崔 焱

(1.中國社會科學(xué)院大學(xué)(研究生院) 人口與勞動經(jīng)濟(jì)研究所，北京 100028； 2.中化環(huán)境控股有限公司，北京 100070)

0 引言

人才在社會發(fā)展中發(fā)揮著重要作用。研究人才政策有助于了解各地人才政策趨勢，分析人才政策與社會發(fā)展之間的關(guān)系，并考慮人才政策的得失，從而制定更加合理的人才政策。

人才政策研究需要獲取大量人才政策文件，以對人才政策進(jìn)行綜合分析和評價[1-5]。這種研究方法的問題在于，它需要獲取盡可能多的人才政策文件，并且需要大量的人工分析工作，工作量大，主觀性強(qiáng)。為避免上述問題，大量的人才政策文獻(xiàn)重點(diǎn)考慮多省份人才政策[2-6]，或者研究單一省份人才政策的特點(diǎn)[[7-12]，或者比較多個省份人才政策的差異[4-11]。

對于人才政策的研究方法，一般采用總結(jié)法[1-3]，該方法需要研究人員對人才政策文件進(jìn)行總結(jié)，存在分析復(fù)雜度高、主觀性強(qiáng)的缺點(diǎn)；少量文獻(xiàn)采用數(shù)學(xué)分析的研究方法[7-8]，這種方法對預(yù)處理后的人才政策文件，使用統(tǒng)計(jì)等數(shù)學(xué)方法分析人才政策數(shù)據(jù)，這種方法客觀性好，但仍需要人工對人才數(shù)據(jù)進(jìn)行預(yù)處理和總結(jié)。

本文提出了一種基于互聯(lián)網(wǎng)語料的人才政策分析方法。本方法首先使用計(jì)算機(jī)爬蟲程序，獲取盡可能多的發(fā)布在互聯(lián)網(wǎng)上的人才政策文件，然后通過關(guān)鍵詞分割，提取人才政策中的關(guān)鍵詞，最后通過TF-IDF等技術(shù)，對人才政策的關(guān)鍵詞進(jìn)行分析。本方法盡量避免研究人員對政策文件的處理和總結(jié)，從而避免人為性傾向帶來的主觀性問題。本方法具有較好的計(jì)算機(jī)處理能力，可自動更新人才政策文件數(shù)據(jù)，快速輸出分析結(jié)果，具有時效性高、分析地域廣、客觀性強(qiáng)的優(yōu)勢。

1 人才政策數(shù)據(jù)分析方法

1.1 人才政策文件獲取

人才政策文件的獲取方式是計(jì)算機(jī)爬蟲程序。首先確定爬蟲程序需要采集的數(shù)據(jù)源，數(shù)據(jù)源由人工確定。數(shù)據(jù)源為全國不同省市的人才政策網(wǎng)站，或者發(fā)布人才政策的網(wǎng)站板塊，人工將這些網(wǎng)站或者網(wǎng)站板塊記錄下來，整理為合適的數(shù)據(jù)格式后作為數(shù)據(jù)源。然后設(shè)計(jì)爬蟲程序，爬蟲程序需要讀取數(shù)據(jù)源，對數(shù)據(jù)源的網(wǎng)站或網(wǎng)站模塊中的人才政策文件進(jìn)行持續(xù)抓取和定期更新。爬蟲程序使用Python語言實(shí)現(xiàn)，可在1小時內(nèi)完成全部人才政策文件的抓取，并可根據(jù)需求定期更新。

爬蟲程序除了抓取人才政策文件的標(biāo)題和正文，還可記錄其發(fā)布時間和發(fā)布地點(diǎn)。發(fā)布時間和發(fā)布地點(diǎn)分別可以從時間和空間維度上分析人才政策，綜合使用各種維度參數(shù)可更加深入解析人才政策文件，本文主要分析人才政策文件的標(biāo)題和正文。

1.2 人才政策文件處理

人才政策文件包含標(biāo)題、正文、發(fā)布時間、發(fā)布地點(diǎn)等參數(shù)，發(fā)布時間和發(fā)布省份可以直接使用，而標(biāo)題和正文則需要理解其內(nèi)容含義。為了更加深入分析人才政策文件內(nèi)容，需要對人才政策標(biāo)題和正文進(jìn)行解析。

首先通過分詞工具，將人才政策文件正文切割為一個個有實(shí)際含義的詞語。具體過程為，使用分詞工具Jieba，對人才政策文件正文分詞，分詞后可以得到對應(yīng)的詞語及其詞性。詞性表示一個詞語在句子中是名詞、動詞等，本文重點(diǎn)考慮名詞和部分動詞，其他詞性的詞語被排除掉。

經(jīng)過詞性過濾得到的詞語中，仍然包含大量與人才政策無關(guān)的詞語，比如“文件”“公告”，這些詞語中一部分詞語的出現(xiàn)頻度非常高，對人才政策文件的分析帶來很大干擾。對這些詞語，可通過設(shè)置停用詞在分詞階段去掉，也可以在分詞完成后人工剔除，本文使用的后一種方法。

1.3 基于TF-IDF的關(guān)鍵詞權(quán)重計(jì)算

本文使用TF-IDF(Term Frequency-Inverse Document Frequency)提取關(guān)鍵詞。TF-IDF是信息檢索中常用的關(guān)鍵詞加權(quán)算法，是提取文本關(guān)鍵詞的常用方法。TF-IDF算法實(shí)現(xiàn)簡單，計(jì)算復(fù)雜度低。

顧名思義，TF-IDF是兩部分概念的疊加。TF表示詞頻，表示詞在給定文檔中的出現(xiàn)次數(shù)，這里的文檔指的是計(jì)算TF時的目標(biāo)文檔集合，可能是一個文檔，也可能是多個文檔。IDF表示逆文檔頻率。TF-IDF是詞頻TF和逆文檔頻率IDF的乘積。一般來說，詞語在文檔中的TF-IDF值越大，則詞語在文檔中的重要性越高。因此，計(jì)算文檔中每個詞的TF-IDF值，將詞按照TF-IDF值從大到小排序，可得到文檔的關(guān)鍵詞。下面詳細(xì)說明詞頻TF和逆文檔頻率IDF的定義及其計(jì)算過程。

計(jì)算詞頻TF。用TF(w, d)表示詞w在文檔d中出現(xiàn)的次數(shù)。TF(w, d)值越大，說明詞w在文檔d中的出現(xiàn)次數(shù)越高。但考慮到不同文檔或文檔集合的大小和總詞數(shù)不同，在需要跨文檔和文檔集合使用TF值時，一般將其歸一化，見公式(1)。本文計(jì)算單一省份人才政策文件中詞的TF值時，未進(jìn)行歸一化，這是因?yàn)槎鄠€省份數(shù)據(jù)比較時，本文比較的是關(guān)鍵詞的排序，而非TF-IDF值，兩者排序是一致的。

(1)

計(jì)算逆文檔頻率IDF。用IDF(w)表示詞w的逆文檔頻率，逆文檔頻率表示詞在不同文檔中的出現(xiàn)程度。詞在不同文檔中的出現(xiàn)次數(shù)越多，則該詞的IDF值越低，該詞在語料庫中的重要性也越低。語料庫為文檔的語句基礎(chǔ)，是大量文檔的集合。需要注意的是，一個詞反復(fù)出現(xiàn)時，一般認(rèn)為其重要性高，這與IDF含義并不矛盾，IDF表示的是詞在整個語料庫而非單一文檔中的重要性，如果詞在語料中的不同文檔中均出現(xiàn)，則該詞被認(rèn)為是一個通用詞，難以凸顯其在特定文檔中的作用。本文計(jì)算IDF使用的語料庫是爬蟲程序抓取的全部人才政策文件，文件數(shù)量為9359個。逆文檔頻率IDF的計(jì)算公式如下：

(2)

如果一個詞在不同文檔中越常見，則公式(2)的分母就越大，逆文檔頻率IDF值就越小。為避免所有文檔均不包含詞w導(dǎo)致的分母為0，公式中給分母加1。log函數(shù)表示對得到的值取對數(shù)。計(jì)算TF-IDF。TF-IDF的計(jì)算見公式(3)：

TF-IDF(w,d)=TF(w,d)*IDF(w)

(3)

由公式可知，TF-IDF與一個詞在文檔中的出現(xiàn)次數(shù)正相關(guān)，與該詞在語料庫不同文檔中的出現(xiàn)次數(shù)負(fù)相關(guān)。提取人才政策文件中的關(guān)鍵詞就是計(jì)算出文檔中過濾后詞的TF-IDF值，然后將詞按照TF-IDF降序排列，取排序靠前的詞即可。

1.4 數(shù)據(jù)分析

本文從以下角度對人才政策文件進(jìn)行研究。不同省份人才政策文件數(shù)量和該省份GDP之間的關(guān)系；廣東省人才政策特點(diǎn)；人才政策文件標(biāo)題關(guān)鍵詞詳細(xì)分析，對人才政策文件的標(biāo)題，提取關(guān)鍵詞，計(jì)算TF-IDF，分析不同省份人才政策文件關(guān)鍵詞的差異；人才政策文件內(nèi)容關(guān)鍵詞簡要分析。

2 人才政策數(shù)據(jù)分析

2.1 不同省份人才政策文件數(shù)量和GDP之間的關(guān)系

計(jì)算不同省份的人才政策文件數(shù)量，結(jié)合國家統(tǒng)計(jì)局公布的2019年全國GDP數(shù)據(jù)，匯總得到不同省份人才政策文件數(shù)量和GDP關(guān)系表，見表1。需要說明的是，表1沒有吉林、甘肅等多個省份的數(shù)據(jù)，這是因?yàn)檫@些省份的人才政策文件數(shù)據(jù)源未進(jìn)行配置，本文后續(xù)數(shù)據(jù)分析均不涉及這些省份。

對比表1中不同省份的人才政策文件數(shù)量和2019年GDP排名的關(guān)系，得到圖1關(guān)系圖，橫軸為省份2019年GDP排名，縱軸為GDP排名對應(yīng)省份的人才政策文件數(shù)量。由圖1可以看出，不同省份的人才政策文件數(shù)量和GDP排名整體呈正相關(guān)，這說明GDP越高的省份，其人才政策文件數(shù)量越多，一定程度上說明經(jīng)濟(jì)越發(fā)達(dá)的省份，越重視人才政策，可以推測良好且廣泛的人才政策，對經(jīng)濟(jì)長遠(yuǎn)發(fā)展有利。需要注意的是，山東省GDP全國排名靠前，但人才政策文件數(shù)量偏少，一方面是因?yàn)榕渲玫娜瞬耪呶募?shù)據(jù)源存在一定程度的缺失，另一方面是因?yàn)樯綎|省政務(wù)信息化相對GDP前幾名的省份可能存在一定不足，導(dǎo)致發(fā)布到互聯(lián)網(wǎng)上的人才政策文件偏少。

表1 不同省份人才政策文件數(shù)量和2019年GDP關(guān)系

圖1 人才政策文件數(shù)量與2019年GDP排名關(guān)系

圖1中，橫軸為2019年省份GDP排名，縱軸為GDP排名對應(yīng)的省份的政策文件數(shù)量。

不同省份人才政策文件數(shù)量和2019年GDP值的關(guān)系，得到圖2的關(guān)系圖，橫軸為GDP值(單位：萬億)，縱軸GDP值對應(yīng)的省份的人才政策文件數(shù)量。由圖2也可看出，不同省份GDP值和人才政策文件數(shù)量基本上呈現(xiàn)正相關(guān)。

圖2 不同省份人才政策文件數(shù)量與GDP關(guān)系

綜上分析，人才政策與經(jīng)濟(jì)發(fā)展整體呈正相關(guān)。經(jīng)濟(jì)越發(fā)達(dá)的省份，越需要大量人才保持其經(jīng)濟(jì)長久穩(wěn)定發(fā)展，因此也越需要良好且廣泛的人才政策來穩(wěn)定人才隊(duì)伍和吸引新人才。

2.2 廣東省人才政策特點(diǎn)

廣東省人才政策文件數(shù)量和2019年GDP均全國排名第一，具有良好的典型性，本節(jié)分析廣東省的人才政策文件關(guān)鍵詞特點(diǎn)。

分析廣東省政策文件的標(biāo)題關(guān)鍵詞，人工過濾不相關(guān)的關(guān)鍵詞后，TF-IDF值排名前20的關(guān)鍵詞分別是就業(yè)、社會保障、高層次、技能、改革、衛(wèi)生、創(chuàng)業(yè)、科學(xué)技術(shù)、醫(yī)藥、鄉(xiāng)村、公立醫(yī)院、博士后、博士、體育、醫(yī)院、領(lǐng)軍、畢業(yè)生、軍人、創(chuàng)新、制造業(yè)。在前20個關(guān)鍵詞中，與醫(yī)療衛(wèi)生相關(guān)的詞有4個，分別是衛(wèi)生、醫(yī)藥、公立醫(yī)院、醫(yī)院，一定程度說明廣東省較多的人才政策與醫(yī)藥衛(wèi)生相關(guān)，對醫(yī)藥衛(wèi)生方面的人才尤其重視。體現(xiàn)高技能人才的關(guān)鍵詞有高層次、博士后、博士、領(lǐng)軍，一定程序上說明廣東省有較多的人才政策與高層次人才相關(guān)，符合廣東省高科技產(chǎn)業(yè)發(fā)展良好的情況。

分析廣東省政策文件的正文關(guān)鍵詞，人工過濾不相關(guān)的關(guān)鍵詞后，TF-IDF值排名前20的關(guān)鍵詞是衛(wèi)生、醫(yī)院、醫(yī)療、體育、公立醫(yī)院、教師、技能、中醫(yī)、創(chuàng)業(yè)、科技、藥品、社會保障、學(xué)校、健康、商務(wù)、安全、文化、農(nóng)業(yè)、教育、鄉(xiāng)村。前20個關(guān)鍵詞中，與醫(yī)療衛(wèi)生相關(guān)的詞有7個，分別是衛(wèi)生、醫(yī)院、醫(yī)療、公立醫(yī)院、中醫(yī)、藥品、健康，說明廣東省人才政策文件內(nèi)容較多內(nèi)容的涉及醫(yī)療衛(wèi)生方面。

2.3 人才政策文件標(biāo)題關(guān)鍵詞分析

關(guān)鍵詞詞頻TF分析。對全部人才政策文件的標(biāo)題進(jìn)行分詞，計(jì)算詞頻TF，人工挑選高頻且與人才政策相關(guān)性較高的關(guān)鍵詞。最終確定關(guān)鍵詞如下(按照詞頻TF從高到低排序)：人才、創(chuàng)新、創(chuàng)業(yè)、引進(jìn)、高層次、改革、規(guī)劃、科技、技術(shù)、人力資源、社會保障、經(jīng)濟(jì)、教育、畢業(yè)生、質(zhì)量、高校、獎勵、健康、人才培養(yǎng)、優(yōu)秀、人才隊(duì)伍、補(bǔ)貼、領(lǐng)軍、高技能、文化、醫(yī)療、英才、高新、選拔、醫(yī)藥、科學(xué)、住房、大學(xué)、職業(yè)技能、資助、互聯(lián)網(wǎng)、電子、激勵、金融、電子商務(wù)、轉(zhuǎn)型、升級、引進(jìn)人才、優(yōu)惠、基地、博士、專家、振興、評選、海外、新型、優(yōu)秀人才、科學(xué)技術(shù)、高端、博士后、科研、補(bǔ)助、評價、知識、高新技術(shù)、成果、優(yōu)化、投資、拔尖、留學(xué)、戶口、居住。

關(guān)鍵詞TF-IDF分析。通過TF-IDF計(jì)算關(guān)鍵詞權(quán)重，最終得到排名前15的關(guān)鍵詞為：高層次，創(chuàng)業(yè)，規(guī)劃，改革，引進(jìn)，英才，畢業(yè)生，社會保障，人力資源，高技能，創(chuàng)新，人才，科技，選拔，人才隊(duì)伍，關(guān)鍵詞TF-IDF的計(jì)算過程如表2所示。排名第一的關(guān)鍵詞是高層次，與人才政策相關(guān)性很高。關(guān)鍵詞人才的出現(xiàn)次數(shù)雖然最高，但其IDF值非常低，最終導(dǎo)致其排名相對靠后。

表2 人才政策文件標(biāo)題的前15個關(guān)鍵詞

不同省份人才政策標(biāo)題關(guān)鍵詞對比。首先對比廣東省和江蘇省的人才政策標(biāo)題的前10個關(guān)鍵詞，廣東省人才政策關(guān)鍵詞TF-IDF計(jì)算過程見表3，江蘇省人才政策關(guān)鍵詞TF-IDF計(jì)算過程見表4。對比可知，高技能和高層次這兩個關(guān)鍵詞在兩省的重要性都非常高，說明這兩個經(jīng)濟(jì)發(fā)展較好的省份，均重視高技能和高層次人才，這與其產(chǎn)業(yè)發(fā)展密切相關(guān)。廣東省的社會保障關(guān)鍵詞排名第2，體現(xiàn)了廣東省對人才保障政策的關(guān)注。

對比黑龍江(見表5)和廣東(見表6)、江蘇(見表4)的人才政策關(guān)鍵詞，黑龍江省的創(chuàng)業(yè)、大學(xué)、畢業(yè)生等關(guān)鍵詞的TF-IDF值非常高，這與廣東和江蘇區(qū)別明顯，說明黑龍江省在高校畢業(yè)生上有較多政策，體現(xiàn)了其對高校畢業(yè)生的重視。

表3 廣東省人才政策文件標(biāo)題的前10個關(guān)鍵詞

表4 江蘇省人才政策文件標(biāo)題的前10個關(guān)鍵詞

表5 黑龍江省人才政策文件標(biāo)題的前10個關(guān)鍵詞

表6 廣東省人才政策文件內(nèi)容的前10個關(guān)鍵詞

整體來看，不同省份人才政策標(biāo)題有明顯不同，但難以直接總結(jié)其區(qū)別。

2.4 人才政策文件內(nèi)容關(guān)鍵詞簡要分析

本部分簡要說明不同省份人才政策文件正文的關(guān)鍵詞。分析廣東省政策文件的正文關(guān)鍵詞，人工過濾不相關(guān)的關(guān)鍵詞后，TF-IDF值排名前10的關(guān)鍵詞是醫(yī)療、創(chuàng)業(yè)、科技、補(bǔ)貼、人力資源、社會保障、健康、文化、教育、改革。在前10個關(guān)鍵詞中，與醫(yī)療衛(wèi)生相關(guān)的詞有2個，分別是醫(yī)療、健康，進(jìn)一步說明廣東省對醫(yī)療衛(wèi)生人才關(guān)注度較高。與人才保障相關(guān)的關(guān)鍵詞有3個，分別是補(bǔ)貼、社會保障、健康，一定程度體現(xiàn)了廣東省在人才保障方面投入較多的政策支持。

3 總結(jié)與展望

針對人才政策研究，本文提出了一種基于互聯(lián)網(wǎng)語料的人才政策分析方法。該方法使用計(jì)算機(jī)爬蟲程序自動獲取互聯(lián)網(wǎng)上各省市人才政策文件，然后對獲取到的人才政策文件的標(biāo)題和正文，使用中文分詞和自然語言處理技術(shù)分析其關(guān)鍵詞，進(jìn)而客觀分析區(qū)域人才政策文件的主題。本文使用該方法，分析了全國人才政策的特點(diǎn)，詳細(xì)分析了以廣東省為代表多個省份的人才政策數(shù)量和特點(diǎn)，并比較了不同省份人才政策數(shù)量和內(nèi)容上的差異。研究結(jié)果表明，不同省份人才政策與當(dāng)?shù)亟?jīng)濟(jì)發(fā)展之間存在一定的相關(guān)性。本方法具有時效性高、分析地域廣、客觀性強(qiáng)的優(yōu)點(diǎn)。

人才政策文件包含發(fā)布時間這一參數(shù)，發(fā)布時間可用于分析人才政策的變化，結(jié)合地域參數(shù)還可分析不同省份人才政策變遷情況，后續(xù)將進(jìn)行相關(guān)研究。