[发明专利]一种面向人事特征的评价要素自动抽取方法及系统

说明书

本说明书实施例提供一种面向人事特征的评价要素自动抽取方法及系统，其中，该方法包括：对待抽取人事评价表格文件进行要素类别的识别，确定待抽取人事评价表格文件中的数值型数据及文本型数据，确定至少一个文本型数据区域；对每个文本型数据区域，生成文本型数据区域对应的语义特征；基于每个文本型数据区域对应的语义特征，识别至少一个文本型数据区域中的人员信息区域，确定人员信息区域中实体的特征标签；基于每个文本型数据区域对应的语义特征，识别至少一个文本型数据区域中的能力项信息区域，确定人员信息区域中实体的特征标签，具有自动抽取人事特征的评价要素，提高数据抽取的效率的优点。

技术领域

本说明书涉及数据处理领域，特别涉及一种面向人事特征的评价要素自动抽取方法及系统。

背景技术

表格是一种可视化交流模式，又是一种组织整理数据的手段，普遍存在于政务、财务等信息数据处理过程中。逻辑清晰、灵活性强的表格十分有利于数据的收集整理和提炼，是支撑数据分析的基础。人事评价文档通常以表格的形式表现，目前面向使用范围最广的Excel格式表格数据。目前表格形式的人事评价文档的结构和语义复杂多变，缺乏有效的组织管理，数据提取基本依赖于人工处理，随着数据量的加大，效率大大降低。

因此，需要提供一种面向人事特征的评价要素自动抽取方法及系统，用于自动抽取人事特征的评价要素，提高数据抽取的效率。

发明内容

本说明书实施例之一提供一种面向人事特征的评价要素自动抽取方法，包括：对待抽取人事评价表格文件进行要素类别的识别，确定所述待抽取人事评价表格文件中的数值型数据及文本型数据，确定至少一个文本型数据区域；对每个所述文本型数据区域，生成所述文本型数据区域对应的语义特征；基于每个所述文本型数据区域对应的语义特征，识别所述至少一个文本型数据区域中的人员信息区域，确定所述人员信息区域中实体的特征标签；基于每个所述文本型数据区域对应的语义特征，识别所述至少一个文本型数据区域中的能力项信息区域，确定所述人员信息区域中实体的特征标签。

在一些实施例中，所述对待抽取人事评价表格文件进行要素类别的识别，确定所述待抽取人事评价表格文件中的数值型数据及文本型数据，确定至少一个文本型数据区域，包括：获取所述待抽取人事评价表格文件的行数范围和列数范围，根据所述行数范围和所述列数范围遍历所述待抽取人事评价表格文件的每个单元格数据，判断所述单元格数据是否为所述数值型数据或所述文本型数据，生成数值集合及文本集合，其中，所述数值集合包括至少一个所述数值型数据，所述文本集合包括至少一个所述文本型数据。

在一些实施例中，所述对待抽取人事评价表格文件进行要素类别的识别，确定所述待抽取人事评价表格文件中的数值型数据及文本型数据，确定至少一个文本型数据区域，包括：对每个所述文本型数据进行编码，得到所述文本型数据对应的共现特征向量；基于每个所述文本型数据对应的共现特征向量，对所述待抽取人事评价表格文件中的文本型数据进行聚类，基于聚类结果，确定所述至少一个文本型数据区域。

在一些实施例中，所述基于聚类结果，确定所述至少一个文本型数据区域，包括：基于所述聚类结果，确定初始文本型数据区域；对每个所述初始文本型数据区域，根据所述初始文本型数据区域中的单元格数据的行坐标和/或列坐标，剔除所述初始文本型数据区域中的异常单元格数据，确定所述文本型数据区域。

在一些实施例中，所述对每个所述文本型数据区域，生成所述文本型数据区域对应的语义特征，包括：对所述文本型数据区域中的每个单元格数据进行预处理，获取预处理后的单元格数据；对所述预处理后的单元格数据进行one-hot编码后输入word2vec词向量工具，生成所述预处理后的单元格数据对应的输入编码集合；基于所述预处理后的单元格数据对应的输入编码集合及所述共现特征向量，生成所述预处理后的单元格数据对应的特征增强向量。