知识图谱在军队干部选用中的应用前景

解晓威，江雪婷

1 当前军队干部工作中存在的问题

1.1 选拔标准定性多于定量

新时代军队好干部的标准是“对党忠诚、善谋打仗、敢于担当、实绩突出、清正廉洁”。这为军队选拔任用干部提供了根本遵循。当前我军采用“民主测评（定量）+党委考察（定性）”的方式选拔任用干部。但在民主测评中由于各个指标涵义丰富，缺乏可视化指标和具体标准，主观性较大，其本质上仍旧属于定性分析，一定程度上影响了对干部能力素质的客观全面评价。

1.2 干部分类需要细化完善

目前我军干部分为军事、政治、后勤、装备和专业技术五类。第一，这种分类模式过于粗化泛化，每名干部身上的“特质标签”不够精确细化，容易交叉重叠，已经不适应信息化战争需要。第二，不同岗位所需的不同能力素质要求不够突出，任职资格不明确，没有形成针对不同专业领域和不同任职岗位的具体标准。因此在实践中出现了不同领域、不同岗位、不同专业的干部却“千人一面，千篇一律”。第三，缺少对每一名干部能力素质的量化评估。在实践中，“什么干部适合什么岗位、什么工作”往往是凭借上级领导对其的认识而决定的。既浪费了那些在某方面具有专业特长的人才；又造成部分干部被安排到新岗位后“水土不服，束手无措”，不利于工作效益的提升。

1.3 选拔任用方式不够科学

科学高效的工作手段是提高工作效益的关键因素，但目前在方式手段上仍存在一些问题。第一，工作方式效率低下。目前军队干部选拔任用干部往往采用现场开会、组织谈话、投票表决等方式进行。客观地说，这些方式程序较为复杂繁琐，需要耗费大量的时间和人力，不利于战时需要。第二，工作方式不够科学有效。当前基本采取“面对面，人对人”的方式进行，会受到时间与空间的限制。在时间层面上，选拔任用干部以定期为主，缺乏动态化、持续性评价，很难发现干部的缺陷和短板，也很难发现和挖掘干部的潜力，不利于人才和单位建设的可持续发展。在空间层面上，限制了参评人员的广泛性，相关度不足，容易造成评价结果的片面性。第三，传统方式易受外部因素干扰。有些单位在考评前“定调子”“统一口径”；有些官兵行使民主权利流于形式，“举举手，打打勾”应付了事；有些官兵碍于面子，人云亦云；有些官兵把民主测评当成个人发泄不满情绪的方式。

1.4 人才储备工作不够重视

习主席指出，“好干部不会自然而然产生。成长为一个好干部，一靠自身努力，二靠组织培养[1]。”但从目前情况来看，军队干部的成长路径不够明确。第一，大多数单位和领导对待下级干部或多或少存在一定的“重使用，轻培养”的问题，导致有的干部常年在一个单位、一个部门“原地打转”，不利于个人能力素质的提升和军队建设的长远发展。第二，目前我军干部人才储备建设有待进一步发展，特别是特殊岗位和特殊专业的人才还较为稀缺，很难适应战时干部流失严重急需大量补充时的需要。

2 基于知识图谱技术的干部人才智能模型方案设计

当前信息结构的复杂度和数据量呈爆炸式增长，如何利用庞杂纷繁的数据成为亟待解决的问题。知识图谱可有效发现关联关系，以图的形式挖掘信息价值，发现事物潜在的联系，从而发现规律。通过建立精细的岗位模型和干部全息画像，可以实现人力资源配置向智能化、轻量化发展，预测人才发展趋势挖掘人才潜力，为人才储备工作提供支撑。

2.1 建立全息干部画像系统

全方位采集干部的学习能力、工作任职能力、道德水平等全维度数据，利用大数据清洗降噪和知识图谱技术，构建一个覆盖全面、权重合理、可量化的干部人才风险模型：对个体进行全面刻画、模拟发展趋势、精准定位个体全维度能力分布雷达及行为风险点。例如，将历次水平测试、体能测试、科研成果的数量和等级按照考核标准打分进行加权计算，建立学习能力模型，分析个体的各维度细分能力分布雷达；采集消费、通话数据，利用相关模型分析，对于异常行为进行风险预警；通过社会网络分析（SNA）算法规则[2]，计算出个体的活跃程度（Degree）、中心地位（Centrality）、重要程度（Betweenness）等指标得分，从而评价干部在团队中的影响号召力；利用资金回路、通话分析战法、路径探寻等算法发现潜在违纪违规行为；采集民主测评的文本，利用自然语言处理（NLP）技术进行关键词抽取，并生成词云（wordcloud）[3]。干部全息画像的建立，打破了选拔人才工作中的时空障碍，将异源异构数据按照指定维度和指标结构化处理，计算量化后得到全维度立体的人才全息画像，有助于人才培育选拔流程和标准向信息化聚焦。

2.2 建立具有前瞻性、适应性、针对性的岗位模型

随着军事职业结构形态的变化，要在建模过程中细化岗位分类标准，明确岗位任职条件，对照干部画像系统中的干部人才特征进行筛选。利用知识图谱对知识的抽取和计算能力，建立自定义计算指标和子图，可以快速发现符合某些特征或者规律的个体[4]。例如，在干部人才库中抽取筛选工作时间较长、工作能力出色的干部，可设定量化条件后在全图库中进行计算。经过智能图谱的筛选和计算，匹配度高的个体说明在这一岗位上的潜力或者综合素质较强，胜任这一岗位的可能性较高，真正做到个体优势和岗位特殊需求“对口”。同时，由于知识图谱在数据关联可视化上拥有出色的展示能力，大大减轻了数据分析的难度，减轻了人工筛选干部的工作量，人岗匹配工作更加快捷高效。

2.3 定期、长期采集干部数据，建立人才储备机制，不断完善岗位模型和干部模型的精度

知识图谱可将无结构的数据转变为有价值有意义的知识，便于从多个维度解读数据间的潜在联系，数据利用率明显提高。随着时代、形势和政策的不断变化，将采集到的数据利用机器学习、深度学习等方法进行训练，不断完善人力资源模型，保持模型的前瞻性和活力。训练模型的工作实战化坚持下去，利用机器智慧提高人岗匹配的速度和精度，有效缓和了信息化部队建设中数据存储压力和数据利用效率之间的矛盾，为建立长期人才发展跟踪机制提供技术支持。经过知识图谱技术对海量数据的训练和学习，可以模拟个体发展路径预测发展趋势，为人才的后期培养方向提供参考。同时，长期、常态化的数据采集有利于提高干部的自我检查监督意识，牢记新时代好干部的要求不松懈。

3 实施过程中需要注意的问题

3.1 坚持党管干部的原则

“东西南北中，党政军民学，党是领导一切的”。选用干部首要原则就是要坚持党的领导。要坚持科学严格要求，全面履行选人用人主体责任。切实加强党组织领导和把关作用，确保选人用人工作的正确方向。切实加强贯彻执行情况的监督检查，严格责任追究，进一步提升权威性和执行力[5]。

3.2 “机智”只是人岗匹配的辅助手段，不能完全代替“人智”

在建模过程中，需要对人力资源模型不断优化，做到“人智先行”，建立有一定前瞻性的模型以适应短期内即将出现的变化；在应试和测试选拔过程中，灵活运用人力模型测试、面试、实习考察综合手段，弥补机器不够灵活的缺陷。

3.3 不迷信计算结论，具体问题具体分析

模型具有普遍概括性，难以覆盖到每个个体的特性，可能会出现考评得分较高但实际任职水平一般的案例，也可能出现埋没人才的情况。在实施过程中要尊重个体的特殊性，评定结果向官兵公开，接受监督，对于有异议的评定结果进行客观公正地研究，确保选人用人工作科学客观。

3.4 注重对人才的培养，鼓励换岗锻炼，丰富任职经历

一是要克服“本位”思想，提高政治站位，牢固树立大局意识和长远发展观念，对待好干部要“放手培养，大胆使用”。二是对于干部历次考核结果封存保留，任职经历进行跟进，建立标准化反馈机制，及时提出殷切希望和美好祝愿，鼓励每位干部都能在岗位上发挥最大才能。