人事檔案知識圖譜的構建研究

摘 要：隨著信息技術的發展，傳統的人事檔案管理方式已經無法滿足快速變化的人才需求和復雜的組織管理需求。基于人事檔案知識圖譜構建的重要性與可行性的探討，從知識獲取層、圖譜構建層、人才圖譜層、圖譜應用層構建人才檔案知識圖譜，以期為公眾服務和政策決策提供科學支持。

關鍵詞：人事檔案；知識圖譜；知識管理；知識服務；數據挖掘；本體構建；質量評估；應用場景

人事檔案是人們在以往的社會實踐活動中形成的，具有確定性的和完整性的信息。人事檔案是全面反映人生軌跡的重要依據，與工資待遇、社會保障、組織關系等緊密相關，具有重要的法律效用。隨著檔案數量的日益增多，檔案服務需求日益復雜，傳統的人事檔案管理方式已經無法滿足快速變化的人才需求和復雜的組織管理需求。

知識圖譜是人工智能的重要分支技術。知識圖譜是以圖的形式描述現實實體之間關系的知識庫，其組成元素是“實體—關系—實體”三元組，以及實體及其相關屬性鍵值對。實體間關系通過相互的聯結，構成一個網狀知識結構。知識圖譜呈現的數據具備很強的結構性，同時應用圖挖掘算法能夠以更高的效率獲取信息。知識圖譜旨在通過數據挖掘、信息處理、知識計量和圖形繪制，將原來復雜的知識領域顯現出來，揭示知識領域間的動態發展規律，從而提供切實有價值的參考。目前，知識圖譜不僅應用在電子商務、醫藥研發、金融、法律等多個領域，[1]在檔案領域也已被應用起來，學者普遍認可知識圖譜是整合檔案資源、為決策賦能的重要工具。[2]本研究將知識圖譜應用于人事檔案信息服務當中，利用知識圖譜對人事檔案信息進行結構化管理，以期為公眾服務和政策決策提供支持。

1 構建人事檔案知識圖譜的重要性和可行性分析

1.1 構建人事檔案知識圖譜的重要性分析。將知識圖譜的技術與人事檔案信息化結合來實現智能服務，是加快檔案工作數字轉型、服務并融入政府數字化轉型的大勢所趨，也是推進檔案工作自身創新發展的重要方式。數據的知識化和網絡化也是數字化改革的重要發展方向。人事檔案包含結構化數據和非結構化數據，通過構建人事檔案知識圖譜，將龐雜的檔案數據與復雜的關系網絡以一種人們更容易接受的形式來進行表達，可有效地針對復雜的關系網絡進行管理、理解和分析。通過知識圖譜激活人事檔案數據要素方面潛能巨大，一旦投入應用，可有效提高人事檔案數據價值，大力推動人事檔案數字化建設。

通過構建知識圖譜對人事檔案信息資源進行整合、管理和利用，能更加有效地開發檔案信息資源，提升組織辦事效率，將呆滯在庫房中的檔案歷史信息變成可利用的檔案信息資源，才能在社會主義現代化建設中發揮重要作用。

第一，提升人事檔案管理效率。傳統的人事檔案管理通常采用紙質檔案或電子文檔形式，信息存儲和檢索效率較低，而知識圖譜可以將各類人才信息進行關聯和融合，建立結構化的知識圖譜，提高檔案的管理效率和信息檢索速度。通過智能查詢和推理，可以快速定位和獲取人才的相關信息，提升人事管理的效率和準確性。

第二，實現個性化的人才服務。基于人事檔案構建的知識圖譜可以對人才進行個性化的服務。通過對人才的學歷、技能、興趣等信息進行分析，可以為人才提供個性化的培訓和發展計劃。同時，通過智能推薦和匹配算法，結合企業主動對接政府、高校、人力資源機構的合作平臺上報的人力需求數據，將企業推薦，也將合適的就業崗位和創業項目推薦給人才。

第三，加強人才工作需求預測與科學規劃。通過人事檔案知識圖譜，動態監測分析人才引進和流動數據，分析人才流動的影響因素，發現人才流動規律、人才結構變化等信息，并通過機器學習算法實現對人員流動、人員供給變化等方面的預測和建模，有助于服務政府決策，加強引才工作科學指引。

第四，監控檔案業務的狀態和進度。系統還可以根據人事檔案知識圖譜進行的服務完成統計分析，生成各類報表和圖表，幫助管理者了解檔案業務的情況，及時發現問題并做出相應的調整和優化，提高檔案業務辦理的效率和響應速度。

一個以人工智能為核心，融合知識圖譜、數據挖掘、智能服務為一體的新型檔案數據服務方式將改變各級檔案部門的服務模式和人民群眾利用檔案的傳統習慣，加快人社數字化轉型進程。

1.2 構建人事檔案知識圖譜的可行性分析。知識圖譜是一種強大的知識表示和推理工具，它能夠將各種零散知識用語義的關系連接起來，形成一個有關聯的圖。知識圖譜利用知識工程為大數據添加語義，使數據產生智慧，完成從數據到信息到知識，最終到智能應用的轉變過程，旨在從數據中識別、發現和推理事物與概念之間的復雜關系，是事物關系的可計算模型，知識圖譜技術的推廣應用，為人事檔案管理帶來新的機遇，契合人事檔案自身特性和應用需求。

首先，人事檔案數據結構清晰和人事檔案關聯關系明確是重要基礎。人事檔案中包含大量結構化數據，如人員的個人信息、工作經歷、培訓經歷等，這些數據可以被有效地轉化為知識圖譜中的實體和關系，使得知識圖譜的構建相對較為簡單，而人事檔案中存在豐富的關聯關系，利用自然語言處理和機器學習技術，可以對人事檔案中的各種信息進行實體抽取和關系建模，構建起人員、組織結構、職位變動等方面的知識圖譜。

其次，知識圖譜技術支持成熟是重要前提。當前自然語言處理、機器學習和知識圖譜技術已經相當成熟，能夠有效地應用于人事檔案的信息抽取、數據挖掘、關系建模等方面。

2 人事檔案知識圖譜構建

為了盤活檔案數據，將各類人事檔案信息進行統一建模和融合，實現檔案數據的標準化和共享，借助知識圖譜的推理和查詢能力，支撐復雜的人才分析和決策。通過突破質量檢查、語義處理、可視知識挖掘、知識圖譜構建等關鍵技術，搭建起人事檔案知識圖譜，[3，4]具體包括知識獲取層、圖譜構建層、人才圖譜層和圖譜應用層，如圖1所示。

2.1 人事檔案的知識獲取層。將人事檔案中的結構化和非結構化信息提取和轉化為可用于知識圖譜構建的數據。這一層的目標是從各種類型的人事檔案中獲取有用的實體、關系和屬性，并將其表示為機器可理解的形式。[5]

根據提煉出的人事檔案相關指標，對文本預處理，完成文本清洗、分詞、去除停用詞等操作，提取出有用的文本信息。通過使用深度學習的方法，從本文中識別和提取出與人才相關的信息，結合使用基于依存句法分析、命名實體識別和關系分類等方法，實現人才之間以及人才與其他實體之間存在的關系抽取。通過關鍵詞匹配、實體屬性識別、實體關系抽取等方法實現如教育經歷、工作經歷等的屬性抽取。通過將這些相同的實體進行識別、鏈接和合并，完成實體鏈接。將其中實體、關系和屬性通過節點和邊的圖結構方式進行數據表示。

通過對人事檔案的知識抽取，可以將檔案中的各類材料轉換成計算機可識別和理解的數據，歸整數據使其達到標準化格式，為后續的知識圖譜構建和應用提供了基礎數據，并幫助實現人事檔案的智能化管理和個性化服務。

2.2 人事檔案的圖譜構建層。圖譜構建層分為知識融合和知識加工兩大部分。其中，知識融合又包括實體鏈接和知識合并。實體鏈接指將抽取到的實體與知識庫相聯結的程序，含實體消歧和共指消解方法。程序通過聚類法完成實體消歧，解決同名實體出現歧義的問題。共指消解用于解決多個指向對應一個實體對象的問題，運用國外相關研究相對成熟的實體相似性模型和上下文相似性模型完成共指消解，而知識合并是指將第三方的數據如表2所示合并外部知識庫和關系數據庫進數據庫。

通過知識融合，得到了關于人才與崗位的一系列基本的事實表達，通過知識加工，將事實表達轉化為知識。知識加工含本體構建、知識推理和質量評估這三個方面。人事檔案數據通過知識融合，識別實體已經變成標準化知識并且同時附有相關屬性關系，被歸入人才庫、職位庫和企業庫中。在構建完整的人才圖譜之前，需要進行質量評估，并且通過對知識的可信度進行量化，通過舍棄置信度低的知識來確保人才圖譜內數據的質量。同時從已有的實體關系出發，經過計算機推理，發現新的實體關系，人才圖譜網絡得到進一步完善和更新。

2.3 人事檔案的人才圖譜層。人才圖譜層是指通過構建一個完整的知識圖譜流程，將數字檔案中的不同人事檔案指標資源進行集成和整理，形成人才圖譜，進而輸出到人才圖譜應用層面。將上述已經清洗和加工好的檔案數據，利用neo4j進行處理，可以得到基于人才方面的檔案知識圖譜，如圖2所示。

從圖中可以清楚地了解到人才關于教育經歷、工作經歷、專業技能等具體情況，然后根據崗位需求將匹配的人才特性通過畫像的形式描繪出來得到人才畫像，讓人社部門通過了解儲備人才的相關要求，從而有的放矢，更精準地去幫助企業有針對性地開展招聘、培訓等工作。

同理，通過neo4j可以得到基于崗位數據的檔案知識圖譜，如圖3所示。從圖中可以清楚地了解到崗位特征，如經歷要求、教育背景，結合人才數據的知識圖譜進行知識推理，通過人崗匹配模型，進行人才與崗位的適配度評價，為企業內部調整人才梯隊和外部招聘人才提供決策建議。

2.4 人事檔案的圖譜應用層。圖譜應用層是指通過形成的知識圖譜，對數字檔案信息源所生成數據進行處理，將形成的結構化關聯數據用于深度學習算法訓練，得到能解決具體場景問題的研判模型，從而形成解決辦法、產生價值的服務形式，構建的人才圖譜為檔案的高質服務帶來良好效果，包括檔案業務管理系統、人才精準高效招引和人才個性化培養等。

人事檔案知識圖譜構建，通過將人事檔案的信息轉化為圖譜形式，對人事檔案進行結構化、智能化管理，在人才一鍵背調、人事檔案快速搜索、人才流動分析等智能信息服務中產生應用價值。

（1）人才一鍵背調。基于知識圖譜的人才一鍵背調功能，通過構建的人事檔案知識圖譜，將人事檔案相關信息進行關聯，能夠快速、準確地進行人才的背景調查，包括其教育、工作、社會信用等各方面的情況。在人才背調工作中應用人才檔案知識圖譜，能夠及時發現潛在的風險和問題，為企業用人提供參考和依據，提升了人事檔案管理效率。同時，人才檔案知識圖譜將人事檔案信息進行結構化處理和結構化存儲，利用知識圖譜進行可視化展示和智能查詢，大大提高了人事檔案管理的效率和準確性。

（2）人事檔案快速搜索。相比于傳統搜索的關鍵詞匹配技術，基于人事檔案知識圖譜的快速搜索通過構建的人事檔案圖譜，對人事檔案數據進行建模，將不同信息以及它們的關系進行關聯，并結合知識圖譜中的豐富信息進行智能推理和分析，從而提供更精準、更全面的搜索結果。可以篩選符合條件的人才，實現人事檔案信息的深度挖掘和個性化應用；利用知識圖譜對人事檔案信息進行深度挖掘和分類，為人才提供個性化的培訓和發展機會，促進其職業能力成長。同時，結合鎮企服務平臺企業填報的人才訴求，搜索匹配的人才進行推薦，通過限制學歷、年齡、專業等條件，篩選出匹配企業需求的人才，為企業用工提供服務。

（3）人才流動分析。人才流動分析內容主要包括五大部分：第一，流入引進人事檔案板塊旨在吸引和引進優秀的人才資源。通過建立人事檔案知識圖譜，可以實現協助人才流動分析，通過對人才之間的關系進行分析，為人才的流動分析提供支持，幫助跟蹤和管理人才流動。例如通過年齡結構可以了解引進人才的年齡分布情況，可清晰地看到各個年齡段的人才數量和比例，從而了解該地區對不同年齡段人才的需求和吸引力；通過來源高校數可以了解引進人才來源的高校數量，通過比較不同年份的來源高校數，可以了解該地區引進人才的來源多樣性。通過這些信息，分析該地區的人才引進狀況，包括人才的學歷結構、年齡結構、專業分布、來源高校和地區等。這對于制定人才引進政策、加強與高校的合作、增強該地區的人才吸引力等方面都具有重要的參考意義。

第二，畢業留鎮人事檔案板塊旨在促進優秀人才長期留在本地發展。根據個人的能力和意愿，系統可以主動推送適合的工作機會和發展項目，提高人才對本地發展的認同感和歸屬感。其中通過區域分布可以了解留鎮人才在Z市的區域分布情況，可以了解不同區域的人才留鎮數量和比例；通過畢業留鎮人事檔案，可以更好地了解Z市的人才狀況，包括人才的學歷結構、區域分布、就業情況以及本地高校人才的留用情況等。這對于制定人才政策和措施、增強Z市的人才吸引力和發展本地高校人才具有重要意義。

第三，歸雁返鄉人事檔案板塊旨在吸引和鼓勵優秀人才回到家鄉或原籍地發展。該板塊提供各類支持和服務，以便吸引人才回歸，為家鄉地區的發展注入新的活力和動力；其中通過年齡結構板塊可以了解歸鄉人才的年齡分布情況，清晰地看到各個年齡段的人才數量和比例，從而了解家鄉對不同年齡段人才的需求和吸引力。歸鄉人數的數據提供每年歸鄉人才的數量，可以了解到家鄉對人才的吸引力和留住人才的能力，同時比較不同年份的歸鄉人數可以看出歸鄉人數的發展趨勢。這些信息有助于我們更全面地了解歸鄉人才的特征和發展趨勢，對于制定人才引進政策、加強與高校的合作、增強家鄉的人才吸引力等方面都具有重要的參考意義。

第四，離鎮轉出人事檔案板塊旨在促進人才的省內跨地區流動和交流。該板塊提供了省內各類信息和支持，以便人才能夠在省內不同地區之間自由流動和交流，實現優勢互補和資源共享。通過頁面得到以下信息：省內外流動情況通過地圖或柱狀圖展示不同省份之間的人才流動情況；顏色深淺或柱狀圖的高低可以表示流動量的多少，從而清晰地展示出省內外人才流動的趨勢和規模；其中流向地Top 10情況在地圖上標注出人才流動的目標地，以及與之對應的人才流入量。可以使用標記點、連接線等方式，突出顯示前十個流入量最高的目標地區，幫助觀察者快速了解人才流動的熱門目的地；流動的學歷占比情況通過餅圖或堆疊柱狀圖展示不同學歷層次人才在流動中的占比情況。每個學歷層次可以用不同顏色或不同柱子表示，以便觀察者能夠直觀地了解各個學歷層次在人才流動中的比例和趨勢。通過人才流動情況，有助于深入分析人才流動特點、研究人才流動規律，并為人才管理和政策制定提供可靠依據。

第五，失業人員跟蹤服務是一種通過對失業人員的人員基礎信息、就業軌跡信息、工商登記信息以及就業信息進行跟蹤和分析，以提供更精準和個性化的就業幫助的服務。通過對人員基礎信息、就業軌跡信息和工商登記信息可以獲取就業培訓、崗位以及招聘會信息的便捷性和精準度等進行綜合分析，進而得到就業信息分析，旨在個性化地滿足失業人員的職業需求，提供更加有針對性的就業支持。

基于知識圖譜的人事檔案知識化服務在提升人事檔案管理效率、實現個性化人才服務以及提高檔案業務辦理效率方面具有創新性，為傳統人事檔案管理系統帶來了全面升級和改進的機遇。此外，基于人事檔案知識圖譜的應用還可以幫助學生更好地了解行業發展和企業需求，提高其職業素養和實踐能力。促進職業教育與產業發展之間的雙向互動，提高職業教育質量和實用性。例如其在技師學院的應用，利用知識圖譜整合和分析各種數據，構建起職業教育與產業需求之間的關系網絡，根據行業發展趨勢和市場需求，更新職業教育課程內容和教學方法，實現了知識圖譜在職業教育決策支持和學生能力培養等方面的應用，確保與實際工作場景緊密聯系，提高學生就業競爭力，為企業提供更多符合需求的高素質人才。

3 結論與展望

本研究通過探討人事檔案知識圖譜的基本原理和技術，包括信息抽取、數據融合和知識表示等方面，構建包括人才信息的抽取與整合、實體關系的建模和知識圖譜的構建，重點探討了基于知識圖譜的人才背調、快速搜索和人才流動分析等應用表現。研究表明，基于人事檔案的知識圖譜服務化可以有效地實現人事檔案數據的智能化管理和應用，提高人事檔案的利用價值和服務效率，基于知識圖譜的人事檔案服務化研究目前已經向就業中心、人才中心、技師學院等多家單位提供服務。

為了進一步提升基于人事檔案的知識圖譜服務應用效果，可以從以下幾個方面展開研究：其一，深入挖掘人事檔案領域的知識圖譜應用場景，拓展知識圖譜應用范圍；開發相應的知識圖譜服務和工具，將知識圖譜技術應用于更廣泛的人事管理領域，提高人事檔案數據的應用效率和質量。其二，建立完善的知識圖譜構建和維護機制，包括數據采集、清洗、融合和更新等方面，確保知識圖譜的準確性和完整性。其三，探索知識圖譜與其他技術的深度融合，如自然語言處理、機器學習等，提高知識圖譜的智能化水平，進一步提升人事檔案的管理和應用效果。增強跨領域合作，加強與其他領域的合作與交流，如計算機科學、心理學、社會學等，共同推動人事檔案知識化服務研究的深入發展。其四，加強知識圖譜的安全保護和隱私保護，建立健全的安全機制和法律法規，確保人事檔案數據的安全性和合法性。

隨著時間的推進，日漸龐雜的人才信息也需要更加高效的管理和開發利用工具，知識圖譜的研究應用雖處于初級階段，但其優勢已然展露，隨著未來在這方面的不斷深入研究和創新，更多的技術手段不斷加入，相信人才圖譜研究能取得更深刻的成果，更好地輔助人社部門制定更加科學合理的人才政策，幫助企業或地區更好地利用和挖掘人才資源。

本文系2022年江蘇省檔案科技項目“基于知識圖譜的人事檔案知識化服務研究”（項目編號：2022-30號）研究成果。

參考文獻：

[1]陳濤，劉煒，單蓉蓉，等.知識圖譜在數字人文中的應用研究[J].中國圖書館學報，2019，45（06）：34-49.

[2]樊美麗.事業單位人事檔案管理中存在的問題及對策思考[J].山西檔案，2010，（S1）：3-4.

[3]陳海玉，向前，何劍鋒.面向知識服務的抗戰檔案資源聚合與可視化展現探究[J].檔案學研究，2021（02）：111-118.

[4]夏天，錢毅.面向知識服務的檔案數據語義化重組[J].檔案學研究，2021（02）：36-44.

[5]李勇，陳曉婷，黃格.基于招聘數據的人工智能人才畫像與培養對策[J].重慶高教研究，2021，9（05）：55-68.

（作者單位：1.鎮江市人力資源社會保障檔案管理中心 劉菁，本科，副研究館員，主任；2.鎮江市人事考試考工中心 姚丹超，本科，副主任；3.北京易華錄信息技術股份有限公司 史琬瀅，碩士，工程師， 來稿日期：2024-08-04）