基于多源异构数据融合与图神经网络的毕业生就业能力知识图谱构建及多任务预测研究

《Scientific Reports》：Constructing a graduate employability knowledge graph with multi-source data fusion and graph neural network-based multi-task prediction

　　

摘要

针对现有就业能力预测框架在跨域数据集成和异构知识建模方面的局限性，本研究提出了一种基于多源异构数据融合和图神经网络的毕业生就业能力知识图谱构建框架。采用双向置信度评分对齐策略，整合来自三个跨域来源的学习行为、市场需求和知识掌握数据，构建了一个包含学生、技能和职业实体的动态知识图谱，该图谱涵盖三个层级和七种语义不同的关系类型。在此基础上，进一步开发了一种结合基分解参数共享和双级注意力机制的端到端多任务预测架构。实验结果验证了所提框架在技能掌握预测、能力等级评估和岗位匹配推荐等子任务上的技术有效性，以及在跨数据集迁移条件下的表征稳定性。本研究为教育情境下的多源异构知识图谱构建和基于图的多任务预测贡献了一个可复现的方法论框架，其研究结果为智能职业指导系统的设计提供了技术基础，并为纳入真实毕业生就业结果数据的后续实证研究奠定了方法论基础。