一种人才推荐方法及计算设备技术

本发明专利技术公开了一种人才推荐方法，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、多个人才的简历以及多个人才的多条行为记录，每条职位记录包括职位名称，该方法包括：根据目标职位的职位名称以及各简历的内容来确定目标职位的第一人才候选集；根据各人才的行为记录来确定目标职位的第二人才候选集；将第一人才候选集和第二人才候选集进行融合，得到目标职位的人才推荐集。本发明专利技术一并公开了相应的计算设备。本发明专利技术的技术方案可以实现准确、高效的人才推荐。

【技术实现步骤摘要】
一种人才推荐方法及计算设备
本专利技术涉及数据处理
，尤其涉及一种人才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。招聘者(通常是用人单位的HR)可以在招聘网站上发布职位信息，从简历列表中浏览简历，或通过关键字去搜索简历，以找到适合其发布的职位的人才。一般地，招聘网站上拥有大量求职者的简历，招聘者很难在短时间内找到合适的人才；而使用关键字搜索时，由于招聘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合适的人才。为了解决上述问题，招聘网站通常采用的做法是，向招聘者推荐人才，即，招聘网站主动地把可能适合的人才推送给招聘者。目前的人才推荐算法往往根据人才对职位的行为记录(例如投递、收藏、浏览等行为)或根据职位的特征来搜索并推荐人才。根据行为记录来推荐人才的算法存在“冷启动”问题，即，对于新发布的职位，由于该职位没有收到人才的行为记录而无法向该职位推荐人才；对于新注册的人才，由于该人才没有任何行为记录而无法被推荐给任何职位。此外，职位的特征通常比较稳定，根据职位的特征来推荐人才会使得每次给招聘者推荐的人才几乎相同。招聘者反复地看到相同的推荐人才，会对推荐结果失去兴趣，从而人才推荐的效率大打折扣。
技术实现思路
为此，本专利技术提供一种人才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，提供一种人才推荐方法，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、多个人才的简历以及多个人才的多条行为记录，每条职位记录包括职位名称，该方法包括：根据目标职位的职位名称以及各简历的内容来确定目标职位的第一人才候选集；根据各人才的行为记录来确定目标职位的第二人才候选集；将第一人才候选集和第二人才候选集进行融合，得到目标职位的人才推荐集。可选地，在根据本专利技术的人才推荐方法中，每一个简历中包括工作经历信息，工作经历信息包括就职职位，上述根据目标职位的职位名称以及各简历的内容来确定目标职位的第一人才候选集的步骤包括：根据目标职位的职位名称以及各简历的工作经历信息来确定目标职位的第一人才集；根据目标职位的职位名称以及各简历的工作经历信息中的就职职位来确定目标职位的第二人才集；根据第一人才集和第二人才集来确定目标职位的第一人才候选集。可选地，在根据本专利技术的人才推荐方法中，每一个人才对应于一个人才标识，上述根据目标职位的职位名称以及各简历的工作经历信息来确定目标职位的第一人才集的步骤包括：对每一个简历的工作经历信息进行分词，得到一个或多个工作经历词元；以工作经历词元为键，人才标识为值建立倒排索引；对目标职位的职位名称进行分词，得到一个或多个职位名称词元；根据上述倒排索引来确定每一个职位名称词元所对应的人才标识，以得到每一个职位名称词元所对应的第三人才集；将所有第三人才集取并集，以得到所述目标职位对应的第一人才集。可选地，在根据本专利技术的人才推荐方法中，根据目标职位的职位名称以及各简历的工作经历信息中的就职职位来确定目标职位的第二人才集的步骤包括：将目标职位的职位名称转化为职位名称向量；将每一个简历的工作经历信息中的就职职位转化为就职职位向量；分别计算职位名称向量与每一个就职职位向量的相似距离；将相似距离小于等于第一阈值的就职职位向量所对应的人才加入第二人才集。可选地，在根据本专利技术的人才推荐方法中，将职位名称转化为职位名称向量、以及将就职职位转化为就职职位向量的步骤采用word2vec模型，word2vec模型采用多条文本数据来训练，每一条文本数据包括一个人才的多条同一类型的行为记录所对应的职位名称，其中，行为的类型包括收藏、投递、浏览。可选地，在根据本专利技术的人才推荐方法中，相似距离为欧氏距离。可选地，在根据本专利技术的人才推荐方法中，根据第一人才集和第二人才集来确定目标职位的第一人才候选集的步骤包括：将第一人才集和第二人才集的并集作为第四人才集；分别确定第四人才集中的每一个人才的第一特征与目标职位的第二特征的匹配程度，第一特征包括学历、期望薪资、工作经历年限中的一种或多种，第二特征包括学历要求、职位薪资、工作经历要求中的一种或多种；将匹配程度大于等于第二阈值的人才加入第一人才候选集。可选地，在根据本专利技术的人才推荐方法中，根据各人才的行为记录来确定目标职位的第二人才候选集的步骤包括：根据行为记录来确定每一个人才的职位偏好向量；根据职位偏好向量来确定两两人才的相似度，对于每一个人才，将与该人才的相似度大于等于第三阈值的人才作为该人才的相似人才；将投递了目标职位的人才的相似人才加入第二人才候选集。可选地，在根据本专利技术的人才推荐方法中，行为记录包括人才标识、行为时间、行为类型和职位标识，职位偏好向量W的长度N等于所述数据存储装置中所存储的职位记录的数量，职位偏好向量中的元素wi为人才对第i个职位的偏好程度，其中，1≤i≤N，人才对第i个职位的偏好程度wi按照以下公式确定：其中，ni表示人才的职位标识为i的行为记录的数量，Pj表示职位标识为i的第j条行为记录的行为类型的权重，其中，行为类型包括投递、收藏、浏览，投递的权重＞收藏的权重＞浏览的权重，Tnow为当前时间，Tj为职位标识为i的第j条行为记录的行为时间，L为衰减常数。可选地，在根据本专利技术的人才推荐方法中，根据职位偏好向量来确定两两人才的相似度的步骤包括：将两个人才的职位偏好向量的余弦相似度作为这两个人才的相似度。可选地，在根据本专利技术的人才推荐方法中，将第一人才候选集和第二人才候选集进行融合，得到目标职位的人才推荐集的步骤包括：将第一人才候选集和第二人才候选集取并集，得到临时集合；提取临时集合中的每一个人才与目标职位的匹配特征信息；根据匹配特征信息，采用分类器确定每一个人才的推荐概率；将临时集合中的人才按照推荐概率由高到低的顺序排列，得到目标职位的人才推荐集。可选地，在根据本专利技术的人才推荐方法中，匹配特征信息包括人才特征、职位特征、交叉特征中的一种或多种；人才特征包括人才的期望城市、期望薪资、学历、工作经历年限中的一种或多种，职位特征包括目标职位的工作城市、职位薪资、学历要求、工作经历要求中的一种或多种，交叉特征包括期望城市与工作城市是否匹配、期望薪资与职位薪资的匹配度、学历与学历要求的匹配度、工作经历年限与工作经历要求的匹配度中的一种或多种。可选地，在根据本专利技术的人才推荐方法中，分类器为神经网络模型，神经网络模型根据多个训练样本训练得出，每一个训练样本包括输入特征和结果标签，其中，输入特征包括人才与职位的匹配特征信息，结果标签为招聘者是否点击了该人才的简历。可选地，在根据本专利技术的人才推荐方法中，在将临时集合中的人才按照推荐概率由高到低的顺序排列的步骤之后，还包括步骤：删除推荐概率小于第四阈值的人才。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，上述程序指令被配置为适于由上述至少一个处理器执行，上述程序指令包括用于执行如上所述的人才推荐方法的指令。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人才推荐方法。本专利技术的技术方案中，根据目标本文档来自技高网...

【技术保护点】
一种人才推荐方法，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、多个人才的简历以及多个人才的多条行为记录，每条职位记录包括职位名称，所述方法包括：根据目标职位的职位名称以及各简历的内容来确定目标职位的第一人才候选集；根据各人才的行为记录来确定目标职位的第二人才候选集；将所述第一人才候选集和第二人才候选集进行融合，得到目标职位的人才推荐集。

【技术特征摘要】
1.一种人才推荐方法，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、多个人才的简历以及多个人才的多条行为记录，每条职位记录包括职位名称，所述方法包括：根据目标职位的职位名称以及各简历的内容来确定目标职位的第一人才候选集；根据各人才的行为记录来确定目标职位的第二人才候选集；将所述第一人才候选集和第二人才候选集进行融合，得到目标职位的人才推荐集。2.如权利要求1所述的方法，其中，每一个简历中包括工作经历信息，工作经历信息包括就职职位，所述根据目标职位的职位名称以及各简历的内容来确定目标职位的第一人才候选集的步骤包括：根据目标职位的职位名称以及各简历的工作经历信息来确定目标职位的第一人才集；根据目标职位的职位名称以及各简历的工作经历信息中的就职职位来确定目标职位的第二人才集；根据第一人才集和第二人才集来确定目标职位的第一人才候选集。3.如权利要求2所述的方法，其中，每一个人才对应于一个人才标识，所述根据目标职位的职位名称以及各简历的工作经历信息来确定目标职位的第一人才集的步骤包括：对每一个简历的工作经历信息进行分词，得到一个或多个工作经历词元；以工作经历词元为键，人才标识为值建立倒排索引；对目标职位的职位名称进行分词，得到一个或多个职位名称词元；根据所述倒排索引来确定每一个职位名称词元所对应的人才标识，以得到每一个职位名称词元所对应的第三人才集；将所有第三人才集取并集，以得到所述目标职位对应的第一人才集。4.如权利要求2所述的方法，其中，所述根据目标职位的职位名称以及各简历的工作经历信息中的就职职位来确定目标职位的第二人才集的步骤包括：将目标职位的职位名称转化为职位名称向量；将每一个简历的工作经历信息中的就职职位转化为就职职位向量；分别计算职位名称向...

【专利技术属性】
技术研发人员：王海林，郭旺平，
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