您想了解的各个方面：
本体、分类法、解析…

AdaBoost 是构建分类器的一种增强算法。

Ammattiluokitus 2010 是芬兰职业分类体系的最新版本（2010 版）。其结构基于 ISCO-08 并使用三种语言（FI、S、EN）。它尽可能遵循 ISCO-08 的 1-4 个位数级别的结构和定义。在必要情况下，通过增加第 5 个位数级别的职业类别来考虑国情。第 5 个位数级别包含 103 个类别。

澳大利亚和新西兰标准职业分类标准 (ANZSCO) 基于 ISCO-08，其最新版本是 2009 版。其层次结构包含 8 个大类、43 个中类、97 个小类、358 个细类和 1014 个职业。

应用程序编程接口 (API) 规定某些软件组件应该如何彼此交互。一个软件系统的程序部分可以提供给其他程序来建立连接。API 只定义源代码级别的程序绑定。除了访问数据库或计算机硬件（如硬盘驱动器或视频卡）之外，还可以使用 API 来简化编程图形用户界面组件的工作。在实践中，API 多以库的形式出现，其中包括例程、数据结构、对象类和变量规范。[维基百科]

阿拉伯标准职业分类 (ASCO) 2008 由各个阿拉伯国家合作编制。其结构基于 ISCO-08。但是，一些阿拉伯国家仍然使用自己的国家职业分类。

ASOC 代表阿拉伯标准职业分类，在阿拉伯语中被称为 Tasneef。这是沙特阿拉伯王国在 2015 年编制的职业分类体系。ASOC 涵盖国民经济中的所有职业和工作，包括公共和私营部门的职业。该分类体系的编制基础是 ISCO-08，使用阿拉伯语和英语。

申请人跟踪系统 (ATS) 是一个软件应用程序，可以以电子方式处理招聘需求。根据公司需求，ATS 既可以在企业级别实施，也可以在小型业务部门级别实施。ATS 与客户关系管理 (CRM) 系统非常相似，但其设计目的是用于招聘跟踪。在很多情况下，它们会根据既定标准自动筛选申请人，例如前雇主、经验年数和就读学校。这样，会促使许多人在创建和格式化简历时，采用与搜索引擎优化相类似的技术。[维基百科]

BO&C (beroepen, opleidingen en competentieregister) 是荷兰雇员保险机构使用的工作、教育和技能登记簿。

荷兰的职业分类体系 Beroepenindeling ROA-CBS 2014 (BRC 2014) 以 ISCO-08 为基础，用于统计目的。

C4.5 以决策树形式构造分类器。为发挥其作用，C4.5 被赋予一组表示已分类事物的数据。

CART 代表分类和回归树。这是一种决策树学习技术，可输出分类树或回归树。像 C4.5一样，CART 是一个分类器。

CBO 2002 是巴西职业分类体系 (Classificação Brasileira de Ocupações) 的最新版本。该体系按照任务和技能内容，以层次排序的方式对工作进行分类。

瑞士联邦统计局职业数据库中的条目全部采用包含 8 位代码的词干代码进行标记。然后，可以将各种其他代码和名称（例如 SBN 2000 或 ISCO-08）与其关联。因此，每个职业条目都具有 1 个词干代码，但可以同时具有不同的术语（例如，男性/女性标签/不同拼写等）。

教学计划分类（CIP）提供了一种分类计划，该计划支持对学习领域和计划完成活动的准确跟踪和报告。 它最初是由美国教育部国家教育统计中心（NCES）于1980年开发，其修订版分别于1985、1990和2000年发布。

Classificación Nacional de Ocupaciones 2011 (CNO-11) 是西班牙职业分类体系，其最新版本为 2011 版。该体系以 ISCO-08 为基础，但在 ISCO-08 结构的第一级别和第二级别之间增加了第五个级别以使其更顺畅。

Classificação Nacional das Profissões (CNP) 2010 是佛得角的职业分类体系，使用葡萄牙语，最新版本为 2010 版。该体系的结构基于 ISCO-08，但具有根据国家实际情况而增加的第五个级别。

Clasificarea ocupatiilor din Romania (COR) 是罗马尼亚的职业分类体系，最新版本是 2011 版。该体系的结构基于 ISCO-08，包含四个级别。

意大利职业分类体系 Classificazione delle Professioni (CP) 2011  以 ISCO-08 为基础，使用两种语言（IT、EN），最新版本是 2011 版。

墨西哥按学术领域划分的课程分类（CPME 2016）。 此分类包含与国家教育系统（SEN）的结构，发展和行为相关的信息生成的主要元素，该系统以中上层课程为基本分析单位。

CPO (Clasificación Paraguaya de Ocupaciones) 是最新的巴拉圭国家职业分类体系。该体系基于 ISCO 结构。

葡萄牙职业分类体系 Classificação Portuguesa das Profissões (CPP) 2010 基于 ISCO-08，在职业中增加了第五个级别。它使用葡萄牙语和英语，最新版本是 2010 版。

《中华人民共和国职业分类大典》（2015年版）由中华人民共和国人力资源社会保障部，国家质量监督检验检疫总局，国家统计局联合编撰，与2015年发行。该大典按照《职业分类与代码》（GB/T 6565-2015）进行标注，并增加细类职业。

捷克共和国的职业分类体系 Klasifikace funkcí vládních institucí 基于 ISCO-08，但增加了第五个（国家）级别。其最新版本于 2011 年发布，使用的语言是捷克语。

丹麦职业分类体系 Danmarks Statistiks fagklassifikation 的结构基于 ISCO-08。这是一个 6 位的层次结构化分类，分为 5 个级别（增加了国家级别）。其最新版本从 2011 年开始使用。

欧洲技能和能力词典 (DISCO) II 是一个在线叙词表，目前拥有超过 104,000 项技能和能力术语以及约 36,000 个健康、计算、社会服务、环境保护和非领域特定技能和能力的短语。DISCO 使用十一种欧洲语言，是教育和劳动力市场上规模最大的同类体系。

美国平等就业机会委员会 (EEOC) 负责执行联邦法律，将那些因为个人的种族、肤色、宗教信仰、性别（包括怀孕、性别认同和性取向）、国籍、年龄（40 岁或以上）、残疾或基因信息而歧视求职者或雇员的行为视为非法。

EEO-1 合规调查由平等就业机会委员会授权。调查要求公司提交按族裔、种族、性别和工作类别分类的就业数据。EEO-1 收集九个主要工作类别的数据。

在数据挖掘中，期望最大化 (EM) 通常用作知识发现的集群算法（类似于 k-均值算法)。

企业资源规划 (ERP) 是一种商业管理软件 — 通常是一套集成应用程序，公司可以用其来收集、存储、管理和解释来自许多商业活动的数据，包括：

• 产品规划、成本和发展
• 制造或服务交付
• 市场营销与销售
• 库存管理
• 运输和付款

ERP 通常使用由数据库管理系统维护的通用数据库、实时提供核心业务流程的综合视图。ERP 系统跟踪业务资源 — 现金、原材料、生产能力 — 以及业务事项的状态：订单、采购订单和工资单。构成系统的应用程序在提供数据的各个部门（制造、采购、销售、会计等）之间共享数据。ERP 能够促进所有业务职能部门之间的信息流通，管理与外部利益相关者之间的联系

ESCO 是欧洲委员会使用的技能、能力、资格和职业框架分类方法。该方法特别关注横向技能/能力。

法国 Nomenclature des familles professionnelles (FAP) 是 PCS (Professions et Catégories Socioprofessionnelles) 和 ROME (Répertoire Opérationnel des Métiers et des Emplois) 之间的协调/近似结果。职业按照共同能力和技能聚集到职业类别中。该分类对于教育和统计目的尤为重要。

Friend of a Friend (FOAF) 项目是语义网首批应用程序之一，可创建机器可读的页面（由描述人、人们之间的联系及其创建和执行的内容）组成的网络。在 Web 上，已经有成千上万的人通过在自己的主页上描述自己和自己的生活来实现机器可读的目的。使用 FOAF，人们可以帮助机器了解他/她的主页，进而了解将 Web 上描述的人、地点和事物联系起来的关系。[FOAF 项目]

职业分类与代码GB/T 6565-2015 由中华人民共和国国家质量监督检验检疫总局、中国国家标准化管理委员会发布于2015年。该标准替代了旧标GB/T 6565-2009。

GICS（全球行业分类标准）是 MSCI 和标准普尔于 1999 年开发的行业分类标准。该体系与富时集团维护的分类结构 ICB（行业分类基准）类似。

匈牙利职业分类体系匈牙利标准职业分类 (HSCO) 基于 ISCO-08，有两种语言（EN、H）。它由四个级别组成，于 2011 年生效。

ICB（行业分类基准）是由道琼斯指数和富时集团于 2005 年推出的行业分类法。它被用来将宏观经济中的市场划分为行业部门，并对全球 290,000 多种证券进行分类。因此，它可以跨四个分类级别和国界对公司进行比较。

国际标准教育分类 (ISCED) 体系由教科文组织开发，用于对学校类型和学校教育系统进行分类和描述。它可以区分不同层次，对于描述教育层次（最高教育层次）以进行国际比较非常有用。

国际标准职业分类体系是一种通用的职业类别单层分类方案，由国际劳工组织 (ILO) 编制。自 1957 年以来，已出版了四种版本的分类，分别缩写为 ISCO-58、ISCO-68、ISCO-88 和 ISCO-08。欧盟及其成员国将 ISCO 分类作为建立自己（国家）职业分类的基础模式。

Íslensk starfaflokkun 1995 是冰岛的职业分类体系，其结构基于 ISCO-08。

JANZZclassifier! 可以分析复杂的职业相关数据集，如职位、技能、职能或行业，并用智能化和标准化的元数据对其进行注释。提供 100 多种官方分类体系，例如 O*Net、ISCO-08、BO&C、ASOC 或 SSOC 2015，以及60多个标准化的参考系统。通过准确的分类和标准化，JANZZclassifier! 使您的数据具有可比性，为进一步流程（如基准分析、匹配或统计分析）奠定良好基础。

JANZZ.jobs：在一个平台上囊括世界上的所有技能。
JANZZ.jobs 是一个独特的全球职业数据匹配平台，可以跨语言、跨国界捕捉、存储和比较世界上的所有技能。由于采用了最新语义技术，人员、工作和项目可以实时进行匿名安全匹配，并获得无与伦比的准确性。JANZZ.jobs 是唯一提供具有可比性和有意义结果的高效匹配网站。

JANZZjobsAPI 是我们的产品和 SaaS 的解决方案的直接而简单的接口，特别是匹配引擎 JANZZsme! 和本体 JANZZon!。因此，JANZZ 的工作 API 的核心是一个全面的工作和技能本体，表示有关职业和技能的知识及其彼此的关联方式。通过工作 API，开发人员可以连接到 JANZZ 的广泛职业相关数据知识库及其智能匹配引擎，将语义工作搜索功能与第三方应用程序集成在一起。JANZZjobsAPI 与劳动力市场解决方案无缝集成，如求职公告板、申请人跟踪系统或公司工作机会网站。

JANZZon! 是有史以来最大的多语言百科全书式职业数据知识库。这个独特的本体具有大量相互关联的概念，它能够理解复杂的职业数据，并为信息系统、匹配引擎、统计分析和建模工具等许多潜在应用提供所需的重要上下文，从而从他们的职业数据中获得洞察力。

JANZZon! 系统（有关概念的组织）遵循逻辑标准，但也强烈以内容驱动，侧重于特定概念的内容。单个词汇的背景知识（它们的具体内容）以及本体中概念的各自索引至关重要，因为机器只能通过这些知识的可用性“了解”词汇及其意义。
职业和职能可以按照逻辑标准相对容易地组织起来。层次结构相当清晰，分支构建也不复杂。因此，职业可以根据不同行业，特别是现有（国际）职业分类进行分类和索引。专业程度和技能在组织时更复杂一些。严格的逻辑顺序通常很难或根本不可能实现。就本体的索引和组织而言，会将特定的技能、专业程度和具备这种技能或专业程度的人作为重点和出发点。

例如
Microsoft Word 显然与 Microsoft Office 这一软件的概念有关。但是，Microsoft Word 通常也与文字处理相关联，但下义词 Microsoft Word 文字处理并不一定有意义。为了使机器能够建立 Microsoft Word 和文字处理之间的连接，这两个概念可以通过关系相互关联。

JANZZsme! 是用于开发任何职业大数据（例如失业劳动力档案、候选人和工作机会数据库）的最新一代语义匹配引擎解决方案。其卓越的搜索和匹配功能支持数据挖掘和查询，可用于职业概念比较、分析、差距分析和基准分析。
JANZZsme! 以 JANZZon! 为后台，提供全面的语义匹配，让信息更加透明并具有无与伦比的准确度。

塞尔维亚职业分类体系 Jedinstvena nomenklatura zanimanj/Klasifikacija zanimanja 以 ISCO-08 为基础，由四个级别组成。它使用塞尔维亚语。

日本标准职业分类 (JSOC) 使用日语和英语。它与国际标准职业分类 (ISCO-08) 没有直接关系。JSOC 反映了日本的职业结构。因此，分类结构与 ISCO 有所不同。

K-均值算法从一组对象中创建 k 组，以便组中的成员更加相似。这是一种用于探索数据集的流行集群分析技术。

Klassifikation der Berufe (KldB) 2010 & 2020 是德国联邦劳工局/劳动力市场和职业研究所主导的德国职业分类体系。它采用分层化的层次结构并包括五个级别：职业领域、职业大类、职业中类、职业小类、职业细类。此外，还根据要求等级进行分类：助手级与初等性的职业活动；专业指向性的职业活动；综合专业性的职业活动；高度复杂的职业活动。

kNN 算法（或 k-近邻算法）是一种分类算法。然而，它与之前描述的分类器不同，因为它是一种懒惰学习算法。

波斯尼亚和黑塞哥维那的职业分类体系 Klasifikacije Zanimanja 以 ISCO-08 为基础。

波兰职业分类体系 Klasyfikacja Funkcji Rządu 2010 使用两种语言（PL、EN），其结构基于 ISCO-08。它由五个级别组成（增加了当地级别），并于 2010 年生效。

《劳动力市场职业分类与代码（LB 501-2002）》由劳动保障部发布于2005年。该职业分类以国际标准ISCO为基础。

阿尔巴尼亚职业分类体系以 ISCO-08 为基础，名为 Lista Kombëtare e Profesioneve (LKP) 2010。它于 2010 年生效，由四个级别组成。

除了 ASCO 模式外，各个阿拉伯国家都使用自己的国家职业分类体系。沙特阿拉伯曾经使用过一个名为 MOL 的分类体系，该分类体系不是基于 ISCO-08，但可以部分映射到 ISCO 计划。但是，MOL 分类体系已被 ASOC/NES 所取代。

欧洲共同体经济活动统计分类（法语：Nomenclature statistique des activités économiques dans la Communauté européenne）通常被称为 NACE，是由 6 位代码组成的欧洲工业标准分类体系。NACE 的作用与 SIC 和 NAICS 体系（标准工业分类体系和北美行业分类体系）类似。
代码的前四位是分类体系的前四个级别，在所有欧洲国家都是相同的。第五位可能因国家而异，有时数据库提供商会提供更多位数。

NAICS（北美行业分类体系）被加拿大、墨西哥和美国的企业和政府用来根据经济活动类型对商业机构进行分类。它已经在很大程度上取代了旧的标准行业分类体系 (SIC)。

NCO-2004 是印度政府颁布的全国职业分类体系。它基于国际标准职业分类体系 ISCO-88（ISCO-08 的前身）。

Nacionalna klasifikacija zanimanja (NKZ) 2010（克罗地亚和马其顿职业分类体系）基于 ISCO-08。它由四个级别组成，使用克罗地亚语和英语。其最新版本从 2011 年开始使用。

加拿大职业分类体系（国家职业分类 (NOC)）的结构与 ISCO-08 相同。这是一个包括四个级别的职业类别层次布局，使用法语和英语，最新版本从 2016/2021 年开始实施。

保加利亚职业分类体系 НКПД-2011 基于 ISCO-08。它由四个级别组成，使用保加利亚语。它于 2011 年生效。

美国的职业信息网 (O*NET) 由美国劳工/就业和培训管理局 (USDOL/ETA) 提供支持。它与英国职业分类 SOC 有关。O*NET 是一个由广泛的职业描述和各自所需的技能、能力等组成的数据库。每个职业的结构中都包括任务、使用的工具、知识、技能、能力、工作活动、工作环境、工作区域。

Web 本体语言 (OWL) 是一系列用于创作本体或知识库的知识表达语言或本体语言。这种语言的特征是具有正式语义、以及用于语义 Web 的基于 RDF/XML 的序列化。OWL 得到 W3C 的认可，并引起学术界、医学界和商业界的关注。

OXML 是 Ontoprise GmbH 的本体开发环境 OntoEdit 中的本地本体表现形式。它是通过 XML 模式定义设计的 XML 应用程序。它提供描述本体、其元数据及其组成部分（如概念、关系和公理）的基本机制。

奥地利职业分类体系 ÖISCO-08 (Österreichische Systematik der Berufe 2008) 采用与 ISCO-08 相同的代码和结构，分为四个级别。结构和解释性说明采用英语和德语两种版本，字母索引仅提供德语版本。它于 2011 年生效。

法国分类体系 Professions et Catégories Socioprofessionnelles (PCS) 由四个聚合级别组成。

PCS-ESE 2003（职业和社会专业类别/公司雇员）是一种特殊类型的术语。它用来描述私人或半公开公司和企业中的员工活动。

拉脱维亚职业分类体系 Profesiju klasifikators 基于 ISCO-08。它由五个级别（增加了国家职业级别）组成，使用拉脱维亚语。它于 2010 年通过。

资源描述框架 (RDF)和资源描述框架模式 (RDFS) 是一组使用 RDF 可扩展知识表示语言的特定属性的类，用来为本体描述提供基本元素，否则称为 RDF 词汇表，用于构造 RDF 资源。这些资源可以保存在三重存储中，通过查询语言 SPARQL 访问。第一个版本是由万维网联盟 (W3C) 于 1998 年 4 月发布的，最终的 W3C 推荐标准于 2004 年 2 月发布。许多 RDFS 组件都包含在更具表现力的 Web 本体语言 (OWL) 中。

除了 SOAP 和 XML-RPC 之外，表述性状态转移 (REST) 可能是实现各种 Web 服务的最重要替代方法。REST 使用的原则已被广泛应用于最大的分布式应用 — 万维网。WWW 本身就代表一个大型 REST 应用程序。因此，许多搜索引擎、在线商店、门户网站、网络和预订系统已经提供基于 REST 的网络服务。其设计意味着它们可以快速连接 JANZZ 产品和 SaaS 解决方案。

RIASEC（霍兰德职业兴趣模型）是指由美国心理学家约翰·L. 霍兰德 (John L. Holland，1919-2008) 最初开发的职业和职业选择理论（基于性格类型）。

在 RIASEC 模型中，霍兰德区分了 6 种类型：实际型（实干家）、调查型（思想家）、艺术型（创作者）、社会型（助手）、事业型（说服者）和常规型（组织者）。免费在线数据库“职业信息网”(O*Net) 的“兴趣”部分使用了 RIASEC 模型的更新和扩展版本。

The Répertoire Opérationnel des Métiers et des Emplois, version 3，法国职业分类有其自己的结构，因此它不是基于 ISCO-08。该结构包含三个级别：职业类别、工作领域和职业术语，所有职业都分配到这三个级别。

术语软件即服务 (SaaS) 是云计算术语的一部分。这是一种软件许可和交付模式，其中的软件采用订购许可模式并进行集中托管。SaaS 通常由使用瘦客户机的用户通过网络浏览器访问。SaaS 已经成为许多商业应用程序的常见交付模式，并已被纳入所有领先企业软件公司的战略。这些公司最大的卖点之一是外包硬件和软件维护以及对 SaaS 提供商的支持，以此来降低 IT 支持成本。[维基百科]

Standaard Beroepenclassificatie (SBC)是荷兰标准职业分类体系。它有两个版本，SBC 1992 和 SBC 2010。它有自己的结构，但可映射到 ISCO-08。与 ISCO-08 不同的是，它增加了一个级别，并将技能专业程度的标准明确地处理成由 87 个技能专业领域组成的列表。除了这些标准之外，它还使用了 128 个任务组，以便能够进一步区分具有相似级别和技能专业程度的职位。它是在 1992 年通过的，但从 2012 年开始，ISCO-08 已在荷兰被用于统计目的。2014 年，荷兰根据 ISCO-08、BRC 2014 发布了自己的统计分类体系。
此外，还有一个职业和教育数据库 Beroeps- en Opleidingsgegevens  或  Beroepen、Opleidingen & Competencie BO&C。

瑞士联邦教育、研究、创新秘书处 (SERI) 目录，提供所有基于官方认可职业的基本教育、高等职业培训以及技术学院课程、学习课程、研究生课程的概览。

瑞士职业标准体系 Schweizer Berufsnomenklatur 2000 (SBN 2000)由瑞士联邦统计局颁发，使用三种语言（GER、FR、IT）。它分为不同的部门、类别、类和类型。它从 2000 年开始使用。没有链接到 ISCO。但是，瑞士职业数据库中的每个单独 8 位代码（每个职业都注册了一个八位的非语言代码）已转码为 ISCO。

斯洛伐克职业分类体系 Štatistická klasifikácia zamestnaní 基于 ISCO-08，分为五个级别。它使用的语言是斯洛伐克语和英语，从 2011 年底开始使用。

简单知识组织系统 (SKOS) 是一种 W3C 推荐系统，用于表示叙词表、分类方案、分类法、主题词系统或任何其他类型的结构化控制词汇。SKOS 是建立在 RDF 和 RDFS 基础上的语义 Web 系列标准的一部分，其主要目标是便于发布和使用链接数据等词汇。[维基百科]

Montenegro (SKZ) 职业分类体系基于 ISCO-08。它使用两种语言（MN、EN）。

英国的标准职业分类 (SOC) 2010 具有自己的结构，但可以映射到 ISCO-08，并且在 2010 年修订中尽量与 ISCO-08 保持一致。它由四个级别组成，使用的语言为英语。其最新版本从 2010 年开始使用。

美国的标准职业分类 (SOC) 2018 具有自己的结构，但可以映射到 ISCO-08。它由四个级别组成，使用的语言是英语和西班牙语。其最新版本从 2018 年开始使用。

新加坡标准职业分类 (SSOC) 2010 和 2015 基于 SOC 和 ISCO-08。

此外，新加坡还有一项有关教育分类的新加坡标准教育分类 (SSEC) 和一项有关行业分类的新加坡标准行业分类 (SSIC)。

瑞典职业分类体系 Standard för svensk yrkesklassificering 以 ISCO-08 为基础。它由四个级别组成，使用两种语言（S、EN）。该体系于 2012 年正式采用。

挪威职业分类体系 Standard for Yrkesklassifisering (STYRK) 以 ISCO-08 为基础。它由四个级别组成，使用的语言是挪威语。该体系于 2011 年正式采用。

万维网联盟 (W3C) 是一个国际社区，其目的是开发开放标准以确保 Web 的长期发展。其使命是制定确保 Web 长期发展的协议和指导方针，充分发挥万维网的潜力。

工作技能资格 (WSQ) 是新加坡劳动力发展局使用的资格认证体系。其目标是培训、开发、评估和认可公司希望潜在员工具备的个人关键能力。

白标产品或服务是指一家公司（生产者）提供产品或服务，让其他公司（营销商）对其重新命名、使其看起来好像是他们生产的产品或服务一样。这样，相同的通用产品可以使用不同的品牌销售，每个产品都带有其营销商的企业标识。白标生产模式常用于消费品（例如，空白 CD）或网络应用程序。

在计算机科学和信息科学中，本体将知识形式化地表示为领域内的概念层次结构，使用共享词汇来表示这些概念的类型、属性和相互关系。这些相互关系是本体与分类法的区别所在，分类学只建立了一个等级秩序，各个概念之间并没有相互关系。本体是组织信息的结构框架，用于人工智能、语义网络、系统工程、软件工程、生物医学信息学、图书馆学、企业书签和信息架构等，对世界或世界的一部分进行知识表达。领域本体的创建对于定义和使用企业体系结构框架也很重要。

本体有助于实现知识的表达：人类之所以能够理解术语的正确含义，这要归功于其背景知识和使用特定术语的上下文。一台机器自然缺乏这种能力。但是，它可以“学习”词汇的语义。通常，人们使用所谓的概念图来描述这个含义：概念通过不同的关系彼此联系在一起。通过已经设定的关系和词汇在本体中的位置，特定词汇的含义可以被机器解读。

Mereology 描述的是一种层次结构，侧重于部分和它们所形成的整体之间的关系。Mereology 是本体的重要组成部分。

例如
一本书是书籍收藏的一部分。如果 A 是 B 的一部分，而 B 是 C 的一部分，那么 A 也是 C 的一部分。

超平面是一个函数，类似于线性方程 y = mx + b。事实上，对于只有 2 个特征的简单分类任务而言，超平面可以是一条线。

在语言学中，词素变体是语素（语言中最小的语法单位）的变体形式。如果意义的单位可以在意义不变的情况下改变发音，就会出现这个概念。词素变体这个术语解释了特定语素的发音变化。

大数据是一个概括性术语，用于表示任何因庞大复杂而难以使用现有数据管理工具或传统数据处理应用程序处理的数据集合。其挑战包括捕获、管理、存储、搜索、共享、传输、分析和可视化。数据集之所以越来越大，是由于在分析单个大型相关数据集时得到了更多信息，与具有相同数据总量的独立小型数据集相比，大型数据集可以发现相关性，例如找出劳动力市场的发展趋势。[维基百科]

多义词（来自希腊语：πολυ-, poly-（“many”）和 σῆμα, sêma（“sign”），是指一个符号（例如，词汇、短语等）或多个符号具有多个相关含义 (sememes) 的能力，即大的语义领域。通常而言，它与同音异义不同，在同音异义中，一个词汇的多重含义可能是随机、不连接或不相关的。多义词的词源相同，不是同音异义词。多义词的来源可以在不同的词类中找到，比如隐喻、转喻（相关含义）等。

例如
Bank：金融机构或由金融机构用来提供服务的建筑物（在与 river 连在一起使用时，bank 是金融机构和金融机构建筑物的同音异义词，因为它们的词源不同）。

反义词是位于具有固有不相容二元关系的反义词对中的词汇。

例如
大：小
长：短

分布表示所有可测量结果的概率。例如，考试的成绩可能符合正态分布。这种正态分布表示成绩的所有可能性。

分类法是有关分类的实践和科学。这个词汇源于希腊语 τάξις，taxis（意思是“order”或“arrangement”）和 νόμος，nomos（意思是“law”或“science”）。分类法使用分类单位（称为门类），并按层次结构进行排列。通常，这是按照超类型-子类型关系组织的，也称为泛化-专业关系，或者不太正式的父-子关系。在这种继承关系中，子类型的定义具有与超类型相同的属性、行为和约束条件，只是要再加上一个或多个附加属性、行为或约束条件。

例如
土木工程师是工程师的一个子概念，所以任何土木工程师也都是一名工程师，但并非任何工程师也都是土木工程师。

分类器是一种数据挖掘工具，负责处理大量要分类的数据并尝试预测新数据属于哪个类别。

概念图是知识表示的一种形式，它们构成知识语义描述的逻辑系统。概念图通常应用于人工智能、计算机科学或认知科学领域。例如，两个概念之间的关系可以表示如下：一个[概念]通过一个[关系]关联到另一个[概念]，其中的概念用矩形表示，关系用椭圆形表示。

人们大都认为工作和职业是同义词，但在大多数情况下这个理解其实是错误的。人们工作是为了谋生。无论是自己做生意还是为别人打工，专业资格、学历或者经验等都不是从事一项工作的前提条件。而职业则是一项需要专门培训、专业知识、专业资格和技能的劳动——简而言之，职业劳动是需要训练的。因此，举例来说，比起一种职业，总裁更是一种职务或者一项工作；而木工则是一种典型的、可以通过培训的而获得从业执照的职业。工作与职业的区别往往是模糊的，有时一种职业也可以是一项工作，但一项工作在大多情况下不一定也可以被当成一种职业。以下是两者之间的本质区别：

1. 工作通常是指人们为货币薪酬而付出的一种劳动，而职业则是一种需要高程度的职业训练与职业技能的劳动。
2. 与工作不同，每一类职业都有一种特定的行为规范。
3. 为了从事一项工作，人们不需要在某个特定领域进行任何形式的培训；但是因为从事一种职业需要专业的技能与知识，所以在这里专业培训是必不可少的。
4. 职业劳动一般会受到特定规章的管控，但工作一般不会受到类似的限制。
5. 从事一项工作的人根据绩效获取薪酬，而从事一类职业的人根据能力获得薪酬。
6. 如果一个人通过使用他的知识与技能而获取报酬，那么此人的职业同时也是一项工作。

关联规则学习是一种数据挖掘技术，用于学习数据库中变量之间的相关性和关系。

机器学习是一种注重于计算机系统开发的人工智能 (AI)，可以在没有明确编程的情况下发挥作用。这些计算机程序使用大数据进行反复训练，自己学习要做些什么。最终，这些系统能够在拥有新数据时获得发展和变化。机器学习的过程与数据挖掘相似，因为它们都会在大量数据中搜索模式。尽管数据挖掘旨在通过揭示数据中的模式来增加人们对问题的理解，但机器学习主要使用模式检测来改善程序的行为。
如今的机器学习非常普遍且无处不在：网络搜索、实用语音识别和自动驾驶汽车就是其中的几个例子。

当技能类型或级别不同于充分执行工作所需的技能时，需要使用术语技能差距。

如果某种特定技能类型的需求在工资费率相对平衡的情况下，超过具有该技能的人员供给量，则会发生技能短缺。

技能高于（低于）要求是指技能高于（低于）充分完成工作所需的要求。

集群分析是用来形成群组的一系列算法，其目的是使群组成员的相似性比非群组成员更高。集群和群组在集群分析领域是同义词。

解析或句法分析是根据形式语法的规则分析一串符号的过程，无论是自然语言还是计算机语言。术语解析来自拉丁语的 pars (orationis)，意思是（语言）含义部分。
在计算语言学中，这个术语用来指计算机将某个句子或其他词汇串正式分析为其成分、从而获得一个显示它们之间的句法关系的解析树的过程，也可能包含句法和其他信息。

经合组织成员国在批准经合组织理事会关于人工智能的建议时，于2019年5月22日通过了经合组织的人工智能（AI）指导原则。 该建议书确定了五项基于价值观的互补原则，用于负责任地管理值得信赖的人工智能：

• 人工智能应通过推动包容性增长，可持续发展和福祉，使人类和地球受益。
• 人工智能系统的设计应尊重法治，人权，民主价值观和多样性，并应包括适当的保障措施 – 例如，必要时进行人为干预 – 以确保公平公正的社会。
• 围绕AI系统应该有透明度和负责任的揭秘，以确保人们了解基于AI的结果并对其进行挑战。
• 人工智能系统必须在其整个生命周期内以稳健，有保障和安全的方式运行，并应不断评估和管理潜在风险。
• 根据上述原则，组织和个人开发，部署或操作AI系统应对其正常运行负责。

就业不足是在经济学中衡量就业和劳动力利用情况的一个指标，它考察劳动力在技能、经验和工作可用性方面的利用情况。属于就业不足分类的劳动力包括那些技术娴熟但工作在低收入工作岗位的工人、技术娴熟但从事低技能工作的工作人员、愿意全职工作但处于兼职工作状态的工人。这与失业有所不同，就业不足是指某个人正在工作，但没有充分发挥其全部作用。[Investopedia]

除了存储训练数据之外，懒惰学习算法在训练过程中从事的活动并不多。只有当输入新的未标记数据时，这种类型的学习算法才会进行分类。

这是一个旨在探索对象之间的关联（又名链接）的网络分析类型。

朴素贝叶斯不是一种独立算法，而是一组分类算法，它们有一个共同的假设：被分类数据的每个特征都与给定类别的所有其他特征无关。

认知计算系统旨在自然地与人类协作，提高机器或人类可以独立完成任务的可能性。认知计算系统可以实时处理让人难以置信的大量数据（大数据）。这些系统不断积累更多的知识和经验；因此会随着时间的推移而变得越来越准确。应用深层分析理解上下文，可以使认知计算系统了解其具体环境、自己学习并自主行事。

认知偏差是在某些特定情况下的特定思考、行为倾向，它会导致理性或判断产生系统性偏误，并且通常以人类为主体进行研究。我们可以将认知偏差粗略地分为以下几类：决策，信念和行为偏见，社会偏见和记忆偏见。 AI中的偏差是指当计算机系统反映创建它的人的隐含价值的情况。因为没有技术是免于人类的，任何技术都是它们的创造者的扩展，因此我们非常难以保证算法，数据或工具完全不偏不倚，因为它们都是人类的创造物。在JANZZ.technology，我们了解我们的行为以及它将如何影响我们的客户以及使用我们的AI服务和工具的所有用户。我们尽最大努力确保我们的解决方案不会对某些用户群体产生不成比例的影响，我们致力于在匹配中最高程度地实现公平分析（JANZZ应用程序已完全消除典型偏差 ，包括年龄，性别，来历等）。

有关更多信息，请查阅:

https://zh.wikipedia.org/wiki/%E8%AA%8D%E7%9F%A5%E5%81%8F%E8%AA%A4%E5%88%97%E8%A1%A8

https://www.topbots.com/pay-attention-man-behind-curtain/?

数据挖掘是在大型数据集中发现模式的计算过程，包括人工智能、机器学习、统计和数据库系统的处理方法。数据挖掘过程的总体目标是从数据集中提取信息，将其转化为可理解的结构以供进一步使用。[维基百科]

我们将模型视为描述如何生成被观察数据的工具。例如，考试成绩可能与钟形曲线相符，所以假设通过钟形曲线（也称为正态分布）生成的成绩是一个模型。

同义词（也称为转喻词和多义词）是与另一个词汇具有相同或相似含义的词汇。如果两个词是同义词，我们可以说它们同义，而作为同义词的状态被称为同义性。这个词汇源于古希腊语 syn (σύν) (“with”) 和 onoma (ὄνομα) (“name”)。同义词的示例包括 begin 和 commence。同样，如果我们谈论 long time 或 extended time，long 和 extended 就成为同义词。从形象意义上讲，如果两个词汇具有相同的内涵，那么它们通常被认为是同义词。

在语言学中，严格来说，同音异义词是具有相同拼写和发音、但可能具有不同含义的一组词汇之一。因此，同音异义词同时是同形异义词（具有相同拼写的词汇，无论其发音如何）和同音异形词（具有相同发音的词汇，无论其拼写如何）。属于同音异义词的这种状态称为同音异义。

示例
stalk₁:  植物的一部分
stalk₂：跟踪/骚扰一个人
延伸：left、skate 等。

虽然并不总是非常明确，但有时也会区分起源不相关的“真正”同音异义词和具有共同起源的一词多义的同音异义词或多义词。

土耳其机器人（又称 The Turk）是一个自动象棋选手的口语化名称，这个机器人由奥匈宫廷官员兼机械师 Wolfgang von Kempelen 于 1769 年建造。在观众看来，这台机器给人们留下的印象是机器在下棋。事实上，机器里面藏着一个棋艺极高的人类象棋选手，由他来操作这台机器。直到这个骗局在 1929 年被发现之后，这台机器的复制品才被用于各种展示和展览。在德语中，etwas turken（“假冒的东西”）这个短语一直沿用至今。

如今，所谓的土耳其机器人方法正被用于特别复杂的项目，这些项目的编程和求解对计算机来说比对人类来说要复杂得多。在 JANZZ.technology，这种方法取代了机器学习，因为机器学习太不精确、缺陷太多或速度太慢，不能满足我们的标准。通过人类劳动 — 所谓的人类智能任务 (HIT) — 那些计算机根本无法解决的任务，或者是付出与收获不成比例的任务，可以得到更精确、更快的执行。在 JANZZ，这些人类专家包括语言学家、专业和教育专家、经验丰富的医学、工程、IT、银行和金融、贸易等领域专家，以及了解 JANZZon! 语言、行业和职业的人。这种方法保证了 JANZZon! 无与伦比的语义质量以及基于它的应用。

推进是一系列学习算法，它采用多种学习算法（如决策树）并将其结合起来。其目标是将一群或一组弱学习算法结合起来，创造一个强学习算法。

网页排名是一种链接分析算法，用于确定某个对象在对象网络中的相对重要性。

下位词是一个词汇或短语，其语义领域（在含义方面表示某个特定主题的一组词汇）包含在另一个词汇 — 上位词 — 的词汇或短语中。因此，它是一种层次类型：下位词与其上位词具有相同的关系类型。它是语义网、分类法和叙词表中概念之间的中心语义关系之一。[维基百科]

例如
皮肤科医生、妇科医生、免疫学家都是其上位词医学专家的下位词，而医学专家又是医学博士的下位词。

先验算法旨在学习关联规则并应用于包含大量事务的数据库。

叙词表列出根据其意义和相互关系的相似性分组在一起的术语/词汇。它列出同义词以及上义词和下义词概念。与字典相反，词汇的定义和发音不是叙词表的重点。

英国技能分类由Nesta创建，Nesta是一家位于英国的创新基金会。 它是第一个帮助衡量英国技能短缺的数据驱动技能分类法。 目前，它映射了2012年至2017年期间在4100万英国招聘广告中提及的一万五百种独特技能。这些技能包括特定任务，知识，软件程序和个人属性。JANZZon！ 定期映射这些英国技能分类数据，并在此基础上进行语义和语言的扩展。

语义（来自古希腊文：σημαντικός sēmantikós，“significant”）是对意义的研究。它侧重于指示符之间的关系，如词汇、短语、标志和符号，以及它们代表什么、它们的外延。语言语义是对意义的研究，用于通过语言来理解人类的表达。其他形式的语义包括编程语言语义、形式逻辑语义和符号语义。[维基百科]

语义匹配是在计算机科学中用来识别语义上相关的信息的技术。如果给出任何两个图形式的结构，例如分类、数据库或 XML 模式和本体，匹配就是标识两个结构中在语义上彼此对应的节点的运算符。例如，在应用于文件系统时，它可以识别出标记为“Medical Practitioner”的文件夹在语义上等同于另一个文件夹“Medical Doctor”，因为它们在英语中是同义词。

在资源发现、人力资源和招聘、数据集成、数据迁移、查询翻译、对等网络、代理通信、模式和本体合并等领域的许多应用程序中，语义匹配是一种基本技术。其他领域也正在研究其用途，如事件处理。事实上，它被视为解决语义异构问题的有效方法，即管理知识的多样性。在处理不同文化和语言背景的人士之间的互操作性时，具有不同观点和使用不同术语一直非常棘手。特别是随着网络的出现和相应而来的信息爆炸时代，这个问题似乎愈加明显。人们在检索、消除歧义以及整合各种来源的信息时，会遇到非常具体的问题。

语义网鼓励在网页中包含语义内容，其目标是将当前网络（由非结构化和半结构化文档占主导地位）转换为“数据网络”。语义网的主要目的是使用户能够更方便地查找、共享和合并信息，从而推动当前 Web 的发展。但如果没有人类的指导，机器无法完成所有这些任务，因为网页在设计时的目标是为了让人类阅读、而不是让机器阅读。语义网的愿景是让信息可以轻松地被机器解读，以便机器可以执行更多乏味的工作，包括查找、合并网络信息并对其采取行动。按照最初的设想，语义网系统应该能够：使机器“理解”复杂的人类请求并根据其意义做出响应。为了实现这种“理解”的目的，需要对相关信息来源进行语义结构化处理。[维基百科]

支持向量机 (SVM) 会查找将数据分为 2 类的超平面。从高层次上来看，SVM 执行任务的方式类似于 C4.5，所不同的是 SVM 根本不使用决策树。

智能数据本身并不是数据，而是指分析和理解数据的方式。虽然大数据是反映消费者行为的非结构化原始数据，但我们可以利用智能数据来发现潜在的基本原理并预测这种行为的重复性。
从技术上来说，其意义在于分离和忽略噪声、找到相关数据点并提取更高价值的信号。实际上，它的作用是生成有意义的信息、更改建议和交互式可视化 — 而且都是针对特定的业务环境。
简而言之，智能数据意味着在大数据之上增加高级商业智能，以提供具有操作性的见解。

职业分类是根据不同属性和特点来构建职业的分类体系。职业分类的一个重要例子是国际标准职业分类 (ISCO)，由国际劳工组织 (ILO) 在 20 世纪 60 年代首次作为职业类别的国际分类体系开发。1988 年和 2008 年，它根据工业国家工作环境的变化修订了两次（ISCO-88 和 ISCO-08）。根据这种分类，能够在进行国际间比较时，按照社会层次结构确定不同的职位，包括关于不同劳动力市场、教育体系、失业率等可比统计数据。欧盟统计局采用了 1988 年国际标准职业分类中的九种主要职业类别（不含武装职业），将其用于欧盟的目的。这些主要职业类别分为职业类、子类和类型，每个职业都包含四位代码，以便将其分配给职业类型。

英国和爱尔兰
除 ISCO 之外，还有其他分类体系也正在使用中，例如，英国和爱尔兰的标准职业分类 (SOC) 2010。SOC 有其自己的结构，而不是基于 ISCO-08。但是，可以映射到 ISCO-08，从而可以在两个分类体系之间进行比较。其他国家分类体系，如 NOC（加拿大），以 ISCO 为基础。

美国
美国的职业信息网 (O*NET) 由美国劳工/就业和培训管理局 (USDOL/ETA) 提供支持。它与英国职业分类 SOC 有关。O*Net 是一个由广泛的职业描述和各自所需的技能、能力等组成的数据库。每个职业的结构中都包括任务、使用的工具、知识、技能、能力、工作活动、工作环境、工作区域。

全球不同地区和国家还存在其他重要的分类体系，例如 ANZSCO、ASCO、BO&C、KldB、Ö-ISCO 等。

职业数据是从职业概念方面描述相关数据的一般术语，例如能力、软技能和横向技能、职能、专业程度、教育/资格数据等。

如果资格和/或资格领域与充分执行工作所需的资格不同，则会出现资格不匹配。

资格/教育程度高于（低于）职位要求是指资格/教育程度高于（低于）充分完成工作所需的要求。

一个由30,000项技能组成的开源图书馆，收集了数以亿计的在线招聘信息、简介和简历。

人工智能数据法 (The Artificial Intelligence Data Act, the AIDA) 由加拿大政府倡议发起, 此法与消费者隐私保护法 (Consumer Privacy Protection Act, CPPA)一起, 构成 C-27法案-即 2022 年数字宪章实施法案-的一部分。这是加拿大首次尝试监管人工智能情报（Artificial Intelligence, AI ）。