《表6 会计招聘广告中最频繁出现的技能要素（来自三大求职网站）》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能背景下专业人才培养的发展路径与方向——基于会计职业相关数据的实证研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文利用Python技术在BOSS直聘、前程无忧和智联招聘三大招聘网站中抓取了2019年4月份的9，875条会计职业招聘记录进行文本挖掘。这三家网站均为国内成立较早、规模较大的人力资源服务商。同时，专业媒体评估网站Alexa也表示这三家网站在中国招聘网站活跃度排名中位居前三位，是企业发布招聘信息和求职者求职常用的招聘网站。文本挖掘的具体操作步骤是以“会计”为职业检索关键词，检索时间是2019年4月，发布日期为近一个月，职位类型主要为全职，学历要求、工作地点、工资待遇、公司性质等条件不限。由于本部分研究着眼于社会对求职者的技能需求，因此将岗位职责中的技能需求信息作为主要研究数据基础，借助Python语言，使用Selenium自动化技术设计爬虫程序并配合浏览器驱动获取三大网站的9，875条招聘文本信息，将其保存为MySQL文件存入MySQL数据库中，以进一步分析目前劳动力市场对会计人才技能的实时需求。在已挖掘的实时招聘文本中使用TF-IDF(term frequency-inverse document frequency）方法统计词频，确定重要技能需求的关键词。该方法能有效过滤对文档主题没有实际意义的词汇，突出关键词汇，相较简单的词频统计可以更为客观和准确地统计出关键词汇，能够更有效地发现所需要的关键技能。技能需求分类过程主要应用LDA(latent dirichlet allocation）模型进行分析。LDA模型是一种文档主题生成模型，适用于大量文本主题结构探索，也可单独或与其他方法结合用于标签推荐、主题检索等。由于研究中包含大量文本数量，常规的内容分析法效率不高，所以将LDA模型用于对招聘广告正文的处理，对招聘信息中岗位职责或关键技能进行自动分类并分析不同类别中的主题强度。将文本挖掘结果利用BIBEXCEL进行词频排序，得到表6。