网络招聘文本技能信息自动抽取研究

doi:10.13266/j.issn.0252-3116.2019.13.011

图书情报工作 ›› 2019, Vol. 63 ›› Issue (13): 105-113.DOI: 10.13266/j.issn.0252-3116.2019.13.011

网络招聘文本技能信息自动抽取研究

俞琰^1,2, 陈磊¹, 姜金德³, 赵乃瑄¹

1. 南京工业大学南京 210009;
2. 东南大学成贤学院计算机工程系南京 211816;
3. 南京晓庄学院商学院南京 211171

收稿日期:2018-07-17 修回日期:2019-03-19 出版日期:2019-07-05 发布日期:2019-07-05
作者简介:俞琰(ORCID:0000-0002-9654-8614),教授,博士,E-mail:yuyanyuyan2004@126.com;陈磊,硕士研究生;姜金德(ORCID:0000-0002-5504-7493),教授,博士;赵乃瑄(ORCID:0000-0001-9072-7315),教授,博士。
基金资助:
本文系教育部人文社科规划项目项目"大数据时代技能知识图谱构建研究"（项目编号：16YJAZH073）和国家社会科学基金一般规划项目"大数据时代支持创新设计的多维度多层次专利文本挖掘研究"（项目编号：17BTQ059）研究成果之一。

Research on Skill Information Automatic Extraction from Online Recruitment Texts

Yu Yan^1,2, Chen Lei¹, Jiang Jinde³, Zhao Naixuan¹

1. Information Service Department, Nanjing Tech University, Nanjing 210009;
2. Computer Science Department, Chengxian College, Southeast University, Nanjing 211816;
3. School of Business, Nanjing Xiaozhuang University, Nanjing 211171

Received:2018-07-17 Revised:2019-03-19 Online:2019-07-05 Published:2019-07-05

摘要/Abstract

摘要： [目的/意义]针对目前网络招聘文本手工抽取技能信息无法满足大数据量分析要求的问题，提出一种针对大量网络招聘文本的技能信息自动抽取方法。[方法/过程]根据网络招聘文本的特点，利用依存句法分析选取候选技能，然后提出领域相关性指标衡量候选技能，将其融入传统的术语抽取方法之中，形成一种网络招聘文本技能信息自动抽取方法。[结果/结论]实验表明，本文提出的方法能够从网络招聘文本中自动、快速、准确地抽取技能信息。

关键词: 网络招聘文本, 技能信息自动抽取, 术语抽取

Abstract: [Purpose/significance] Aiming at the problem that the current manual skill information extraction from the online recruitment post is not suitable for the analysis of large data volume information, this paper proposes an automatic skill information extraction for a large number of online recruitment texts.[Method/process] According to the characteristics of online recruitment texts, the candidate skills are analyzed by dependency syntax analysis, then the domain relevance indicators are used to measure candidate skills, and they are integrated into the traditional terminology extraction method to form a method for automatic extraction of skill information from online recruitment texts.[Result/conclusion] Experiments show that the proposed method can extract skill information automatically, quickly and accurately from the mass online recruitment texts.

Key words: online recruitment text, skill information automatic extraction, term extraction

中图分类号:

G202

俞琰, 陈磊, 姜金德, 赵乃瑄. 网络招聘文本技能信息自动抽取研究[J]. 图书情报工作, 2019, 63(13): 105-113.

Yu Yan, Chen Lei, Jiang Jinde, Zhao Naixuan. Research on Skill Information Automatic Extraction from Online Recruitment Texts[J]. LIS, 2019, 63(13): 105-113.

参考文献

[1] WOWCZKO I. Skills and vacancy analysis with data mining techniques[J]. Informatics, 2015, 2(4):31-49.
[2] KIM J Y, LEE C K. An empirical analysis of requirements for data scientists using online job postings[J]. International journal of software engineering and its application, 2016, 10(4):161-172.
[3] MAURO A D, GRECO M, GRIMALDI M, et al. Beyond data scientists:a review of big data skills and job families[C]//Proceedings of the 2016 international forum on knowledge asset dynamics. Berlin:Springer International Publishing, 2016:1844-1857.
[4] 吕斌,张通,周珏.面向组织的具有通用性的情报职业及情报从业人员——基于组织招聘网页信息挖掘的分析之一[J].图书情报工作, 2009, 53(4):19-23.
[5] 李国秋,桑培铭.情报过程——情报职业的核心:问题域及方法论——基于组织招聘网页信息挖掘的分析之二[J].图书情报工作, 2009, 53(4):24-27.
[6] 夏火松, 潘筱听. 基于Python挖掘的大数据学术研究与人才需求的关系研究[J]. 信息资源管理学报, 2017, 7(1):4-12.
[7] 黄崑, 王凯飞, 王珊珊,等. 数据类岗位招聘需求调查及对图情学科人才培养的启示[J]. 图书情报知识, 2016,6(1):42-53.
[8] FRANTZI K, ANANIADOU S, MIMA H. Automatic recognition of multi-word terms:. the C-value/NC-value, method[J]. International journal on digital libraries, 2000, 3(2):115-130.
[9] SODHI M S, SON B G. Content analysis of OR job advertisements to infer required skills[J]. The journal of the Operational Research Society, 2010, 9(1):1315-1327.
[10] ZHAO M, JAVED F, JACOB F, et al. l SKILL:a system for skill identification and normalization[C]//Proceedings of the twenty-seventh conference on innovative applications of artificial intelligence. Palo Alto:AAAI, 2015:4012-4017.
[11] XU T, ZHU H, ZHU C, et al. Measuring the popularity of job skills in recruitment market:a multi-criteria approach[C]//Proceedings of the 32nd AAAI conference on artificial intelligence. Menlo Park:AAAI, 2018:3013-3028.
[12] 詹川. 基于文本挖掘的专业人才技能需求分析——以电子商务专业为例[J]. 图书馆论坛, 2017, 5(1):116-123.
[13] 夏立新, 楚林, 王忠义,等. 基于网络文本挖掘的就业知识需求关系构建[J]. 图书情报知识, 2016, 169(1):94-100.
[14] BASTIAN M, HAYES M, VAUGHAN W, et al. LinkedIn skills:large-scale topic extraction and inference[C]//ACM conference on recommender systems. New York:ACM, 2014:1-8.
[15] 刘睿伦, 叶文豪, 高瑞卿,等. 基于大数据岗位需求的文本聚类研究[J]. 数据分析与知识发现, 2017, 12(12):32-40.
[16] CONRADO M D, PARDO T A, REZENDE S O. A machine learning approach to automatic term extraction using a rich feature set[C]//The North American chapter of the Association for Computational Linguistics.Stoudsburg:ACL, 2013:16-23.
[17] PIAO S, FORTH J, GACITUA R, et al. Evaluating tools for automatic concept extraction:a case study from the musicology domain[C]//Proceedings of digital features. Piscataway:IEEE, 2010:78-85.
[18] SPASIC I, GREENWOOD M, PREECE A, et al. FlexiTerm:a flexible term recognition method[J]. Journal of biomedical semantics, 2013, 4(1):27-42.
[19] MAYNARD D, ANANIADOU S. Identifying terms by their family and friends[C]//Proceeding of the 18th conference on computational linguistics. New York:ACM, 2000:530-536.
[20] 周霜霜, 徐金安, 陈钰枫,等. 融合规则与统计的微博新词发现方法[J]. 计算机应用, 2017, 37(4):1044-1050.
[21] 赵京胜, 朱巧明, 周国栋,等. 自动关键词抽取研究综述[J]. 软件学报, 2017, 28(9):2431-2449.
[22] 刘怀军,车万翔,刘挺. 中文语义角色标注的特征工程[J]. 中文信息学报, 2007, 21(1):79-84.
[23] 哈尔滨工业大学语言技术平台LTP[EB/OL].[2018-12-30].http://ir.hit.edu.cn/demo/ltp.
[24] CHE W, LI Z, LIU T, A Chinese language technology platform[C]//The 23th international conference on computational linguistics. Stroudsburg:ACL, 2010:3-16.

网络招聘文本技能信息自动抽取研究

Research on Skill Information Automatic Extraction from Online Recruitment Texts

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

[1]	邱科达, 马建玲. 机器学习在术语抽取研究中的文献计量分析[J]. 图书情报工作, 2020, 64(14): 94-103.
[2]	俞琰, 陈磊, 姜金德, 赵乃瑄. 融合论文关键词知识的专利术语抽取方法[J]. 图书情报工作, 2020, 64(14): 104-111.
[3]	俞琰, 陈磊, 姜金德, 赵乃瑄. 基于依存句法分析的中文专利候选术语选取研究[J]. 图书情报工作, 2019, 63(18): 109-118.
[4]	俞琰, 陈磊, 赵乃瑄. 基于网络招聘文本挖掘的课程知识模型自动构建研究[J]. 图书情报工作, 2019, 63(10): 134-142.
[5]	屈鹏, 张均胜, 曾文, 乔晓东, 王惠临. 国内外专利挖掘研究(2005-2014)综述[J]. 图书情报工作, 2014, 58(20): 131-137.
[6]	屈鹏, 王惠临. 面向信息分析的专利术语抽取研究[J]. 图书情报工作, 2013, 57(01): 130-135.
[7]	韩红旗, 安小米. C-value值和unithood指标结合的中文科技术语抽取[J]. 图书情报工作, 2012, (19): 85-89.
[8]	祝清松, 冷伏海. 自动术语识别存在的问题及发展趋势综述[J]. 图书情报工作, 2012, 56(18): 104-109.
[9]	章成志王惠临. 面向数字图书馆应用的多语言领域本体学习研究[J]. 图书情报工作, 2011, 54(02): 11-94.
[10]	季培培鄢小燕岑咏华. 面向领域中文文本信息处理的术语识别与抽取研究综述[J]. 图书情报工作, 2010, 54(16): 124-129.