-
公开(公告)号：CN111667238B
公开(公告)日：2022-07-29
申请号：CN202010453590.9
申请日：2020-05-26
Applicant: 南开大学
Abstract: 一种基于技能感知多注意力机制的招聘启事生成方法，涉及计算机应用技术领域。将基本信息数据拆分为词序列，初始化为词向量的形式作为词的浅层语义表示；利用全局的招聘启事数据构建知识图谱，输入经处理后的局部信息，初始化每个词的浅层语义表示，同时输入全局信息和对应基本信息。基于局部信息的输出，学习工作任务中每个词的高层语义表示生成技能词序列、文本词序列，并优化文本词序列中的技能词。本发明既考虑了局部的工作任务的语义特征以及基于它预测的技能词序列特征，又考虑了全局的先验专业技能知识语义特征，并将两部分预测到的词概率分布进行了加权求和，可以挖掘出招聘启事广告中的技能信息，提高了技能需求文档的生成质量。
-
Patent Agency Ranking
公开(公告)号：CN110969014A
公开(公告)日：2020-04-07
申请号：CN201911124188.X
申请日：2019-11-18
Applicant: 南开大学
IPC: G06F40/284 , G06F40/295 , G06F40/30 , G06N3/08
Abstract: 一种基于同步神经网络的意见二元组抽取方法。在细粒度情感分析领域，意见二元组抽取是一个重要任务，该任务旨在挖掘意见句中包含的评价对象、评价词、以及两者间的修饰关系。给定意见句，本发明方法首先基于预训练语言模型BERT构建编码层，学习词的上下文语义。随后，交替构建多个识别层与同步层，以实现评价对象、评价词、以及两者间关系的同步抽取。具体地，识别层包含意见实体抽取与关系检测两个模块，同步层设计了两个同步矩阵(即，边界同步矩阵与关系同步矩阵)来记录识别层学习到的高层语义信息，并传递给下一个识别层，以实现意见实体抽取与关系检测的相互促进。最后，本方法利用一个推理层，基于识别层的结果获取最终的意见二元组。
-
公开(公告)号：CN110969014B
公开(公告)日：2023-04-07
申请号：CN201911124188.X
申请日：2019-11-18
Applicant: 南开大学
IPC: G06F40/284 , G06F40/295 , G06F40/30 , G06N3/08
Abstract: 一种基于同步神经网络的意见二元组抽取方法。在细粒度情感分析领域，意见二元组抽取是一个重要任务，该任务旨在挖掘意见句中包含的评价对象、评价词、以及两者间的修饰关系。给定意见句，本发明方法首先基于预训练语言模型BERT构建编码层，学习词的上下文语义。随后，交替构建多个识别层与同步层，以实现评价对象、评价词、以及两者间关系的同步抽取。具体地，识别层包含意见实体抽取与关系检测两个模块，同步层设计了两个同步矩阵(即，边界同步矩阵与关系同步矩阵)来记录识别层学习到的高层语义信息，并传递给下一个识别层，以实现意见实体抽取与关系检测的相互促进。最后，本方法利用一个推理层，基于识别层的结果获取最终的意见二元组。
-
公开(公告)号：CN111667158B
公开(公告)日：2022-06-10
申请号：CN202010453436.1
申请日：2020-05-26
Applicant: 南开大学
Abstract: 一种基于多图神经网络联合学习的工作技能预测方法，涉及计算机应用技术领域。利用招聘网站上积累的招聘启事数据，提出了基于多图神经网络联合学习的工作技能预测模型。首先构建了三个网络保持了工作任务和技能之间复杂的关联关系。通过对三个图神经网络的联合学习分别得到工作任务节点和技能节点的互补语义表示，并且将多个图中同种类型的节点表示进行拼接得到融合了复杂关系信息的节点表征；最后，基于工作任务和技能的节点表征表示利用一个多标签分类器进行工作技能预测。本发明通过多个基于注意力机制的图神经网络的联合训练将节点表征中融入了更多的预测信息，使得工作技能预测的准确率，召回率得到有效的提升。
-
公开(公告)号：CN111667158A
公开(公告)日：2020-09-15
申请号：CN202010453436.1
申请日：2020-05-26
Applicant: 南开大学
Abstract: 一种基于多图神经网络联合学习的工作技能预测方法，涉及计算机应用技术领域。利用招聘网站上积累的招聘启事数据，提出了基于多图神经网络联合学习的工作技能预测模型。首先构建了三个网络保持了工作任务和技能之间复杂的关联关系。通过对三个图神经网络的联合学习分别得到工作任务节点和技能节点的互补语义表示，并且将多个图中同种类型的节点表示进行拼接得到融合了复杂关系信息的节点表征；最后，基于工作任务和技能的节点表征表示利用一个多标签分类器进行工作技能预测。本发明通过多个基于注意力机制的图神经网络的联合训练将节点表征中融入了更多的预测信息，使得工作技能预测的准确率，召回率得到有效的提升。
-
公开(公告)号：CN111667238A
公开(公告)日：2020-09-15
申请号：CN202010453590.9
申请日：2020-05-26
Applicant: 南开大学
Abstract: 一种基于技能感知多注意力机制的招聘启事生成方法，涉及计算机应用技术领域。将基本信息数据拆分为词序列，初始化为词向量的形式作为词的浅层语义表示；利用全局的招聘启事数据构建知识图谱，输入经处理后的局部信息，初始化每个词的浅层语义表示，同时输入全局信息和对应基本信息。基于局部信息的输出，学习工作任务中每个词的高层语义表示生成技能词序列、文本词序列，并优化文本词序列中的技能词。本发明既考虑了局部的工作任务的语义特征以及基于它预测的技能词序列特征，又考虑了全局的先验专业技能知识语义特征，并将两部分预测到的词概率分布进行了加权求和，可以挖掘出招聘启事广告中的技能信息，提高了技能需求文档的生成质量。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
