[发明专利]一种从文本中挖掘和定位个人能力的方法

说明书

本发明公开了一种从文本中挖掘和定位个人能力的方法，该方法包括步骤：将文档数据和邮件数据入数据库；采用数据库生成人名词库以及系统词库文件；根据生成的人名词库以及系统词库分词并去掉停用词；提取出所有谓词并生词谓词文件；利用谓词文件人工标注出能力词并形成能力词库文件；利用能力词文件、人名词库和系统词库分词并去掉停用词，根据正则和规则判断能力、人名之间是不是并列的关系，若是，生成能力和人员对应关系，否，则根据距离计算最近的，然后将生成对应人员能力并存入数据库。本发明能自动从对应能力查找人员，进而大幅度提高了办公效率。

技术领域

本发明属于挖掘和定位个人能力技术领域，涉及一种从文本中挖掘和定位个人能力的方法。

背景技术

现有的技术中，没有一个对人员能力打标签的方法，无法实现自动从文档描述中提取某个人的能力，只能由员工或者人资进行标注，且需要手动输入。对于体量大的公司操作困难。

发明内容

本发明要解决的技术问题是：提供一种从文本中挖掘和定位个人能力的方法，以解决现有技术中存在的问题。

本发明采取的技术方案为： 一种从文本中挖掘和定位个人能力的方法，该方法包括以下步骤：

（1）数据入库：通过将文档数据（word为主）以及多封邮件（eml文件）数据入库，将word等文件生成html然后进行爬取入库，邮件数据直接入库；

（2）利用文档数据和邮件数据生成的数据库生成人名词库以及系统词（公司的应用系统如自动化办公系统等）库文件；

（3）根据生成的人名词库以及系统词库分词并去掉停用词；

（4）提取出所有谓词（即动词如“推广”、“采购”等）并生词谓词文件；

（5）利用谓词文件人工标注出能力词并形成能力词库文件（便于jieba分词的词库文件，一般为txt文件每个词是一行，每行用空格隔开，一般三个属性，词名、词频、词性）；

（6）利用能力词文件、人名词库以及系统词库分词并去掉停用词，分析文档每句话根据正则和规则判断能力、人名之间是不是并列的关系，若是，则生成能力和所有人员对应关系，不是，则根据距离计算最近的，然后将生成对应人员能力并存入数据库。

本发明的有益效果：与现有技术相比，本发明利用已有往来邮件和办公文档生成词库文件便于准确分词，分词后以人名为语义角色结合了web服务提供企业方便查找对用人员的功能，自动从对应能力查找人员，进而大幅度提高了办公效率。

附图说明

图1为本发明的流程示意图。

具体实施方式

下面结合附图及具体的实施例对本发明进行进一步介绍。

实施例1：如图1所示， 一种从文本中挖掘和定位个人能力的方法，该方法包括以下步骤：

（1）数据入库：通过将文档数据（word为主，日常工作中产生的公司发文、技术文件、项目文件、工单、报表、台账等）以及一万多封邮件（eml文件，日常工作中产生的邮件，带有标题、正文、收发件人、时间、附件等信息）数据入库，将word等文件生成html然后进行爬取入库，邮件数据直接入库；

（2）利用文档数据和邮件数据生成的数据库生成人名词库以及系统词（公司的应用系统如自动化办公系统等）库文件（属于初始化数据，因为邮件里面有人员姓名和系统名称等）；

（3）根据生成的人名词库以及系统词库分词并去掉停用词（自然语言处理一般需要去掉一些无意义的词，然后再做后续处理）；

（4）提取出所有谓词（即动词如“推广”、“采购”等）并生词谓词文件（通过词性标注，训练词性分析模型得到）；