知識圖譜驅動下干部人事檔案服務方式創新

周娟娟 李澤鋒

摘？要：對干部人事檔案服務工作中存在問題進行深入分析，發現傳統干部人事檔案服務和利用方式已無法滿足當前需求。為此，構建符合干部人事檔案特征的知識圖譜，驅動干部人事檔案服務方式向知識決策服務轉變，進一步創新干部人事檔案服務方式，為領導班子配備和選用提供科學依據。

關鍵詞：干部人事檔案；知識圖譜；服務方式

分類號：G273

Innovation of Cadre Personnel Archives Service Mode Driven by Knowledge Graph

Zhou Juanjuan， Li Zefeng（Zhengzhou University of Aeronautics Information Management College， Zhengzhou， Henan 450052）

Abstract：By analyzing the research status of cadre personnel archives， it is found that the traditional way of using cadre personnel archives can not meet the current demand. Based on this， building the knowledge atlas in line with the characteristics of cadres personnel archives could drive the service mode of cadre personnel archives change to knowledge decision service， which further innovates the service mode of cadre personnel archives， in order to assist leaders in scientific decision making and improve the efficiency of leading group staffing.

Keywords：Cadre Personnel Archives； Knowledge Graph； Service Mode

1？引言

知識化服務作為信息服務的發展與延伸，更加注重以需求為導向。借助先進的管理系統，干部人事檔案知識化服務可實現預判、輔助決策等作用，正越來越受到關注。然而，受數字化進程、語義分析成熟度和數據挖掘能力等因素的影響，當前干部人事檔案管理系統功能較為單一，未能提供有效的知識化服務，檢索有效性和服務效果不佳[1]。因此，利用知識圖譜對干部人事檔案信息進行深度挖掘、語義重組，并建立數據關聯，能夠實現檔案知識化服務，以此創新干部人事檔案服務方式。

2？干部人事檔案服務中存在的問題

干部人事檔案是有關部門在組織建設和干部人事管理中以及人才的管理服務中形成，可反映干部政治思想、學習經歷與專業素養等情況的材料[2]。因與其他類型檔案相比具有一定的特殊性，所以其檔案服務對象也具有特殊性。通過研讀近年來關于干部人事檔案服務相關文獻并調研組織部門干部人事服務情況后發現，干部人事檔案服務工作仍存在一些問題，主要表現在以下三個方面。

2.1？服務目的有待轉變

一方面，主動服務理念不強，不利于檔案數據信息綜合分析、預測等環節工作的開展，繼而影響檔案資源的進一步開發利用。另一方面，服務主體的服務目的不明確，最終導致其收集的干部人事檔案無法全面展示人才的各種特征，難以為領導決策、組織機構發展等提供有效的參考。

2.2？服務效率和效果不理想

檔案信息管理質量和信息實時性是影響干部選任和提拔的關鍵因素。但當前，人事單位往往未能意識到這一點，在進行人員崗位調整、提拔工作時，常常由于信息掌握不全面、溝通交流不通暢、資料獲取不及時等原因致使相關人事工作出現不規范現象，造成不良社會影響[3]。與此同時，隨著檔案數字化轉型，人事檔案管理部門無法將大量非結構化數據快速轉化，也未能關注檔案數據的關聯性，導致在開展人才選拔等工作時無法及時提供有效信息供相關部門參考，影響了檔案服務主體利用效率，也違背了以用戶需求為導向的服務宗旨。

2.3？服務形式單一

受網絡技術應用和相關人員專業程度的限制，目前干部檔案服務方式普遍較為簡單。且人事檔案管理系統功能不完善，越來越無法滿足利用主體需求，主要體現在：自身語料庫、知識庫建設能力有限[4]；智能檢索技術應用較少，且未同數據挖掘、數據關聯、語義理解與知識發現等技術相結合，梳理出“個人數據鏈”[5]等。上述問題造成干部人事檔案管理系統功能過于簡單，無法為用戶提供個性化與智能化服務。

3？干部人事檔案數據可視化與決策服務

目前，干部人事檔案管理系統中，多采用關鍵詞檢索方式來查詢個人信息，可視化技術應用還不成熟，無法形成有效決策服務方案。知識圖譜技術有助于提高數據分析、知識分類以及知識檢索能力，完善原有干部檔案管理系統檢索功能，并可通過實體消歧、實體校對等流程進行知識融合，實現干部個人信息的完整記錄存儲與智能檢索、適用人員推薦與輔助決策等功能。系統建設路徑如圖1所示。

3.1？數據獲取層

干部人事檔案所包含主體元數據有干部姓名、出生年月、政治面貌、最高學歷、學位、職務、職位、學術成果及考核情況等重要信息。元數據集與數據集組成語義轉換的重要數據源[6]，通過語義匹配和本體構建，可將檔案數據轉換成關聯數據。隨著干部人事檔案數字化加工技術的不斷發展，檔案數據種類與數量越來越多，其中的結構化數據可直接應用，但半、非結構化數據則需要借助一定的方法和手段轉化為可被機器識讀的數據，才能對其進一步加工。這些檔案數據是描述干部個人特征的最有價值的數據，可將其劃分為履歷數據、學歷數據、考核數據、任免數據、獎懲數據和政審數據等類型，形成完整的個人數據鏈（如圖2），為主題、人物、時間、地點等語義內容信息抽取奠定基礎。

3.2？知識加工層

為提高檔案資源的關聯度，滿足精確檢索與統計等需求，需要對結構化和非結構化數據進行細粒度加工處理。干部檔案的深層次揭示主要包括對檔案信息進行實體抽取、屬性揭示與關系描述，借助語義設計組織知識邏輯和物理結構識別到內容層，從而實現干部檔案價值增值和主體需求的滿足。對于檔案實體抽取，本文將采用基于規則的檔案實體識別方法[7]和實體詞性關系抽取法。

3.2.1實體識別

本文以基于實體詞性的檔案關系抽取為方法，以提高關系抽取的正確率。將命名實體抽象成命名實體的詞性，用實體的詞性來替代實體本身。例如人物和任職經歷或獎項的關系，可用實體的詞性來替代實體本身，通過對詞性的充分利用來提高關系抽取的正確率。將數據進行詞性替換預處理之后，再用深度學習方法對關系屬性特征進行學習，最后完成實體關系抽取。抽取實體構成可按主題劃分，采取與干部人事檔案分類標準相趨同的數據集方案，分為履歷數據、學歷數據、考核數據、任免數據、獎懲數據和政審數據等類型進行實體與詞性標注。以某高校所有處級干部檔案為例，先按類別對數據進行實體詞性判別，例如，履歷數據中任職信息以“某人在某地曾任某職務”等模式定位詞性；學歷數據中項目信息以“某年，某項目、類型、狀態、成果”等模式編排，均可按詞性劃分，具體見表1。其中，用n表示名詞，c代表連詞，v代表動詞，a代表形容詞，tn代表時間名詞等。如以<時間名詞-行為動詞-專有名詞>為結構模板，分別用<-tn>、<-v>、<-zn>等進行表示。

以表1為標準建立詞性規則，以此類推其他類型實體詞性，抽取實體特征數據，將實體映射到數據庫表字段中，提高實體識別過程效率。

3.2.2 關系抽取

依存句法分析的檔案關系抽取是通過在語料中進行分詞、詞性標注預處理之后提取出語料句法關系，并基于句法關系對實體之間的關聯關系特征進行學習的過程。句法結構關系包括核心（KEB）、主謂關系（SBV）、定語結構（ATT）、動賓關系（VOB）、并列關系（COO）等，如表2所示。

通過將句子成分映射到知識圖譜三元組中，從而實現關系抽取。例如，經過對語料的依存句法分析發現，若沒有并列關系，則句子應該包含核心關系（KEB）、主謂關系（SBV）、動賓關系（VOB）三種關系才能進行有效的關系抽取。利用OCR掃描技術獲得文本內容后分析句子成分，如“某干部某年申請國家某項目”例子中，屬于“某干部”（人員實體）和“基金項目”（主題實體）之間的關系。名詞短語識別結果為“某人 申請 某項目”，句子結構類型屬于〈主語，核心動詞，賓語名詞短語+賓語名詞〉，語義依存關系如圖3所示，抽取的關系為〈某干部，申請，[某類型]某項目名〉。

在圖3中，帶有方向的弧線代表依賴順序，即箭頭終點詞語依賴箭頭起點詞語；弧線上的標簽文字代表依賴類型，矩形塊表示變化識別的結果。依存句法分析結果中指明了每一個詞組的依存類型與其前序依存對象，可從這些分析結果中提取實體關系的特征數據。通過識別數據預處理示例可以看出，原文經過預處理手段進行分詞和詞性標注的格式，為本體構建與知識表示打下基礎，盡可能清晰地描述出實體與實體之間的關系。

3.2.3 屬性抽取

屬性抽取一般是抽取較為基礎的屬性信息，根據履歷類實際數據需求，從各類型元數據集中，抽取用戶所需要的信息。通過屬性抽取可以更準確地對抽取實體進行揭示?？偟膩碚f，干部人事檔案知識圖譜中實體屬性抽取，可分為兩種：一種是實體所對應的概念所具有的屬性，只需要抽取其屬性值即可；一種是沒有所屬的屬性，需要抽取其屬性和屬性值。針對第一種情況，模式層中的關系包括對屬性間屬性關系抽取，即屬性與屬性值范圍的界定等信息，因此，在數據層中可以復用模式層部分數據概念與值域。

3.3？語義關聯層

3.3.1 本體構建

RDF以 XML 語法為基礎，由資源、屬性、屬性值構成的三元組描述資源[7]。構建檔案學領域本體，為不同知識庫與系統之間的數據與知識的利用提供接口，增加知識的復用[8]。根據干部人事檔案數據類型自身結構特點進行不同規則實體抽取、關系抽取和屬性描述，為本體構建提供消歧實體及知識清洗，以此構建檔案本體架構。

3.3.2語義信息關聯

由于干部檔案的特殊型，選取較易獲得的個人基本信息與科研成果等作為研究切入點進行探究。將抽取實體的關系進行梳理，整體關系描述如表3所示，包含某干部個人基本信息、工作信息以及科研成果等方面的數據，清楚呈現工作單位、性別、年齡、學歷學位、職稱、曾任職務和項目等實體之間的關聯關系。進一步加快干部知識圖譜構建，用圖譜形式清晰展現個人特征信息。

借助知識圖譜可視化技術，構建描述干部自身特征的本體模型，包含干部履歷、學歷學術、鑒定考核與任免等數據，利用規則和詞性進行關系分析和抽取，將抽取實體進行語義關系描述，構建出“某干部知識圖譜”，如圖4所示，可采用圖知識庫進行存儲。其他類別信息同樣可按上述方式操作，這里不再具體展示。

3.4？知識服務層

由于人事檔案類別之間存在較大差異，因此，知識抽取獲得的數據會存在一定差異，知識的語義表達會受到影響，需要進行如下處理。知識融合包含模式層和數據層，模式層階段構建要注意概念、概念上下位和概念屬性的統一，避免屬性概念有歧義，以便于對實體包含的信息進行融合和聚類；數據層針對不同來源數據進行實體對齊與消歧，如在履歷類中會出現個人成果，包括科研成果和參與實踐活動所獲得獎勵成果等，而第四大類中也含有科研學術材料，此時就應注意是否表征同一實體，進行自動實體對齊和知識融合，構建干部人事檔案專用詞典，提升知識融合效果。除不同數據源造成的檔案資源中實體間相互沖突或者實體指向不明等問題，為便于計算機的理解與計算，可以消除冗余數據，進一步精簡并形成高質量科研檔案知識圖譜。以檔案資源與知識的融合為根基，提煉干部個人基本信息、科研成果、獎勵、會議等有價值信息，為決策人員提供可靠、智能的經驗與知識儲備方案，增強與各知識庫之間的知識融合[9]，真正實現智能推薦與知識服務的目標（整體流程如圖5）。

多個環節之間要保持緊密溝通與對接，保證異構數據庫的實時更新和維護，從而保障干部人事檔案信息完整和真實有效，為人才管理與干部選任等工作提供知識決策服務。

注釋與參考文獻

[1]魏扣，李子林，金暢.社交媒體環境下檔案知識聚合服務實現架構研究[J].檔案學通訊，2018（6）：61-66.

[2]中共中央辦公廳.干部人事檔案工作條例[S]，2018-11-28.

[3]林麗.為人社事業高質量發展服務——建湖縣人社部門檔案管理實踐探索[J].檔案與建設，2021（03）：63-64+67.

[4]歐陽慧芳.名人檔案知識管理應用研究——以華南理工大學為例[J].檔案與建設，2018（02）：40-42，39.

[5]戴玲，彭長根.基于大數據的干部人事檔案審核與監管機制[J].檔案與建設，2017（06）：31-34，90.

[6]？Sebastian？Rozenberg.Digital？ records？as？relational？objects-Yuk？Huis？ concept？of？digital？objects？applied？to？archival？ science[J].？Achival？Science，Vol：21？ No.2，2021：193-218.

[7]劉嶠，李楊，段宏，等.知識圖譜構建技術綜述[J].計算機研究與發展，2016，53（03）：582-600.

[8]王應解，呂元智，聶璐.檔案學領域本體的構建初探[J].檔案學研究，2015（06）：19-25.

[9]唐曉波，鄭杜，高和璇.基于三層知識融合的金融領域信用知識服務模型構建[J].情報科學，2021，39（08）：12-20.