职位需满足的要求；计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度；通过每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度的计算，实现每一所述目标标签与各个所述应聘人员的匹配判断；若所述语义匹配度大于预设阈值，则生成所述应聘人员与所述目标标签的映射关系；当语义匹配度大于预设阈值说明该目标标签与该应聘人员匹配，通过生成应聘人员与目标标签的映射关系，实现应聘人员与目标标签的映射关联；根据各个所述应聘人员所映射的所述目标标签，生成各个所述应聘人员的标签画像；根据各个应聘人员所映射关联的目标标签就能生成应聘人员的标签画像，以直观可视化的展现应聘人员所满足的待招聘职位的要求；基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数；通过计算得到的各个应聘人员的能力系数，以数值化的方式表现各个应聘人员与待招聘岗位的招聘信息的匹配度，从而实现快速准确的筛选到与待招聘岗位相匹配的人才。相应地，本发明还提供人才综合能力分析装置及终端设备。
18.附图说明
19.为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1是本发明人才综合能力分析方法一实施例的流程示意图；图2是本发明人才综合能力分析装置一实施例的结构示意图；图3是本发明终端设备一实施例的结构示意图。
21.具体实施方式
22.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.在本发明描述中，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
24.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
25.在本发明的描述中，需要说明的是，除非另有定义，本发明所使用的所有的技术和科学术语与属于本的技术领域的技术人员通常理解的含义相同。本发明中说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明，对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
26.实施例一本发明实施例提供了一种人才综合能力分析方法，请参阅图1，图1是本发明人才综合能力分析方法一实施例的流程示意图。本实施例可适用于人力资源筛选简历以及综合评定应聘人员的综合能力的应用场景，该方法可以由人才综合能力分析装置执行，该装置可为控制设备或终端平板、pc或服务器等；在本技术实施例中以人才综合能力分析装置作为执行主体进行说明。在本实施例中，人才综合能力分析方法可以包括步骤s110~s160，各步骤具体如下：s110：从候选人才数据库中调取若干应聘人员的简历信息，对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集；由于正在招聘的公司的每一个公开招聘的岗位都能接收到大量的简历投递，可将每一待招聘岗位接收到的简历信息存入服务器的候选人才数据库中，以方便进行数据处理和筛选。
27.具体的，当需对某一待招聘岗位进行人才筛选时，从候选人才数据库中调取若干应聘人员的简历信息，对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集；通过对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集；每一应聘人员简历关键词合集中包含了每一应聘人员的关键信息。可选的，该关键信息包括：姓名、性别、学历、专业名称、技能信息和工作经验信息。
28.详细的，对于每一应聘人员的简历信息，对简历信息进行关键词提取，得到简历关键词合集的具体过程可为：首先统计各个词性的词语在简历信息中所有语句内的出现次数；然后将出现次数小于预设次数阈值或在记录于通用词典内的词性为动词的词语识别为无效词语，从而将简历信息中掺杂的低频词语或通用词语筛除；然后对筛选后的简历信息进行关键词提取，以将简历信息中的语句进行词语提炼，得到包含姓名、性别、学历、专业名称、技能信息和工作经验信息等的名词的简历关键词合集。
29.s120：根据待招聘职位的招聘信息确定若干目标标签；由于每个不同的待招聘职位的招聘信息有所不同，为实现准确快速的对某一待招聘职位进行人才匹配，需从待招聘职位的招聘信息中提取该待招聘职位所需满足的要求。具体的，该待招聘职位所需满足的要求可以可视化的标签形式展现，即从待招聘职位的招聘信息中提取出待招聘职位所需满足的要求后，将每一要求作为一个目标标签。详细的，上述要求为名词或形容词加名词的描述性语句。
30.作为其中一种优选方案，所述根据待招聘职位的招聘信息确定若干目标标签，具体包括步骤s201和s202：s201：从待招聘职位的招聘信息中提取关键词，得到招聘关键词合集；详细的，首先统计各个词性的词语在待招聘职位的招聘信息中所有语句内的出现次数；然后将出现次数小于预设次数阈值或在记录于通用词典内的词性为动词的词语识别为无效词语，从而将招聘信息中掺杂的低频词语或通用词语筛除；然后对筛选后的招聘信息进行关键词提取，以将简历信息中的语句进行词语分割和提炼，得到包含姓名、性别、学历、专业名称、技能信息和工作经验信息等的名词或形容词加名词的描述性语句的招聘关键词合集。
31.s202：设置所述招聘关键词合集中的各个关键词为目标标签。
32.为实现待招聘职位所需满足的要求以可视化的标签形式展现，可将得到的招聘关键词合集中的各个关键词设为目标标签。
33.s130：计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度；由于每一目标标签为待招聘职位所需满足的一个要求，且当任一目标标签与任一应聘人员的简历关键词合集相匹配，说明该应聘人员具有目标标签的信息，可为该应聘人员打上该目标标签，以直观展示应聘人员所具有的能力。因此，通过每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度的计算，实现每一所述目标标签与各个所述应聘人员的简历关键词合集是否匹配的判断。
34.作为其中一种优选方案，所述计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度，具体包括：对于每一所述目标标签，将所述目标标签与各个所述应聘人员的简历关键词合集输入词语关联匹配模型，以进行语义匹配度计算。
35.详细的，实现计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度的方式可为：对于每一所述目标标签，将所述目标标签与各个所述应聘人员的简历关键词合集输入预先训练好的词语关联匹配模型，以进行语义匹配度计算，最后输出该目标标签与各个应聘人员的简历关键词合集的语义匹配度系数。遍历完所有目标标签后，将能够完成招聘信息对应的每一目标标签与每一应聘人员的简历关键词合集的语义匹配度计算，得到每一目标标签与各个应聘人员的简历关键词合集的语义匹配度系数。可选的，上述训练好的词语关联匹配模型可采用dssm（deep structured semantic models）模型。
36.其中，语义匹配度系数越大说明两者的语义匹配度越大，可通过预设训练统计得到的语义最接近时对应的语义匹配度系数值设置预设阈值。当任一目标标签与任一应聘人员的简历关键词合集的语义匹配度系数大于该预设阈值时，说明该目标标签与该应聘人员的简历关键词合集相匹配，即该应聘人员具有与目标标签一致或语义相同的信息；当任一
目标标签与任一应聘人员的简历关键词合集的语义匹配度系数等于或小于该预设阈值时，说明该目标标签与该应聘人员的简历关键词合集匹配度较低，即该应聘人员不具有与目标标签一致或语义相同的信息。
37.s140：若所述语义匹配度大于预设阈值，则生成所述应聘人员与所述目标标签的映射关系；由于当任一目标标签与任一应聘人员的简历关键词合集的语义匹配度系数大于该预设阈值时，说明该目标标签与该应聘人员的简历关键词合集相匹配，即该应聘人员具有与目标标签一致或语义相同的信息。因此，若任一目标标签与任一应聘人员的简历关键词合集的语义匹配度系数大于该预设阈值，则可通过生成应聘人员与目标标签的映射关系，为该应聘人员打上该目标标签，实现应聘人员与目标标签的映射关联，以直观展示应聘人员具有的该目标标签的能力。
38.若任一目标标签与任一应聘人员的简历关键词合集的语义匹配度系数小于或等于该预设阈值，则不生成应聘人员与目标标签的映射关系，不为该应聘人员打上该目标标签，以直观展示应聘人员不具有该目标标签的能力。
39.s150：根据各个所述应聘人员所映射的所述目标标签，生成各个所述应聘人员的标签画像；在每一目标标签与各个应聘人员的简历关键词合集的语义匹配度系数完成步骤s140的判断之后，根据各个应聘人员所映射关联的所有目标标签就能生成应聘人员的标签画像，以直观可视化的展现应聘人员所具有的目标标签的能力，即满足的待招聘职位的要求。
40.s160: 基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数。
41.有由于待招聘岗位的招聘信息中所有的要求不一定均需要满足，可根据待招聘岗位具体的工作职责排列出各项要求即目标标签的重要程度。有时候，即使应聘人员的简历信息中的大部分信息与招聘信息相匹配，但与重要程度较高的要求例如工作技能或工作经验不匹配时，也不是与待招聘岗位最匹配的最佳人员。因此，为提高匹配准确度，可根据待招聘岗位的招聘信息中各项要求即目标标签的重要程度设定预设标签权重规则，然后基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，实现在匹配度计算时赋予重要程度更高的目标标签更大的权重值，使得计算得到的反映匹配度的能力系数不受重要程度低的目标标签的影响，从而能根据招聘信息的真实需求评判各个应聘人员的标签画像与招聘信息的匹配度，使得计算得到的能力系数更真实可靠。详细的，该预设标签权重规则具体包含各个目标标签对应的权重值，且当某一目标标签在招聘信息中的重要程度越高时对应的权重值越大。
42.基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数；通过计算得到的各个应聘人员的能力系数，以数值化的方式表现各个应聘人员与待招聘岗位的招聘信息的匹配度，实现对每应聘人员进行可视化的能力评判，快速准确的筛选到与待招聘岗位相匹配的人才。
43.作为其中一种优选方案，所述基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数，具体包括步骤s301
和s302：s301：基于预设标签权重规则对每一所述应聘人员的所述标签画像包含的各个所述目标标签进行赋权；由于预设标签权重规则具体包含各个目标标签对应的权重值，且当某一目标标签在招聘信息中的重要程度越高时对应的权重值越大。因此，可根据预设标签权重规则具体包含各个目标标签对应的权重值对每一所述应聘人员的所述标签画像包含的各个所述目标标签进行赋权。
44.由于每一待招聘岗位的招聘信息不同，则每一待招聘岗位的招聘信息中各个目标标签所对应的重要程度也不同。为实现根据各个待招聘岗位的招聘信息中各个目标标签的重要程度自动调节预设标签权重规则中各个目标标签的权重值，可根据各个目标标签在招聘信息中的情感值判断各个目标标签所对应的重要程度，从而根据各个目标标签在招聘信息中的情感值调节预设标签权重规则中各个目标标签的权重值。作为其中一种优选方案，在基于预设标签权重对每一所述应聘人员的所述标签画像包含的各个所述目标标签进行赋权之前，所述方法还包括步骤s401至s403：s401：基于所述招聘信息确定各个所述目标标签的情感值；于语句中情感词往往不是单独出现的，当情感词所在的短语包含否定词或程度副词时，便会改变情感词所在的短语的情感属性或者情感程度。因此，确定每一目标标签的情感值时，需结合各个目标标签所在的由情感特征词组成的情感短语的情感值进行计算。具体地，可以根据招聘信息中每一目标标签所在的情感短语中副词的属性和情感特征词在预设的情感词典中对应的情感值得到短语情感值即各个所述目标标签的情感值。由于招聘信息对某一要求即目标标签并不严格要求时，该聘信息描述该目标标签的语句将会采用否定词以及语气副词等词汇体现负面情感，从而使得该语句所反映的情感信息进行量化后的情感值为负值。反之，招聘信息对某一要求即目标标签很重视时，该聘信息描述该目标标签的语句将会采用肯定词以及语气强调副词等词汇体现正面肯定情感，从而使得该语句所反映的情感信息进行量化后的情感值为正值。
45.s402：若任一所述目标标签的情感值为正值，则增大所述预设标签权重规则中所述目标标签的权重值；当任一所述目标标签的情感值为正值，则说明招聘信息对该目标标签很重视，可增大所述预设标签权重规则中所述目标标签的权重值。
46.s403：若任一所述目标标签的情感值为负值，则减小所述预设标签权重规则中所述目标标签的权重值。
47.当任一所述目标标签的情感值为负值，则说明招聘信息对该目标标签不严格要求，可相应减小所述预设标签权重规则中所述目标标签的权重值。
48.s302：根据每一所述应聘人员的所述标签画像包含的赋权后的目标标签计算得到每一所述应聘人员的能力系数。
49.根据每一所述应聘人员的所述标签画像包含的赋权后的目标标签计算得到每一所述应聘人员的能力系数，实现在匹配度计算时赋予重要程度更高的目标标签更大的权重值，使得计算得到的反映匹配度的能力系数不受重要程度低的目标标签的影响，从而能根据招聘信息的真实需求评判各个应聘人员的标签画像与招聘信息的匹配度，使得计算得到
的能力系数更真实可靠。详细的，该预设标签权重规则具体包含各个目标标签对应的权重值，且当某一目标标签在招聘信息中的重要程度越高时对应的权重值越大。
50.作为其中一种优选方案，所述根据每一所述应聘人员的所述标签画像包含的赋权后的目标标签计算得到每一所述应聘人员的能力系数，具体包括：对于每一所述应聘人员，通过神经网络对所述应聘人员的所述标签画像包含的各个赋权后的目标标签进行卷积，得到含权特征数据；将每一所述应聘人员对应的所述含权特征数据求和后进行归一化处理，生成每一所述应聘人员的能力系数。
51.具体的，对于每一所述应聘人员，通过预先训练好的神经网络对所述应聘人员的所述标签画像包含的各个赋权后的目标标签进行卷积，得到含权特征数据；将每一所述应聘人员对应的所述含权特征数据求和后进行归一化处理，生成每一所述应聘人员的能力系数。
52.作为其中一种优选方案，在基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数之后，所述方法还包括步骤s170：s170：确定所述能力系数超出预设系数阈值的所述应聘人员为所述待招聘职位的匹配人才。
53.由于计算得到的反映匹配度的能力系数根据招聘信息的真实需求反映出各个应聘人员的标签画像与招聘信息的匹配度。因此，可确定所述能力系数超出预设系数阈值的所述应聘人员为所述待招聘职位的匹配人才；可选的，该预设系数阈值可为0.8。通过计算得到的各个应聘人员的能力系数，以数值化的方式表现各个应聘人员与待招聘岗位的招聘信息的匹配度，实现对每应聘人员进行可视化的能力评判，并且确定能力系数超出预设系数阈值的应聘人员为所述待招聘职位的匹配人才，从而实现快速准确的筛选到与待招聘岗位相匹配的人才。
54.综上，本实施例提供的一种人才综合能力分析方法，从候选人才数据库中调取若干应聘人员的简历信息，对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集；通过对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集，该简历关键词合集中包含了每一应聘人员的关键信息；根据待招聘职位的招聘信息确定若干目标标签；提取到的目标标签包含了该待招聘职位需满足的要求；计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度；通过每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度的计算，实现每一所述目标标签与各个所述应聘人员的匹配判断；若所述语义匹配度大于预设阈值，则生成所述应聘人员与所述目标标签的映射关系；当语义匹配度大于预设阈值说明该目标标签与该应聘人员匹配，通过生成应聘人员与目标标签的映射关系，实现应聘人员与目标标签的映射关联；根据各个所述应聘人员所映射的所述目标标签，生成各个所述应聘人员的标签画像；根据各个应聘人员所映射关联的目标标签就能生成应聘人员的标签画像，以直观可视化的展现应聘人员所满足的待招聘职位的要求；基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数；通过计算得到的各个应聘人员的能力系数，以数值化的方式表现各个应聘人员与待招聘岗位的招聘信息的匹配度，从而实现快速准确的筛选到与待招聘岗位相匹配的人才。相应地，本发明还提供人才综合能力分析装置
及终端设备。
55.实施例二在实施例一的基础上，如图2所示，本发明实施例还提供了一种人才综合能力分析装置2，包括：关键词提取模块201，用于从候选人才数据库中调取若干应聘人员的简历信息，对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集；标签确定模块202，用于根据待招聘职位的招聘信息确定若干目标标签；匹配度计算模块203，用于计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度；映射关系关联模块204，用于若所述语义匹配度大于预设阈值，则生成所述应聘人员与所述目标标签的映射关系；标签画像生成模块205，用于根据各个所述应聘人员所映射的所述目标标签，生成各个所述应聘人员的标签画像；能力系数计算模块206，用于基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数。
56.作为其中一种优选方案，标签确定模块202，还包括：招聘关键词合集提取单元，用于从待招聘职位的招聘信息中提取关键词，得到招聘关键词合集；目标标签设置单元，用于设置所述招聘关键词合集中的各个关键词为目标标签。
57.作为其中一种优选方案，匹配度计算模块203，具体包括：语义匹配度计算单元，用于对于每一所述目标标签，将所述目标标签与各个所述应聘人员的简历关键词合集输入词语关联匹配模型，以进行语义匹配度计算。
58.作为其中一种优选方案，能力系数计算模块206，具体包括：赋权单元，用于基于预设标签权重规则对每一所述应聘人员的所述标签画像包含的各个所述目标标签进行赋权；能力系数计算单元，用于根据每一所述应聘人员的所述标签画像包含的赋权后的目标标签计算得到每一所述应聘人员的能力系数。
59.作为其中一种优选方案，能力系数计算单元，具体包括：含权特征数据计算子单元，用于对于每一所述应聘人员，通过神经网络对所述应聘人员的所述标签画像包含的各个赋权后的目标标签进行卷积，得到含权特征数据；能力系数计算子单元，用于将每一所述应聘人员对应的所述含权特征数据求和后进行归一化处理，生成每一所述应聘人员的能力系数。
60.作为其中一种优选方案，所述装置还包括：情感值计算模块，用于基于所述招聘信息确定各个所述目标标签的情感值；权重值增大模块，用于若任一所述目标标签的情感值为正值，则增大所述预设标签权重规则中所述目标标签的权重值；权重值减小模块，用于若任一所述目标标签的情感值为负值，则减小所述预设标签权重规则中所述目标标签的权重值。
61.作为其中一种优选方案，所述装置还包括：
匹配人才确定模块，用于确定所述能力系数超出预设系数阈值的所述应聘人员为所述待招聘职位的匹配人才。
62.综上，本实施例提供的一种人才综合能力分析装置，从候选人才数据库中调取若干应聘人员的简历信息，对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集；通过对每一简历信息进行关键词提取，得到每一应聘人员的简历关键词合集，该简历关键词合集中包含了每一应聘人员的关键信息；根据待招聘职位的招聘信息确定若干目标标签；提取到的目标标签包含了该待招聘职位需满足的要求；计算每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度；通过每一所述目标标签与各个所述应聘人员的简历关键词合集的语义匹配度的计算，实现每一所述目标标签与各个所述应聘人员的匹配判断；若所述语义匹配度大于预设阈值，则生成所述应聘人员与所述目标标签的映射关系；当语义匹配度大于预设阈值说明该目标标签与该应聘人员匹配，通过生成应聘人员与目标标签的映射关系，实现应聘人员与目标标签的映射关联；根据各个所述应聘人员所映射的所述目标标签，生成各个所述应聘人员的标签画像；根据各个应聘人员所映射关联的目标标签就能生成应聘人员的标签画像，以直观可视化的展现应聘人员所满足的待招聘职位的要求；基于预设标签权重规则计算各个所述应聘人员的标签画像与所述招聘信息的匹配度，得到各个所述应聘人员的能力系数；通过计算得到的各个应聘人员的能力系数，以数值化的方式表现各个应聘人员与待招聘岗位的招聘信息的匹配度，从而实现快速准确的筛选到与待招聘岗位相匹配的人才。
63.实施例三请参阅图3，本发明实施例还提供一种终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任意一个实施例所述的人才综合能力分析方法。
64.处理器用于控制该计算机终端设备的整体操作，以完成上述的人才综合能力分析装置2的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。
65.在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(application specific 1ntegrated circuit，简称as1c) 、数字信号处理器(digital signal processor，简称dsp) 、数字信号处理设备(digital signal processing device ,简称dspd)、可编程逻辑器件(programmable logic device，简称pld) 、现场可编程门阵列(field programmable gate array ，简称fpga) 、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的基于人脸识别的终端设备控制方法，并达到如上述方法一致的技术效果。
66.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现如上述任意一个实施例所述的人才综合能力分析方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的人才综合能力分析方法，并达到如上述方法一致的技术效果。
67.以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。