典型文献
基于招聘文本实体挖掘的人才供需分析——以人工智能领域为例
文献摘要：
[目的/意义]基于网络招聘文本和学科数据,提出"行业-岗位-知识-学科"的人才需求及供给分析框架,以人工智能领域为例进行挖掘与分析,同时对其他领域的人才供需分析也具有借鉴意义.[方法/过程]采集招聘网站中与人工智能相关的职位招聘公告,综合对比CRF、BiLSTM-CRF、BERT-BiLSTM-CRF、BERT模型对招聘文本的实体抽取效果,并运用社会网络分析方法与学科数据进行关联分析.[结果/结论]BERT-BiLSTM-CRF实体抽取实验效果最佳,分别构建"行业-岗位""岗位-知识"以及"知识-学科"3种关系网络,得到与人工智能领域联系最紧密的行业、岗位、知识及学科.该框架能充分地挖掘人才需求现状,并能较精准地将需求定位到人才培养的学科,对于国家发展战略以及高等院校人才培养计划的制订具有现实意义.
文献关键词：
招聘实体;人工智能;供需分析;人才培养;深度学习
中图分类号：
作者姓名：
袁毅;陶鑫琪;李瑾萱;刘娅娴;汪晓芸;景香玉
作者机构：
华东师范大学经济与管理学部信息管理系 上海200062
文献出处：
引用格式：
[1]袁毅;陶鑫琪;李瑾萱;刘娅娴;汪晓芸;景香玉-.基于招聘文本实体挖掘的人才供需分析——以人工智能领域为例)[J].图书情报工作,2022(14):101-118
A类：
人才供需分析,招聘实体
B类：
实体挖掘,人工智能领域,网络招聘,人才需求,供给分析,招聘网站,职位,公告,综合对比,CRF,BiLSTM,BERT,实体抽取,社会网络分析方法,实验效果,关系网络,最紧,需求现状,需求定位,国家发展战略,高等院校人才培养,培养计划
AB值：
0.293972
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
