申请/专利权人：芯知科技(江苏)有限公司

申请日：2024-02-04

公开（公告）日：2024-04-19

公开（公告）号：CN117689354B

主分类号：G06Q10/105

分类号：G06Q10/105;G06N3/084;G06N3/0455;G06N3/0442;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本申请提供一种基于云服务的招聘信息的智能处理方法及平台，该方法通过第一招聘终端向招聘信息管理平台发送第一岗位原始信息，以使招聘信息管理平台根据第一岗位原始信息以及预设岗位描述信息生成模型生成第一岗位描述信息，并将第一岗位描述信息发送至第一招聘终端，从而使得第一招聘终端响应于第一岗位描述信息，向招聘信息管理平台发送第一岗位反馈信息，若第一岗位反馈信息包括第一岗位发布信息，则招聘信息管理平台对第一岗位描述信息进行发布，并根据第一岗位原始信息以及第一岗位描述信息生成第一迭代训练信息，并添加至迭代训练数据库中，以便后续对深度神经网络模型进行迭代训练，进而达到模型的有效迭代更新的目的。

主权项：1.一种基于云服务的招聘信息的智能处理方法，其特征在于，应用于招聘信息管理系统，所述招聘信息管理系统包括招聘终端集合以及设置于云服务器上的招聘信息管理平台，所述招聘信息管理平台与所述招聘终端集合中的各个招聘终端通信连接；所述方法，包括：所述招聘终端集合中的第一招聘终端向所述招聘信息管理平台发送第一岗位原始信息，所述第一岗位原始信息包括第一特征词集合，所述第一特征词集合中包括多个岗位特征词；所述招聘信息管理平台根据所述第一岗位原始信息以及预设岗位描述信息生成模型生成第一岗位描述信息，并将所述第一岗位描述信息发送至所述第一招聘终端，其中，所述预设岗位描述信息生成模型为基于预设深度神经网络模型训练生成的模型；所述第一招聘终端响应于所述第一岗位描述信息，向所述招聘信息管理平台发送第一岗位反馈信息；若所述第一岗位反馈信息包括第一岗位发布信息，则所述招聘信息管理平台对所述第一岗位描述信息进行发布，并根据所述第一岗位原始信息以及所述第一岗位描述信息生成第一迭代训练信息，以将所述第一迭代训练信息作为新增迭代训练信息存储至所述预设深度神经网络模型所对应的迭代训练数据库中，其中，所述第一迭代训练信息配置有第一类训练特征标签；在所述第一招聘终端响应于所述第一岗位描述信息，向所述招聘信息管理平台发送第一岗位反馈信息之后，还包括：若所述第一岗位反馈信息包括第一岗位修改信息以及所述第一岗位发布信息，则所述招聘信息管理平台对所述第一岗位修改信息进行发布，并根据所述第一岗位原始信息、所述第一岗位描述信息以及所述第一岗位修改信息生成第二迭代训练信息，以将所述第二迭代训练信息作为新增迭代训练信息存储至所述迭代训练数据库中，其中，所述第二迭代训练信息配置有第二类训练特征标签，所述第一岗位修改信息为基于所述第一岗位描述信息进行修改后的岗位描述信息；在所述招聘信息管理平台根据所述第一岗位原始信息以及预设岗位描述信息生成模型生成第一岗位描述信息之前，还包括：在所述招聘信息管理平台上创建初始训练数据库，所述初始训练数据库包括初始训练信息集合，所述初始训练信息集合中的各条初始训练信息包括初始特征词集合以及所述初始特征词集合所对应的初始标定岗位描述信息；利用所述初始训练信息集合对所述预设深度神经网络模型进行训练，所述预设深度神经网络模型包括序列编码器以及序列解码器，所述序列编码器与所述序列解码器端到端连接，所述序列编码器为基于循环神经网络或长短时记忆网络所建立的编码器，所述序列解码器为基于循环神经网络或注意力机制所建立的解码器；其中，每次训练的步骤包括步骤a至步骤d：步骤a：利用Word2Vec词嵌入模型将所述初始特征词集合中的各个初始特征词映射到连续向量空间中的表示，所述连续向量空间中的表示用于确定对应的词嵌入向量；步骤b：将各个初始特征词所对应的词嵌入向量输入至序列编码器，以产生隐藏表示，并根据各个初始特征词所对应的隐藏表示确定所述初始特征词集合所对应的隐藏表示集合；步骤c：将所述隐藏表示集合输入至序列解码器，以生成初始生成岗位描述信息；步骤d：利用序列交叉熵损失作为损失函数，并根据所述初始标定岗位描述信息与所述初始生成岗位描述信息确定第一损失差异值；利用反向传播算法，并根据每次训练中所述第一损失差异值的梯度对所述预设深度神经网络模型的模型参数进行更新，并确定所述第一损失差异值处于最小值时的模型参数；根据所述第一损失差异值处于最小值时的模型参数对所述预设深度神经网络模型进行模型参数调整以生成所述预设岗位描述信息生成模型。

全文数据：

权利要求：

百度查询： 芯知科技(江苏)有限公司 基于云服务的招聘信息的智能处理方法及平台

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