申请/专利权人：深圳今日人才信息科技有限公司

申请日：2022-10-24

公开（公告）日：2024-05-10

公开（公告）号：CN115564393B

主分类号：G06Q10/1053

分类号：G06Q10/1053;G06F16/9535;G06F40/30;G06F40/289;G06F40/194;G06N3/0464;G06N3/084;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.05.10#授权;2023.01.20#实质审查的生效;2023.01.03#公开

摘要：本发明公开了一种基于招聘需求相似度的职位推荐方法，步骤S0：匹配预测模型构建阶段；训练Word2Vec模型和匹配预测模型；步骤S1：HNSW图构图阶段；使用匹配预测模型为系统中所有的企业招聘需求计算特征向量，构建HNSW图；步骤S2：用户服务阶段；获取适合求职者的岗位招聘需求，并在构建好的HNSW图中检索最相似的N个岗位推荐给该求职者。本发明实现了获取并满足求职者的真实求职意向；使那些职位需求很相似，但实际上适合的候选人群完全不同的职位对应的特征向量的差异提高；使那些文本相似度较低，但适合同一批候选人群的职位对应的特征向量的差异减小、相似度提高；效率更高、更适用于为用户提供实时服务。

主权项：1.一种基于招聘需求相似度的职位推荐方法，其特征在于，包括如下步骤：步骤S0：匹配预测模型构建阶段；其中，从个人简历、企业招聘需求中获取文本信息，并将获取的文本信息用来训练基于Skip-GramModel的Word2Vec模型；使用获取的文本信息、训练好的Word2Vec模型、以及收集到的简历和岗位的历史匹配信息，共同来训练基于TextCNN+MLP的匹配预测模型；步骤S1：HNSW图构图阶段；其中，使用所述匹配预测模型为系统中所有的企业招聘需求计算特征向量，并使用得到的特征向量构建HNSW图；步骤S2：用户服务阶段；其中，获取适合求职者的岗位招聘需求，并根据该岗位招聘需求在构建好的HNSW图中检索最相似的N个岗位，并将其推荐给该求职者，其中N为自然数；步骤S0中，在训练基于Skip-GramModel的Word2Vec模型时，Skip-GramModel的指定窗口大小WIN为2，Word2Vec模型在将每个词语转换为一个高维向量的维度记D为128；步骤S0中，在训练基于TextCNN+MLP的匹配预测模型时，是从系统的历史数据中收集简历和岗位的成功匹配的历史匹配信息；步骤S0中，在收集简历和岗位的成功匹配的历史匹配信息后，将收集的成功匹配的数据作为样本正例，并按照1:1的正负样本比例随机采样出样本负例，最终正负样本混合在一起形成训练数据，并且，每一条训练数据都包括了一个个人简历文本信息、一个企业招聘需求文本信息和一个是否成功匹配的标识；步骤S0中，在获取文本信息后，还对获取的文本信息进行分词、去停用词、去标点的文本预处理操作，得到预处理后的文本信息；并且，使用预处理后的文本信息，来训练基于Skip-GramModel的Word2Vec模型；并使用预处理后的文本信息、训练好的Word2Vec模型、以及收集到的简历和岗位的历史匹配信息，共同来训练基于TextCNN+MLP的匹配预测模型；步骤S0中，是从系统中存储的所有个人简历、企业招聘需求中获取文本信息；其中，对于个人简历，从中提取出有关个人陈述、工作经历、项目经历的整段文本，并将这些段文本拼接为一段，作为个人简历文本信息；对企业招聘需求，从中提取出有关招聘需求的整段文本，并将这些文本拼接为一段，作为企业招聘需求文本信息；步骤S1中，在使用所述匹配预测模型为系统中所有的企业招聘需求计算特征向量时，是将企业招聘需求的文本信息输入到所述匹配预测模型，从匹配预测模型中获取企业招聘需求的特征向量；步骤S1中，在使用得到的特征向量构建HNSW图时，是先构建NSW图，然后在NSW图的基础上构建HNSW图；步骤S2中，是根据求职者与系统的交互记录，获取适合该求职者的一个或多个岗位招聘需求；步骤S2中，具体是通过求职者投递并获得面试机会的岗位，并获取该岗位的文本信息作为适合该求职者的岗位招聘需求。

全文数据：

权利要求：

百度查询： 深圳今日人才信息科技有限公司 一种基于招聘需求相似度的职位推荐方法

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