本发明涉及心理评估，尤其涉及一种高校毕业生职业性格测试方法及系统。
背景技术：
1、随着社会的不断发展和经济的快速变化，高校毕业生的就业压力逐年增加，当前市场上存在的职业性格测试方法大多基于传统的心理学理论，这些方法通常通过问卷调查和面谈方式进行评估，然而，这些方法由于缺乏对大数据和人工智能技术的充分利用，导致测试结果的准确性和科学性不足，此外，现有的职业性格测试大多仅关注毕业生当前的性格特点，忽视了性格发展和变化的动态过程，缺乏对毕业生职业性格的长期跟踪与分析，因此，如何准确评估毕业生的职业性格，帮助他们找到适合自己的职业，成为了当前亟待解决的问题。
2、现有的职业性格测试方法存在多种技术难题，首先，这些方法在数据收集和分析过程中，缺乏对多维度数据的综合处理和深度挖掘，无法提供全面的性格评估，其次，现有技术难以实现对个体职业适应性问题的精准识别和改进建议，此外，现有方法在职业匹配方面的智能化程度较低，无法根据个体特征提供个性化的职业建议。
3、第三是：现有的职业性格测试方法及系统通常缺乏有效的数据加密机制。测试过程中收集的数据，包括毕业生的回答、行为记录等，往往以明文形式存储和管理。这种存储方式极易受到外部攻击，导致数据泄露或被非法获取。
4、由于缺乏对数据的加密措施，无法确保数据的安全性，进而无法有效保护毕业生的个人隐私。一旦数据泄露，不仅会对毕业生的个人生活造成困扰，还可能引发更严重的社会问题。
5、第四是：现有的职业性格测试题目通常是固定的，无法根据毕业生的回答和行为实时调整后续问题。这意味着无论毕业生如何回答，他们面对的题目都是相同的，无法根据个体差异进行动态调整。
6、由于测试题目的固定性，无法实现对测试结果的细化分析。每个毕业生的回答和行为模式都是独特的，固定的题目无法捕捉到这些细微的差异，导致测试结果的精细化程度不足。缺乏个性化的测试方案设计，使得测试结果只能提供一般性的职业性格评估，而无法深入挖掘毕业生的潜在特质和职业倾向。
7、因此，迫切需要一种新的高校毕业生职业性格测试方法及系统，充分利用大数据分析和人工智能技术，尤其是图神经网络技术，对毕业生的职业性格进行全面、科学的评估，并提供精准的职业匹配和发展建议，以解决现有技术中的上述难题。
技术实现思路
1、基于上述目的，本发明提供了一种高校毕业生职业性格测试方法及系统。
2、一种高校毕业生职业性格测试方法，包括以下步骤：
3、s1：收集高校毕业生的基本信息，姓名、性别、年龄、专业、毕业年份家庭背景、教育经历、在校期间的社会实践经历、所获得的相关证书与荣誉；
4、s2：进行初步心理测评，通过问卷调查和面谈的方式获取毕业生的初步心理特征数据，所述问卷调查通过人工智能的动态调节测试问题，根据毕业生的回答和行为实时调整后续问题；
5、s3：采用大数据分析技术对初步心理测评数据进行整理、分析，生成初步性格评估报告；
6、s4：根据初步性格评估报告，设计个性化测试方案，包括性格测试题、职业倾向测试题；
7、s5：执行s4中个性化测试方案，并收集测试结果数据；
8、s6：利用图神经网络对测试结果数据进行深度学习分析，通过构建与职业特征相关的图模型，生成详细的职业性格分析报告；
9、s7：将职业性格分析报告与职业数据库进行匹配，推荐适合的职业方向；
10、s8：对高校毕业生的职业性格测试数据结果进行加密存储和管理，确保数据的安全性、完整性和不可篡改，同时保护毕业生的隐私，所述加密存储和管理包括加密数据、区块链存储准备、区块链写入、访问控制与权限管理、数据访问与解密、数据完整性验证。
11、可选的，所述s1具体包括：
12、s11：通过在线平台创建用户账号，要求高校毕业生填写姓名、性别、年龄、专业、毕业年份的基本信息，在线平台通过预设的表单接口接收用户输入的数据，确保信息的标准化和一致；
13、s12：使用高级加密标准技术对用户输入的基本信息进行加密处理，确保数据在传输和存储过程中的安全性和隐私性；
14、s13：通过验证机制，包括发送手机验证码或电子邮件验证链接，确认填写信息的真实性，验证机制通过与用户输入的联系方式进行双向验证，以防止虚假信息的提交；
15、s14：在确认基本信息真实性后，收集扩展信息，包括家庭背景、实习经历、兴趣爱好、专业成绩、课外活动、获奖情况，扩展信息通过在线平台的多选和开放式输入框收集；
16、s15：将所有收集的信息存储在云数据库中，云数据库采用分布式存储架构，进行信息的分类和管理；
17、s16：采用数据清洗技术，对收集的信息进行清理和格式化，数据清洗技术包括去重、填补缺失值和数据规范化处理。
18、可选的，所述s2具体包括：
19、s21：设计标准化的心理测评问卷，问卷内容包括人格特质、职业兴趣、应对方式、情绪状态的多个方面；
20、s22：通过在线平台发布心理测评问卷；
21、s221：心理测评问卷分类和标注：收集大量与职业性格相关的问题和情境描述，并建立测评问卷题库，按照性格特质的外向性、责任心、开放性、职业领域的金融、教育、科技、问题类型的情景题、选择题、简答题进行分类；
22、题库中设置有n个问题，每个问题属于某一性格特质和职业领域,每个问题被表示为一个向量：
23、=(,,)
24、其中{情景题, 选择题, 简答题}，是问题的具体内容；
25、分类标签：对每个问题进行标注，形成标签数集l:
26、，其中为问题，为性格特质，为职业领域；
27、s222：初始问题呈现：测试开始时，从题库中随机抽取一组涵盖多个性格特质和职业领域的基础问题呈现给毕业生；
28、随机抽取问题：从题库中随机抽取m个问题作为初始测试题目集s:
29、，其中为是从中随机选择的索引；
30、s223：数据预处理与特征提取：对采集到的回答和行为数据进行预处理，从回答内容中提取关键词、语义信息和情感倾向特征；从行为数据中提取姿态变化、面部表情特征；
31、s224：实时分析与模型预测：将提取的特征输入到预先训练好的人工智能模型中，该模型能够根据这些特征实时评估毕业生在当前问题下所展现的性格特质倾向；模型根据评估结果和预设的规则，预测下一个最适合的问题；
32、s225：后续问题调整与呈现：根据模型的预测，从题库中选择并调整后续的测试问题；呈现调整后的问题，继续收集毕业生的回答和行为数据；
33、s23：收集问卷回答数据，使用数据加密技术确保回答数据的安全性，问卷数据实时上传至云数据库进行存储；
34、s24：安排一对一面谈，通过视频会议系统进行，面谈由专业心理测评师主持，采用半结构化面谈法，重点询问毕业生的职业经历、压力应对方式、职业规划的方面；
35、s25：在面谈过程中，记录毕业生的回答和面谈师的评估，面谈记录使用语音转文字技术进行实时转换，并存储在云数据库中；
36、s26：将问卷数据和面谈数据进行整合，使用自然语言处理技术分析面谈记录，提取相关信息和心理特征；
37、s27：综合问卷调查和面谈的结果，生成初步心理特征数据报告，报告内容包括人格特质、职业兴趣、情绪状态的多维度的初步评估结果。
38、可选的，所述s3具体包括：
39、s31：将收集的初步心理测评数据导入数据仓库，数据仓库采用分布式架构；
40、s32：使用数据预处理技术对导入的数据进行整理，预处理技术包括数据清洗、去重、缺失值填补和数据标准化；
41、s33：应用数据挖掘技术对整理后的数据进行聚类分析，使用k-means聚类算法将数据分为不同的心理特征组，以识别出主要的性格类型；
42、s34：利用关联规则挖掘技术分析不同心理特征组之间的关联，具体使用apriori算法挖掘出频繁项集和关联规则，以揭示性格特征之间的潜在关系；
43、s35：采用主成分分析技术对数据进行降维处理，提取出对性格评估最具代表性的特征，包括人格特质、职业兴趣、应对方式、情绪状态，减少数据维度；
44、s36：使用机器学习模型对提取的特征进行分类预测，选择支持向量机算法进行分类模型训练和预测，生成初步性格评估结果；
45、s37：综合聚类分析、关联规则挖掘和分类预测的结果，生成初步性格评估报告，报告内容包括各性格类型的描述和性格特征之间的关联分析。
46、可选的，所述s4具体包括：
47、s41：根据初步性格评估报告的结果，确定需要深入测试的性格特质和职业倾向，初步性格评估报告包括各性格类型的描述和性格特征之间的关联分析；
48、s42：从预先定义的题库中选择与确定的性格特质相关的测试题目，题库内容涵盖人格特质、职业兴趣、应对方式和情绪状态的多个方面；
49、s43：设计性格测试题，性格测试题通过多项选择题、情景模拟题和行为反应题的形式，以评估毕业生在不同情境下的性格表现；
50、s44：设计职业倾向测试题，职业倾向测试题包括职业兴趣题、职业价值观题和职业能力题，通过评估毕业生对不同职业环境和岗位的偏好和适应性；
51、s45：根据个性化测试方案的设计，生成在线测试平台的测试流程。
52、可选的，所述s5具体包括：
53、s51：将个性化测试方案上传至在线测试平台，该在线测试平台采用模块化设计，支持多种测试题型的灵活组合和展示；
54、s52：通知高校毕业生通过在线测试平台参与个性化测试，具体包括使用电子邮件或短信发送测试邀请和访问链接；
55、s53：在毕业生登录在线测试平台后，自动加载其个性化测试方案，确保每个毕业生的测试内容和顺序与其初步性格评估结果匹配；
56、s54：在线测试过程中，实时监控毕业生的答题进度和反应时间，记录每个题目的作答情况和时间数据；
57、s55：测试结束后，自动收集并存储所有测试结果数据，测试结果数据包括每个题目的答案、反应时间、情绪波动多维度信息；
58、s56：使用数据加密技术对收集的测试结果数据进行加密，确保数据的安全性和隐私性，并上传至云数据库进行存储。
59、可选的，所述s6具体包括：
60、s61：从云数据库中提取完整的测试结果数据，包括每个测试题目的答案、反应时间和情绪波动多维度信息，作为图神经网络分析的输入数据；
61、s62：构建与职业特征相关的图模型，其中节点代表测试参与者，边代表参与者之间的相似性或相关性，节点特征包括来自测试结果的个人职业兴趣、性格特质的信息；
62、s63：应用图神经网络对图模型进行训练，图神经网络通过在图上聚合节点的信息，学习到每个节点的综合特征表示；
63、s64：利用图神经网络学习到的特征表示，对每个测试参与者进行职业性格的深度分析，识别其潜在的成功的职业路径和潜在的职业适应性问题；
64、s65：根据图神经网络分析的结果，生成职业性格分析报告，报告中包括对每个参与者的职业适应性评估、推荐的职业路径以及潜在的发展性格特质。
65、可选的，所述s64具体包括：
66、s641：将图神经网络训练得到的节点特征表示作为输入，节点特征表示包括每个测试参与者的职业兴趣、性格特质的综合特征；
67、s642：对每个节点特征表示进行分类预测，使用软最大化函数计算每个测试参与者在不同职业路径上的概率分布，软最大化函数的公式表示为：，其中，表示测试参与者被分类为职业路径的概率，表示测试参与者的特征表示，表示职业路径的权重向量，表示职业路径的总数；
68、s643：根据职业路径概率分布，识别出每个测试参与者最佳成功的职业路径，选择概率最高的职业路径作为最佳推荐职业路径，最佳推荐职业路径的公式为：。其中，表示测试参与者的推荐职业路径，是一个函数，表示在所有可能的职业路径中，找到使最大的那个路径；
69、s644：分析特征表示中的潜在职业适应性问题，通过计算职业适应性分数，识别潜在影响职业适应性的问题，职业适应性分数的公式为：，其中，表示测试参与者的职业适应性分数，表示适应性问题的权重，表示测试参与者在特征上的得分，表示特征的总数。
70、可选的，所述s7具体包括：
71、s71：从云数据库中提取职业性格分析报告，分析报告包括测试参与者的职业适应性评估、推荐的职业路径和潜在的职业适应性问题；
72、s72：建立职业数据库，职业数据库中包含各行业、岗位的信息，包括岗位职责、所需技能、工作环境、职业发展路径；
73、s73：将职业性格分析报告中的推荐职业路径与职业数据库中的岗位信息进行匹配，使用相似度计算方法确定最匹配的职业方向；
74、s74：根据相似度计算结果，生成推荐职业方向列表；并向测试参与者提供推荐职业方向列表，推荐职业方向列表通过在线平台展示，并提供详细的岗位信息和匹配理由；
75、所述s8具体包括：s81：加密数据:使用基于多项式的同态加密算法，加密函数表示为;
76、；
77、其中是明文数据，是公钥，加密函数由两个大素数和组成，是随机数；
78、s82：区块链存储准备：将加密后的密文和数据指纹组合成一个数据块，并为其添加时间戳、数据版本号元数据，加时间戳t、数据版本号v,则数据块的元数据表示为：m=(t,v)；
79、s83：区块链写入：将准备好的数据块通过区块链网络的共识机制写入区块链中；每个数据块都与前一个数据块通过哈希指针相连，形成不可篡改的链式结构,每个数据块与其前一个数据块通过哈希指针相连;
80、=(h(),data,metadata)；
81、其中h()是对前一个数据块的哈希值；
82、s84：访问控制与权限管理：建立访问控制机制，只有经过授权的用户，授权的用户包括毕业生本人、特定的招聘单位，能够获取访问数据的权限；权限通过智能合约进行定义和管理；
83、s85：数据访问与解密：当授权用户请求访问数据时，首先验证其权限；若权限通过，从区块链中读取加密数据块，并使用数据所有者提供的密钥进行解密，解密函数：
84、；
85、是密钥，，p 和 q 是 的两个素因数；=；
86、s86：数据完整性验证：使用之前生成的数据指纹对解密后的数据进行完整性验证，确保数据在存储和传输过程中未被篡改。
87、一种高校毕业生职业性格测试系统，用于实现上述的一种高校毕业生职业性格测试方法，包括以下模块：
88、基本信息收集模块：用于收集高校毕业生的基本信息，包括姓名、性别、年龄、专业、毕业年份，并存储在数据仓库中；
89、初步心理测评模块：通过问卷调查和面谈的方式获取毕业生的初步心理特征数据，并将数据传输至大数据分析模块；
90、心理特征提取模块：从问卷和面谈数据中提取关键心理特征；使用自然语言处理分析文本数据，提取情感、态度特征；
91、特征选择模块：选择对职业性格预测最有用的特征，使用特征选择确定最重要的特征；
92、大数据分析模块：采用大数据分析技术对初步心理测评数据进行整理和分析，生成初步性格评估报告，并将报告传输至个性化测试设计模块；
93、个性化测试设计模块：根据初步性格评估报告设计个性化测试方案，包括性格测试题和职业倾向测试题，并将测试方案上传至在线测试平台；
94、在线测试平台：用于执行个性化测试方案，收集测试结果数据，并将数据传输至图神经网络分析模块；
95、图神经网络分析模块：利用图神经网络对测试结果数据进行深度学习分析，通过构建与职业特征相关的图模型，生成详细的职业性格分析报告，并将报告传输至职业匹配模块；
96、数据加密与安全模块：对所有收集的数据在传输和存储过程中的数据通过多项式的同态加密算法进行数据传输加密和数据存储加密；
97、数据验证模块：验证输入数据的完整性和准确性，实施前端和后端的数据校验，防止无效或恶意数据的输入；
98、职业匹配模块：将职业性格分析报告与职业数据库进行匹配，推荐适合的职业方向，并生成推荐职业方向列表；
99、报告生成模块：根据分析结果生成详细的职业性格评估报告，利用报告生成工具自动产生易于理解的报告；
100、反馈收集模块：收集用户对测试结果的反馈；通过在线调查表或直接反馈机制收集用户意见。
101、本发明的有益效果：
102、本发明，通过集成大数据分析和图神经网络技术，显著提升了测试的准确性和科学性，该方法利用先进的数据处理技术，对高校毕业生的心理和职业倾向数据进行深入分析，全面评估其职业性格特征，这不仅包括对当前性格状态的精确测量，还能预测性格的潜在发展，从而为毕业生的长期职业规划提供科学依据。
103、本发明，通过职业匹配技术，结合职业特征图模型，能够为每位参与者推荐最适合其性格和兴趣的职业路径，这种个性化推荐考虑到了参与者的综合职业适应性，使得职业建议更加针对性和实用性，通过这种方法，毕业生获得关于可能的职业路径及其适应性问题的深入分析，进而做出更加明智的职业选择；
104、通过采用基于多项式的同态加密算法对收集到的数据进行加密，确保数据在存储和传输过程中的安全性。这种方法允许在不解密的情况下对加密数据进行处理，从而减少了数据泄露的风险。同时，使用区块链存储数据，利用其不可篡改的特性，进一步增强了数据的完整性和安全性。只有经过授权的用户才能访问和解密数据，有效保护了毕业生的个人隐私。
105、通过实时分析与模型预测，根据毕业生的回答和行为特征动态调整后续的测试问题。这种个性化的测试流程能够更好地适应不同毕业生的特点，提高测试的准确性和有效性。动态调整的题目能够更精确地评估毕业生的性格特质和职业倾向，为招聘单位提供更为精准的人才评估。
106、通过对每个毕业生独特的回答和行为模式进行深入分析，本技术方案能够揭示出更加细致的个性差异和潜在特质。这种精细化的分析有助于发现毕业生的潜在能力和职业兴趣，为个人职业发展规划和招聘单位的选拔提供更有价值的信息。
107、本技术方案通过建立可扩展的题库和灵活的测试流程，使系统能够适应不同的测试需求和场景。无论是对于不同职业领域的特定测试，还是对于不同性格特质的综合评估，系统都能够提供相应的支持。
108、通过智能合约定义和管理数据访问权限，确保只有授权用户能够访问相关数据。这种方式不仅保障了数据的合法使用，还提高了整个测试过程的透明度和公平性。所有操作都有迹可循，易于监管和审计。
109、区块链技术的应用不仅保障了短期的数据安全，还为长期的数据管理和分析提供了可能。随着时间的推移，积累的数据可以用于趋势分析、模式识别等更深层次的研究，为职业性格测评领域带来新的见解和发展。
110、本技术方案通过结合先进的加密技术、人工智能分析和区块链，不仅解决了现有职业性格测试方法中的数据安全问题和测试题目固定性问题，还提升了测试结果的精细化程度，增强了系统的灵活性和适应性，促进了公平性和透明度，并支持了长期的数据管理和分析。这些有益效果共同推动了职业性格测评技术的发展，为个人职业规划和组织人才管理提供了更为科学和有效的工具。
1.一种高校毕业生职业性格测试方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种高校毕业生职业性格测试方法，其特征在于，所述s1具体包括：
3.根据权利要求1所述的一种高校毕业生职业性格测试方法，其特征在于，所述s2具体包括：
4.根据权利要求1所述的一种高校毕业生职业性格测试方法，其特征在于，所述s3具体包括：
5.根据权利要求1所述的一种高校毕业生职业性格测试方法，其特征在于，所述s4具体包括：
6.根据权利要求5所述的一种高校毕业生职业性格测试方法，其特征在于，所述s5具体包括：
7.根据权利要求1所述的一种高校毕业生职业性格测试方法，其特征在于，所述s6具体包括：
8.根据权利要求7所述的一种高校毕业生职业性格测试方法，其特征在于，所述s64具体包括：
9.根据权利要求1所述的一种高校毕业生职业性格测试方法，其特征在于，所述s7具体包括：
10.一种高校毕业生职业性格测试系统，用于实现如权利要求1-9任一项所述的一种高校毕业生职业性格测试方法，其特征在于，包括以下模块：
