随着网络与人工智能的迅猛发展,计算机领域进入高速发展时代,企业对计算机领域人才的招聘更加频繁,高校也越发重视计算机领域的人才培养。但在求职过程中,岗位匹配主要以关键词搜索为主,返回的招聘信息较为分散,岗位所需的知识和技能无法被全面展示,这将影响求职者对于岗位的认知甚至职业选择。为有效解决上述问题,学术界和工业界通过定义岗位胜任力模型为招聘与求职提供客观科学依据。本文结合计算机领域的特点开展研究,基于求职网站中的招聘数据构建知识图谱,抽取不同类别岗位所需的知识和技能即岗位胜任力,最后研发应用平台提供基于知识图谱的招聘信息语义检索服务并展示全面的岗位胜任力即岗位所需的知识和技能以及所对应的掌握程度。本文的主要研究和贡献有:1.定义了计算机领域招聘信息的知识图谱数据模式和语义关系,包含不同类别的实体、实体间关系、实体的属性等,并在数据模式中引入知识和技能实体,在知识图谱中融合岗位胜任力元素。2.构建了计算机领域的知识图谱。收集互联网中计算机领域的招聘信息数据并构造领域词典,使用卷积和双向长短期记忆相融合的神经网络算法抽取出知识图谱中的知识,将整合后的知识存储在Neo4j图数据库中。本文的知识抽取方法在实验中具较高的F1值,所构建知识图谱具丰富的实体和语义网络。3.提出了基于知识图谱的岗位胜任力需求模型抽取方法。本文先基于知识图谱完成对招聘需求文本的语义扩展,基于人工标注和预训练模型使用BERT模型将计算机领域招聘信息分为不同类别的岗位。最后使用word2vec完成程度词分类,基于共现矩阵实现计算机领域不同类别岗位所需胜任力的抽取,深度挖掘每类岗位所需的知识和技能及相应的掌握程度。实验表明该方法的实验结果较为符合求职的实际情况,对于求职者全面了解岗位具有较好的借鉴意义。4.搭建了基于知识图谱的计算机领域胜任力管理平台。本文整合Neo4j中知识图谱和岗位胜任力数据,将数据同步至ElasticSearch。借助Elasticsearch的高效优质的全文检索为求职者提供快速丰富的招聘信息语义检索服务,使用Vue.js框架搭建具有图谱可视化效果的职位信息列表和岗位胜任力展示平台。本文所提出知识图谱构建技术和岗位胜任力抽取技术在实验数据中表现良好。基于知识图谱的招聘信息语义检索案例在速度和语义相关度方面具有不错的表现,通过知识图谱可视化展示的岗位胜任力可以较为全面地展示计算机领域不同岗位所需的知识和技能。所搭建的平台可以为求职者提供优质的招聘信息检索和岗位胜任力展示服务。