文章运用文本挖掘的相关理论和技术成功构建了人力资源管理领域的岗位胜任力模型。岗位胜任力模型包含了一系列岗位胜任力要素,分为外显和内隐两大部分,它作为人力资源工作的基石和支柱,在企业的日常工作中尤其招聘环节有着非凡的影响力。然而,传统胜任力模型的构建花费成本高,数据采集周期长,评价结果具有主观性,不利于企业开展此项工作。以文本挖掘为主要技术手段的岗位胜任力模型构建便成为了文章的主要研究目的所在。论文通过爬取主流招聘网站的数据并进行清洗,选取了工作职责和任职要求的相应文本为主要研究对象,以无监督算法中的主题建模和文本聚类为主要研究方法,对岗位胜任力模型要素进行了全部聚类提取,成功构建了以产品经理这一职位为代表的岗位胜任力模型,这是文章的核心主题部分。而后在此胜任力模型的基础上科学生成了招聘信息文本,并运用相关算法计算出其与对应简历的文本相似度,以此达到了优化简历筛选工作的目的。文章在岗位胜任力要素提取方面主要运用了LDA主题建模技术以及基于Bert微调改进的孪生网络SBERT模型。LDA主题模型善于处理长文本,在不切分整条完整招聘信息的基础上,主要提取了岗位胜任力模型中的显性要素。而SBERT模型则是先在切分成独立单句的短文本招聘文本上使用句嵌入构建高纬度的句向量,再通过umap算法降维以及HDBSCAN算法聚类后,深入挖掘了岗位胜任力模型中另一重要的部分——内隐要素。主题建模与文本聚类互相补充,完成对胜任力模型的构建。文章最后使用TF-IDF算法进行余弦相似度分析,提出基于胜任力模型进行简历与招聘文本相似度匹配计算的方法,从而优化相关的简历筛选工作。论文从统计文本挖掘的角度成功构建了相关岗位的胜任力模型,效果良好,能够与主流企业的岗位用人要求相契合,对企业的人力资源管理工作具有良好指导意义。基于此模型进行的文本相似度计算能够高效处理人才的选拔筛选工作,值得进一步深入研究。