1.一种基于人才集中度生成职业分析报告的方法，其特征在于，所述方法包括：获取在线职业网络中的职业数据集并进行预处理，得到原始职业数据；所述原始职业数据包括职业数量、从业人数、人员受教育情况、人员流动经历、人员所在行业、人员所在地区；根据所述原始职业数据中基于人才集中度导致的职业间的人员流动关系，构建人才集中度维度的职业流动网络模型；其中，所述人才集中度维度的职业流动网络模型包括节点、边以及每条边对应的权重，节点表示所述原始职业数据中的职业，边表示职业间的人员流动，每条边对应的权重表示职业间基于人才集中度导致的人员流动数量；根据所述人才集中度维度的职业流动网络模型中边的权重对所述原始职业数据进行特征提取，得到每种职业的人员流动总量特征、人员留存力特征和流通枢纽度特征，通过记录提取得到的每种职业的特征，生成职业分析报告。
2.根据权利要求1所述的方法，其特征在于，获取在线职业网络中的职业数据集并进行预处理，得到原始职业数据，包括：获取在线职业网络中的职业数据集，统计所述职业数据集中的每种职业的出现频率，指定所述职业数据集中出现频率高于100的职业为常见职业；对所述常见职业的名称进行校准，得到初步标准化职业，根据所述初步标准化职业依次对所述职业数据集中的非标准化职业进行职业名称和职业名称词干的完全匹配，得到标准化职业；通过将所述标准化职业与职业信息网络的职业分类进行映射，得到原始职业数据。
3.根据权利要求1所述的方法，其特征在于，人才集中度维度的职业流动网络模型表示为 其中， 表示节点集合，每个节点 表示一种职业，ε表示边集合，每条边e(u,v)∈ε表示在t时刻从职业 到职业 之间的人员流动， 表示权重集合，每条边对应的权重 表示在t时刻基于人才集中度导致的从职业 到职业 之间的人员流动数量。
4.根据权利要求3所述的方法，其特征在于，在所述人才集中度维度的职业流动网络模型中，每条边对应的权重 表示为：其中， 表示人才集中度的计算因子， 表示在t时刻从职业u到职业v之间的人员流动数量， 表示在t时刻从职业u到另一职业z之间的人员流动数量。
5.根据权利要求1所述的方法，其特征在于，所述人员流动总量特征表示为Total t (v)＝IN t (v)+OUT t (v)其中，Total t (v)表示职业v在t时刻的人员流动总量特征， 表示在t时刻基于人才集中度导致的流入职业v的人员数量， 表示在t时刻基于人才集中度导致的流出职业v的人员数量， 表示在t时刻基于人才集中度导致的从职业u到职业v之间的人员流动数量， 表示在t时刻基于人才集中度导致的从职业v到职业z之间的人员流动数量。
6.根据权利要求5所述的方法，其特征在于，人员留存力特征表示为其中，Retain t (v)表示职业v在t时刻的人员留存力特征，ε 0 表示平滑因子。
7.根据权利要求5所述的方法，其特征在于，流通枢纽度特征表示为Center t (v)＝Flow t (v)×Path t (v)其中，Flow t (v)表示职业v在t时刻的流量占比，Path t (v)表示职业v在t时刻的关键路径占比， 表示职业v在职业x到职业y的最短路径中出现的次数，g xy 表示职业x到职业y的最短路径总数，x、y为任意职业。
8.一种基于人才集中度生成职业分析报告的装置，其特征在于，所述装置包括：数据预处理模块，用于获取在线职业网络中的职业数据集并进行预处理，得到原始职业数据；所述原始职业数据包括职业数量、从业人数、人员受教育情况、人员流动经历、人员所在行业、人员所在地区；职业流动网络构建模块，用于根据所述原始职业数据中基于人才集中度导致的职业间的人员流动关系，构建人才集中度维度的职业流动网络模型；其中，所述人才集中度维度的职业流动网络模型包括节点、边以及每条边对应的权重，节点表示所述原始职业数据中的职业，边表示职业间的人员流动，每条边对应的权重表示职业间基于人才集中度导致的人员流动数量；职业分析报告生成模块，用于根据所述人才集中度维度的职业流动网络模型中边的权重对所述原始职业数据进行特征提取，得到每种职业的人员流动总量特征、人员留存力特征和流通枢纽度特征，通过记录提取得到的每种职业的特征，生成职业分析报告。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
