申请/专利权人：深圳市一览网络股份有限公司

申请日：2023-10-26

公开（公告）日：2024-01-19

公开（公告）号：CN117421417A

主分类号：G06F16/335

分类号：G06F16/335;G06F16/33;G06F16/36;G06F40/216

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.06#实质审查的生效;2024.01.19#公开

摘要：本发明涉及语言模型领域，揭露了一种基于人工智能的薪酬查询模型构建方法、装置、电子设备及存储介质，其中，所述方法包括：获取待识别文本，基于待识别文本获取特征词集，从所述特征词集中依次提取目标特征词，基于目标特征词构建特征词网络，利用特征词网络、权重整合公式及注意力加权算法获取目标特征词的优化特征值，筛选目标特征词，得到特征词矩阵，获取多个单位薪酬集的描述特征词，计算特征词矩阵及描述特征词的文本相似度，基于文本相似度获取薪酬查询结果，并完成基于人工智能的薪酬查询模型构建及薪酬查询。本发明主要目的为通过提高待识别文本中的特征词识别精确度和优化薪酬数据集来优化的薪酬查询方法并提高查询薪酬时的响应速度。

主权项：1.一种基于人工智能的薪酬查询模型构建方法，其特征在于，所述方法包括：获取待识别文本，利用预构建的文本划分方法将所述待识别文本划分成多个待识别句，从所述多个待识别句中依次提取待识别句，并对所提取的待识别句均执行如下操作：利用预构建的句法筛选器筛选所提取的待识别句，得到特征词集，从所述特征词集中依次提取目标特征词，并对所提取的每一个目标特征词均执行如下操作：基于所提取的目标特征词及特征词集构建特征词网络，利用特征词网络及预构建的特征词权重计算公式计算所提取的目标特征词的语义权重，利用预构建的逆文档频率权重值计算公式计算所提取的目标特征词在待识别文本中的逆文本权重，利用预构建的权重整合公式、逆文本权重及语义权重获取目标特征词的次优特征值，利用预构建的注意力加权算法及预构建的薪酬模型词典调整目标特征词的次优特征值，得到优化特征值；利用目标特征词的优化特征值对特征词集中的每一个目标特征词进行降序排列，得到降序特征词集，剔除降序特征词集中优化特征值小于预设优化特征值阈值的目标特征词，得到目标降序词集，其中，所述目标降序词集中包括多个降序特征词，利用预构建的特征检验方法确认所述目标降序词集中的目标特征词满足预构建的薪酬查询模版后，基于目标降序词集构建待识别文本对应的特征词矩阵；利用预构建的薪酬数据库及薪酬模型词典构建薪酬集，基于所述薪酬集获取多个单位薪酬集，基于所述多个单位薪酬集获取所述多个单位薪酬集中每一个单位薪酬集的描述特征词，基于多个描述特征词获取描述特征词集；从描述特征词集中依次提取描述特征词，利用预构建的文本相似度计算公式、特征词矩阵及描述特征词计算待识别文本与描述特征词的文本相似度，得到多个文本相似度；从所述多个文本相似度中提取最大的文本相似度对应的一个或多个单位薪酬集，将所述一个或多个单位薪酬集转化为预设的输出形式，得到薪酬查询结果，将所述薪酬查询结果发送至预构建的对话窗口后，完成基于人工智能的薪酬查询模型构建及薪酬查询。

全文数据：

权利要求：

百度查询： 深圳市一览网络股份有限公司 一种基于人工智能的薪酬查询模型构建方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD