一种职位推荐方法及计算设备技术

本发明专利技术公开了一种职位推荐方法，在计算设备中执行，包括：根据所存储的多个用户的多条行为记录确定偏好矩阵，偏好矩阵中存储各用户对各职位的偏好程度；根据偏好矩阵确定目标用户的第一推荐职位集；根据目标用户的多条行为记录以及所存储的多条职位记录，确定目标用户与多个职位的匹配特征信息；根据多条匹配特征信息，采用分类器确定目标用户的第二推荐职位集；将第一推荐职位集与第二推荐职位集进行融合，得到目标用户的推荐职位集。本发明专利技术一并公开了相应的计算设备。

A position recommendation method and computing equipment

The invention discloses a job recommendation method, implementation, including: in a computing device according to record multiple behavior of multiple users stored to determine the preference matrix, each user preference preference matrix for each storage position; according to the preference matrix to determine the target user first recommended position according to the position set; record multiple target user behavior records and storage, determine the matching feature information of the target users and multiple positions; according to the matching features, the classifier to determine the target user's second recommendations set; the first set and the second position recommended recommended position set fusion, get the recommended position of target user set. The present invention discloses the corresponding computing equipment in the same way.

【技术实现步骤摘要】
一种职位推荐方法及计算设备
本专利技术涉及数据处理
，尤其涉及一种职位推荐方法及计算设备。
技术介绍
随着互联网技术的发展，网络求职/招聘已经成了求职者找工作、用人单位招聘员工的主要途径。求职者和用人单位在第三方的招聘网站上注册账号，相互之间进行搜索和交流，以寻求最满意的对象。招聘网站拥有大量职位，一个应聘者登录网站之后，可以从职位列表中浏览职位，也可以依靠关键字去搜索可能适合自己的职位。一般地，职位列表数量巨大，求职者无法在短时间内找到自己感兴趣的职位；而使用关键字搜索时，由于求职者使用的关键字的数量和精确性有限，往往也很难快速找到适合自己的职位。为了解决上述问题，现在招聘网站常采用的做法是：为求职者推荐职位，即，招聘网站主动地把可能适合的职位推送给求职者。目前的职位推荐算法多根据求职者的特征向求职者推荐职位，例如，根据求职者的专业、学历、期望工作城市、期望薪资来向求职者推荐职位。这种算法的推荐结果往往不够精准。此外，求职者的特征通常是比较稳定的，这样每次给求职者推荐的职位顺序都没有太大变化。求职者重复地看到相同的推荐职位，会对推荐结果失去兴趣，从而职位推荐的效率会大打折扣。
技术实现思路
为此，本专利技术提供一种职位推荐方法及计算设备，以解决或至少缓解上面存在的问题。根据本专利技术的一个方面，提供一种职位推荐方法，在计算设备中执行，计算设备与数据存储装置连接，数据存储装置中存储有多条职位记录以及多个用户的多条行为记录，该方法包括：根据所存储的多个用户的多条行为记录确定偏好矩阵，偏好矩阵包括各用户对各职位的偏好程度；根据偏好矩阵确定目标用户的第一推荐职位集；根据目标用户的多条行为记录以及所存储的多条职位记录，确定目标用户与多个职位的匹配特征信息；根据多条匹配特征信息，采用分类器确定目标用户的第二推荐职位集；将第一推荐职位集与第二推荐职位集进行融合，得到目标用户的推荐职位集。可选地，在根据本专利技术的职位推荐方法中，行为记录包括用户标识、行为时间、行为类型和职位标识；上述根据所存储的多个用户的多条行为记录确定偏好矩阵的步骤包括：对于每一条行为记录，根据行为时间和行为类型来确定用户标识所指示的用户对职位标识所指示的职位的偏好程度。可选地，在根据本专利技术的职位推荐方法中，上述根据行为时间和行为类型来确定用户标识所指示的用户对职位标识所指示的职位的偏好程度的步骤包括：根据行为类型确定行为权重；根据行为时间距离当前时间的时间间隔来确定置信因子；将行为权重与置信因子的乘积作为用户标识所指示的用户对职位标识所指示的职位的偏好程度。可选地，在根据本专利技术的职位推荐方法中，行为类型包括投递、收藏、浏览中的一种或多种；根据行为类型确定行为权重的步骤包括：将投递的行为权重设置为第一值，将收藏的行为权重设置为第二值，将浏览的行为权重设置为第三值，其中，第一值＞第二值＞第三值；根据时间间隔来确定置信因子的步骤包括：确定多个时间间隔范围，每一个时间间隔范围对应于一个置信因子；根据时间间隔所属的时间间隔范围来确定置信因子，其中，时间间隔范围距离当前时间越近，置信因子越大。可选地，在根据本专利技术的职位推荐方法中，根据偏好矩阵确定目标用户的第一推荐职位集的步骤包括：根据偏好矩阵确定每一个职位所对应的职位向量，职位向量包括各用户对该职位的偏好程度；根据职位向量确定偏好矩阵中各职位的相似度，将与一个职位的相似度大于等于第一阈值的职位作为该职位的相似职位；根据偏好矩阵确定目标用户的偏好职位，偏好职位为目标用户的偏好程度大于等于第二阈值的职位；将偏好职位的相似职位加入第一推荐职位集。可选地，在根据本专利技术的职位推荐方法中，根据职位向量确定偏好矩阵中各职位的相似度的步骤包括：根据偏好矩阵确定待测职位，待测职位为偏好程度大于等于第三阈值的职位；对于每一个用户，将该用户所对应的多个待测职位两两组合，得到多个待测职位对；对于每一个待测职位对，根据该待测职位对所包括的两个待测职位的职位向量来确定这两个待测职位的相似度。可选地，在根据本专利技术的职位推荐方法中，相似度为两个职位向量的夹角余弦。可选地，在根据本专利技术的职位推荐方法中，匹配特征信息包括用户特征、职位特征、交叉特征中的一种或多种；用户特征包括期望城市、期望薪资、期望工作类型中的一种或多种，职位特征包括工作城市、职位薪资、技能要求中的一种或多种，交叉特征包括所述期望城市与所述工作城市是否匹配、所述期望薪资与所述职位薪资的匹配度、目标用户浏览该职位的次数、目标用户浏览与该职位同公司的其他职位次数、目标用户投递与该职位同公司的其他职位次数中的一种或多种。可选地，在根据本专利技术的职位推荐方法中，根据多条匹配特征信息，采用分类器确定目标用户的第二推荐职位集的步骤包括：分别将每一条匹配特征信息输入分类器，得到每一条匹配特征信息所对应的职位的推荐概率，所述推荐概率为职位为推荐职位的概率；将推荐概率大于等于第四阈值的职位加入第二推荐职位集。可选地，在根据本专利技术的职位推荐方法中，在将第一推荐职位集与第二推荐职位集进行融合的步骤之前，还包括：判断第一推荐职位集中的职位数量是否大于等于第五阈值；若是，则将第一推荐职位集作为目标用户的推荐职位集；若否，则将所述第一推荐职位集与第二推荐职位集进行融合，得到目标用户的推荐职位集。可选地，在根据本专利技术的职位推荐方法中，在将第一推荐职位集与第二推荐职位集进行融合，得到目标用户的推荐职位集之后，还包括将推荐职位集中的职位进行排序：确定目标用户与推荐职位集中各职位的匹配特征信息；分别将每一条匹配特征信息输入所述分类器，得到每一条匹配特征信息所对应的职位的推荐概率，所述推荐概率为职位为推荐职位的概率；将推荐职位集中的职位按照推荐概率由大到小的顺序进行排序。可选地，在根据本专利技术的职位推荐方法中，分类器为XGBoost分类器。根据本专利技术的一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，程序指令被配置为适于由上述至少一个处理器执行，程序指令包括用于执行如上所述的职位推荐方法的指令。根据本专利技术的一个方面，提供一种存储有程序指令的可读存储介质，当该程序指令被计算设备读取并执行时，使得该计算设备执行如上所述的职位推荐方法。根据本专利技术的技术方案，首先，根据偏好矩阵确定目标用户的第一推荐职位集；随后，根据目标用户与多个职位的匹配特征信息，采用分类器确定目标用户的第二推荐职位集；最后，将第一推荐职位集与第二推荐职位集进行融合，得到目标用户的推荐职位集。在确定第一推荐职位集时，首先需要确定偏好矩阵。偏好矩阵是根据所存储的多个用户的多条行为记录所确定的，用于表示各用户对各职位的偏好程度。具体地，某个用户对某个职位的偏好程度为根据该用户对该职位所进行的行为类型(例如投递、收藏、浏览等)和行为时间计算得出，充分考虑了用户招聘行为的时间阶段性，使得计算出的偏好程度更加准确、具有可参考性，从而进一步使得第一推荐职位集与目标用户更加相符；同时，由于在计算偏好矩阵时考虑到了用户的行为时间，不同时间的偏好矩阵不尽相同，相应地，本专利技术的职位推荐方法的执行时间不同，得出的第一推荐职位集也不尽相同。这样，不同时间向用户推荐的职位不同，可以使用户对推荐的职位保持兴趣，提高了推荐职位的点击率，即，提高了职位本文档来自技高网...

【技术保护点】
一种职位推荐方法，在计算设备中执行，所述计算设备与数据存储装置连接，所述数据存储装置中存储有多条职位记录以及多个用户的多条行为记录，所述方法包括：根据所存储的多个用户的多条行为记录确定偏好矩阵，所述偏好矩阵包括各用户对各职位的偏好程度；根据所述偏好矩阵确定目标用户的第一推荐职位集；根据目标用户的多条行为记录以及所存储的多条职位记录，确定目标用户与多个职位的匹配特征信息；根据多条匹配特征信息，采用分类器确定目标用户的第二推荐职位集；将所述第一推荐职位集与第二推荐职位集进行融合，得到目标用户的推荐职位集。

【技术特征摘要】
1.一种职位推荐方法，在计算设备中执行，所述计算设备与数据存储装置连接，所述数据存储装置中存储有多条职位记录以及多个用户的多条行为记录，所述方法包括：根据所存储的多个用户的多条行为记录确定偏好矩阵，所述偏好矩阵包括各用户对各职位的偏好程度；根据所述偏好矩阵确定目标用户的第一推荐职位集；根据目标用户的多条行为记录以及所存储的多条职位记录，确定目标用户与多个职位的匹配特征信息；根据多条匹配特征信息，采用分类器确定目标用户的第二推荐职位集；将所述第一推荐职位集与第二推荐职位集进行融合，得到目标用户的推荐职位集。2.如权利要求1所述的方法，其中，所述行为记录包括用户标识、行为时间、行为类型和职位标识；所述根据所存储的多个用户的多条行为记录确定偏好矩阵的步骤包括：对于每一条行为记录，根据行为时间和行为类型来确定用户标识所指示的用户对职位标识所指示的职位的偏好程度。3.如权利要求2所述的方法，其中，所述根据行为时间和行为类型来确定用户标识所指示的用户对职位标识所指示的职位的偏好程度的步骤包括：根据行为类型确定行为权重；根据行为时间距离当前时间的时间间隔来确定置信因子；将行为权重与置信因子的乘积作为用户标识所指示的用户对职位标识所指示的职位的偏好程度。4.如权利要求3所述的方法，其中，所述行为类型包括投递、收藏、浏览中的一种或多种；根据行为类型确定行为权重的步骤包括：将投递的行为权重设置为第一值，将收藏的行为权重设置为第二值，将浏览的行为权重设置为第三值，其中，第一值＞第二值＞第三值；根据时间间隔来确定置信因子的步骤包括：确定多个时间间隔范围，每一个时间间隔范围对应于一个置信因子；根据时间间隔所属的时间间隔范围来确定置信因子，其中，时间间隔范围距离当前时间越近，置信因子越大。5.如权利要求1-4中任一项所述的方法，其中，根据所述偏...

【专利技术属性】
技术研发人员：谢双宾，张朝阳，郝妙，
申请(专利权)人：北京拉勾科技有限公司，
类型：发明
国别省市：北京,11