对于南京,你的第一印象是什么?
对于南京市近年来出台的各项人才政策,你的感受又如何?
你有想过去南京生活吗?
当今时代,国际竞争、国内竞争、城市竞争、企业竞争,归根到底是人才的竞争。也许,大家或多或少都能从各种渠道,对南京这座古老又现代的城市有所了解。今天,就带领大家一起通过AI+大数据,了解一下南京的人才现状和人才环境。
众所周知,过去三十年,南京集聚了优质学者人才,不断推动着南京综合实力和核心竞争力的增长。而根据不久前,智谱·AI在清华校友三创大赛颁奖典礼暨南京中华门创将创新成果大会上发布的《宁聚宁需人才地图》,过去五年,南京凝聚了江苏省内重点领域大部分的高端人才。
其中,南京的生物医药领域高层次人才凝聚最多,约占江苏省28%,占全国2%;南京的人工智能领域高层次人才第二,约占江苏省52%,约占全国3%;南京的集成电路领域高层次人才第三,约占江苏省62%,约占全国4%。
从重点领域来看,南京高端科技人才在材料领域的数量最多,在人工智能、新能源汽车和智能电网领域较强。其中,人工智能领域,南京市关键人才数量前十的机构之中,南京大学的高层次学者数量最多,为48位,论文总发表量和被引用数也最高。
《宁聚宁需人才地图》是智谱·AI借助科技情报大数据挖掘与服务系统平台AMiner,针对南京重点发展科技领域(材料技术、生物医药、人工智能、集成电路、新能源汽车、智能制造、智能电网)建立的智慧人才系统。
该系统选取近5年期间相关领域国际期刊和会议所收录的全部论文数据,通过挖掘和分析论文数据,获取论文学者信息;通过命名排歧和信息抽取等大数据分析和挖掘技术,对重点科技领域的专家学者进行学者画像,构建领域人才智库,然后根据学者画像信息进行领域人才相关情报挖掘分析。
从图中我们可以看到人工智能、生物医药、材料技术、集成电路等等多个当下热门领域的多方面信息。所呈现的数据点面结合,既包括南京该领域的人才动态、城市人才分布、南京人才机构排名,也有该领域的全国人才分布、全国发展情况以及南京与省份城市的影响力对比。
南京市人才影响力
南京市与其他省份中心城市人才与产业能力比较
南京市人工智能领域人才指数
在人工智能领域,南京市的人才健康指数在全国排行第三,人才主要集中在栖霞区与玄武区;在基础科研影响力上较为突出,南京大学和东南大学在该领域人才数量较多、成果影响较大。“数据挖掘”、“特征提取”、“人脸识别”等词是该城市该领域的科研热点。
南京市生物医药领域人才指数
在生物医药领域,南京市的人才健康指数在全国排名第四,人才主要集中在栖霞区与江宁区;在基础研究热度与基础科研影响力上较为突出,在该领域的人才机构排名中,南京大学一骑绝尘。“细胞凋零”、“细胞周期”、“非小细胞肺癌”等词是该城市该领域的研究热点。
南京市材料技术领域人才指数
在材料技术领域,南京市的人才健康指数在全国排名第三,人才主要集中在栖霞区;在基础科研影响力上较为突出,产业创新方面稍弱,在该领域的人才机构排名中,南京大学和东南大学在该领域人才数量较多、成果影响较大。“数值模拟”、“晶体结构”、“透射电子显微镜”等词是该城市该领域的研究热点。
南京市集成电路领域人才指数
在集成电路领域,南京市的人才健康指数在全国排名第二,仅次于北京,人才主要集中在栖霞区、秦淮区和玄武区;在基础科研影响力和产业创新上较为突出,在该领域的人才机构排名中,东南大学和南京大学名列前茅。“无线通信”、“Mimo通信”、“正交频分复用”等词是该城市该领域的研究热点。
此外,科技情报大数据挖掘与服务系统平台AMiner还结合人工智能学术知识图谱,深度挖掘了目前南京各个领域学者的职业生涯信息。感兴趣的读者可以访问AMiner平台进行查看。
那么,这么详细、可视化的人才地图,是怎么做出来的呢?
同《宁聚宁需人才地图》背后的研发团队进行了交流,研究人员指出,该智慧人才系统依托清华大学高质量大规模知识图谱、深度隐含关联挖掘算法和认知图谱等核心技术,服务地方科技产业发展,展示符合地方发展方向的本地、全国和全球人才分布态势、人才流动趋势,可以为地方人才引进工作中的寻、评、引、用提供基于大数据的智能化支持,构建全球人才GPS,实现人才工作的按图索骥。
以下为智谱.AI研发人员对学术君问题的回答:
Q:在进行不同领域人才相关情报挖掘分析的时候,运用了哪些AI算法?
A:使用AMiner库中学者论文信息数据, 我们主要使用了下面两类算法应用对学者进行领域分析标注,其中包含多个NLP算法。
(1)利用AMiner学科知识图谱:先对学者的发表论文中的实体,关系等信息进行抽取(其中实体抽取方法使用word2vec+LSTM+CRF和规则匹配,关系抽取采用多种方式结合:包括规则和远程监督),再利用已构建的学科知识图谱推理对学者进行领域标注。
(2)领域标注系统:这是一个以深度学习为核心算法的多标签标注系统,算法网络结构简单说明:先用bert对学者多篇代表性论文进行Emmbedding,再使用多个的局部Attention层和全局Attention层进行特征的融合和提取,最后基于这些语义特征向量进行标签预测,即对学者进行领域的标注。
Q2:在收集近5年论文数据的时候,主要以什么为基准?
A:AMiner库的期刊会议数据覆盖多领域,这些期刊数据具有一定影响力和代表性,并且持续更新维护;这些期刊会议通过专家和算法的标注所属领域,并且定期更新该期刊会议所在领域的影响力。我们在收集学者代表性论文数据时,就是利用这些具有领域代表性和高影响力的期刊会议进行论文的收集。
Q:《宁聚宁需人才地图》运用大数据技术并通过数据可视化的方式呈现给读者,这种方式在推动城市未来科技发展中有什么作用?这些技术还可以用在哪些领域?
A:人才地图依托高质量大规模知识图谱、深度隐含关联挖掘算法和认知图谱等核心技术,服务地方科技产业发展,展示符合地方发展方向的本地、全国乃至全球人才分布态势、人才流动趋势。下一步我们预计会针对长三角和深圳的人工智能、新材料、生物医药等领域,基于大数据的智能化支持,建构更进一步的人才GPS。相关技术在其他应用领域应用也用很多,例如工业系统运行监控,社交网络信息分析等。
Q:在系统中的“科研热点”板块:所展示的文本数据是用什么模型学习得到?训练这个模型需要花费多少时间呢?是否对比了不同的模型效果?
A: “科研热点”板块,实质上是文本关键词抽取。这里的抽取算法的主要思想是利用词向量与所在文本向量的近似程度作为是否抽取的依据,并且累加每个词的近似得分,作为可视化突出显示的依据。用到的主要的模型是word2vec。然后再使用Spherical K-means, 以及首尾N-Gram联想等算法进行领域匹配优化,使抽取的关键词达到最优。
对于这个文本抽取模型,训练数据量大概是1亿篇左右的论文摘要。模型的训练时间是20小时左右。
我们的模型与常用的开源抽取关键词工具(如:TextRank,Jieba,NLTK等)比较,具有如下3个效果的明显提升:
1.更具学术领域针对性。常用的抽词工具的训练数据,通常使用的是通用文本数据,使得结果集中包含大量的非学术性词汇。测试结果,学术研究领域关键词抽取准确率提升32%。
2.对英文关键短语的抽取,效果明显好于常用开源工具。测试结果,学术研究领域关键短语抽取召回率提升45%。
3.算法流程的最后,会对于抽取结果会利用学科领域知识图谱进行一轮筛选和排序,以提高所展示的词与领域的匹配度。
