一种基于强化学习的人岗匹配方法及装置制造方法及图纸

本发明专利技术公开了一种基于强化学习的人岗匹配方法，包括如下步骤：接收一招聘单位反馈的操作信息以及对应人员的简历信息与招聘信息；对所有的简历、招聘信息进行处理，并抽取简历、招聘中的各实体特征；进行特征关联；将得到的图谱特征集合输入智能人事模型进行处理以得到面试推荐人员表；将面试推荐人员表推送至招聘单位用户。本发明专利技术还公开了一种电子设备和计算机可读存储介质。本发明专利技术的基于强化学习的人岗匹配方法通过抽取所有待应聘者简历中特征信息，并将其输入已经训练完成的智能人事模型进行匹配，进而实现为招聘单位提供更符合其要求的待应聘者，通过本发明专利技术的方法能够进一步降低招聘单位人力成本，方便招聘单位对招聘进行更有效的管理。

A person post matching method and device based on Reinforcement Learning

【技术实现步骤摘要】
一种基于强化学习的人岗匹配方法及装置
本专利技术涉及一种机器学习
，尤其涉及一种基于强化学习的人岗匹配方法及装置。
技术介绍
目前，在就业市场上，数以亿计的人都需要经历求职阶段，成为众多求职者中的一员，最后找到合适的公司。而对于数以百万计的招聘单位，则需要经历招聘阶段，找到合适的员工。通常情况下，一对完全匹配的人和岗位可以节约大量的时间资源和人力、财力资源。不仅为招聘单位和个人提供最满意的人岗匹配，还为社会带来了更高的生产力水平。因此，如何主动推荐一个或一批合适的人才给招聘公司或者主动推荐一家或多家公司给一位求职者，并且让双方都满意，创造最佳价值，成为一个本领域技术人员亟待解决的技术问题。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供一种基于强化学习的人岗匹配方法，其能解决人岗精准匹配的技术问题。本专利技术的目的之二在于提供一种电子设备，其能解决人岗精准匹配的技术问题。本专利技术的目的之三在于提供一种计算机可读存储介质，其能解决人岗精准匹配的技术问题。本专利技术的目的之四在于提供一种基于强化学习的人岗匹配方法，其能解决人岗精准匹配的技术问题。本专利技术的目的之五在于提供一种计算机可读存储介质，其能解决人岗精准匹配的技术问题。本专利技术的目的之一采用如下技术方案实现：一种基于强化学习的人岗匹配方法，包括如下步骤：信息获取步骤：获取所有相关人员的简历数据；第一信息抽取步骤：通过实体命名模型和关系抽取模型对简历数据进行信息抽取，以生成对应人员的图谱特征集合；比对步骤：将得到的图谱特征集合输入智能人事模型进行匹配以得到面试推荐人员表；推送步骤：将面试推荐人员表推送至招聘单位用户。进一步地，所述智能人事模型通过如下步骤构建得到：接收步骤：接收一招聘单位反馈的操作信息以及对应人员的简历信息与招聘信息，且所述操作信息与对应人员的简历信息匹配；第二信息抽取步骤：采用自然语言技术对所有的简历、招聘信息进行处理，并抽取简历、招聘中的各实体特征；关联步骤：将抽取到的简历、招聘中的各实体特征与对应人员进行关联以得知识图谱；模型训练步骤：通过神经网络对知识图谱进行训练以得到智能人事模型。进一步地，所述比对步骤具体包括如下步骤：将图谱特征集合中所有人员的特征信息与智能人事模型进行一一比对，并根据比对结果以得所有人员的推荐分数；将推荐分数排名靠前的人员进行整合以形成面试推荐人员表。进一步地，在所述比对步骤中，所述面试推荐人员表中包含至少5名待面试者。进一步地，在推送步骤之后还包括反馈步骤：将接收到的招聘单位用户对推荐面试人员表中的所有人员的反馈信息，并将反馈信息以及对应面试人员的简历数据发送至智能人事模型以实现模型修正。本专利技术的目的之二采用如下技术方案实现：一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术目的之一中任意一项所述的一种基于强化学习的人岗匹配方法。本专利技术的目的之三采用如下技术方案实现：一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本专利技术目的之一中任意一项所述的一种基于强化学习的人岗匹配方法。本专利技术的目的之四采用如下技术方案实现：一种基于强化学习的人岗匹配方法，包括如下步骤：信息获取步骤：获取待应聘者的简历信息以及所有相关招聘单位的智能人事模型；信息抽取步骤：通过实体命名模型和关系抽取模型对待应聘者的简历信息进行数据抽取以生成知识图谱；比对步骤：将得到的知识图谱与所有相关招聘单位的智能人事模型进行比对以得到面试推荐招聘单位表；推送步骤：将面试推荐招聘单位表推送至待应聘者处。进一步地，所述智能人事模型通过如下步骤构建得到：接收步骤：接收一招聘单位反馈的操作信息以及对应人员的简历信息，且所述操作信息与对应人员的简历信息匹配；第二信息抽取步骤：采用自然语言技术对所有的简历、招聘信息进行处理，并抽取简历、招聘中的各实体特征；关联步骤：将抽取到的简历中的各实体特征与对应人员进行关联以得知识图谱；模型训练步骤：通过神经网络对知识图谱进行训练以得到智能人事模型；所述比对步骤具体包括如下步骤：将待应聘者的知识图谱输入所有招聘单位的智能人事模型进行一一匹配，并根据比对结果以得到所有招聘单位与待应聘者的匹配分数；将匹配分数靠前的招聘单位进行整合以形成面试推荐招聘单位表。本专利技术的目的之五采用如下技术方案实现：一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如本专利技术目的之三中任意一项所述的一种基于强化学习的人岗匹配方法。相比现有技术，本专利技术的有益效果在于：本专利技术的基于强化学习的人岗匹配方法通过抽取所有待应聘者简历中特征信息，并将其与已经训练完成的智能人事模型进行匹配，进而实现为招聘单位提供更符合其要求的待应聘者，通过本专利技术的方法能够进一步降低招聘单位人力成本，方便招聘单位对招聘进行更有效的管理。附图说明图1为实施例一的基于强化学习的人岗匹配方法的流程示意图；图2为实施例四的基于强化学习的人岗匹配方法的流程示意图。具体实施方式下面，结合附图以及具体实施方式，对本专利技术做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。实施例一如图1所示，本实施例提供了一种基于强化学习的人岗匹配方法，包括如下步骤：S101：获取所有相关人员的简历数据；在本实施例的步骤中主要是为了获取到后期进行人才推荐的相关人员的简历数据，本实施例中的相关人员可以指的是已经发送给招聘单位的应聘者或者指的是正在招聘网站上浏览招聘信息的应聘者或者是贴出正在找工作的应聘者等等。S102：通过实体命名模型和关系抽取模型对简历数据进行信息抽取，以生成对应人员的图谱特征集合；在本步骤中主要是为了进行信息抽取，当获取到了所有的建立数据之后，则是对所有人的简历数据进行抽取，并生成对应的图谱特征集合并与后续进行特征比对。S103：将得到的图谱特征集合与智能人事模型进行比对以得到面试推荐人员表；所述智能人事模型通过如下步骤构建得到：S1031：接收一招聘单位反馈的操作信息以及对应人员的简历信息，且所述操作信息与对应人员的简历信息匹配；所述招聘单位反馈的操作信息包括收藏、录取、反馈结果、沟通时长、邀约、考核评价中的一种或者多种。本步骤为所有以下所有实施步骤的基础，通过本步骤可以实现对数据的收集，在进行数据收集时，更为优选地，是选取同一个招聘单位或者同一个招聘单位中同一个岗位来进行数据选取，当采用这样的数据源时，其可以训练出一套稳定的识别模型来进行后续的识别匹配。比如，在选取时，均选取同一个招聘单位中的后本文档来自技高网...

【技术保护点】
1.一种基于强化学习的人岗匹配方法，其特征在于，包括如下步骤：/n信息获取步骤：获取所有相关人员的简历数据；/n第一信息抽取步骤：通过实体命名模型和关系抽取模型对简历数据进行信息抽取，以生成对应人员的图谱特征集合；/n比对步骤：将得到的图谱特征集合输入智能人事模型进行匹配以得到面试推荐人员表；/n推送步骤：将面试推荐人员表推送至招聘单位处。/n

【技术特征摘要】
1.一种基于强化学习的人岗匹配方法，其特征在于，包括如下步骤：
信息获取步骤：获取所有相关人员的简历数据；
第一信息抽取步骤：通过实体命名模型和关系抽取模型对简历数据进行信息抽取，以生成对应人员的图谱特征集合；
比对步骤：将得到的图谱特征集合输入智能人事模型进行匹配以得到面试推荐人员表；
推送步骤：将面试推荐人员表推送至招聘单位处。


2.如权利要求1所述的一种基于强化学习的人岗匹配方法，其特征在于，所述智能人事模型通过如下步骤构建得到：
接收步骤：接收一招聘单位反馈的操作信息以及对应人员的简历信息与招聘信息，且所述操作信息与对应人员的简历信息匹配；
第二信息抽取步骤：采用自然语言技术对所有的简历、招聘信息进行处理，并抽取简历、招聘中的各实体特征；
关联步骤：将抽取到的简历、招聘中的各实体特征与对应人员、知识进行关联以得知识图谱；
模型训练步骤：通过用知识图谱对神经网络进行训练以得到智能人事模型。


3.如权利要求1所述的一种基于强化学习的人岗匹配方法，其特征在于，所述比对步骤具体包括如下步骤：
将图谱特征集合中所有人员的特征信息输入智能人事模型进行一一匹配，并根据匹配结果以得所有人员的推荐分数；
将推荐分数排名靠前的人员进行整合以形成面试推荐人员表。


4.如权利要求1所述的一种基于强化学习的人岗匹配方法，其特征在于，在所述比对步骤中，所述面试推荐人员表中包含至少5名待面试者。


5.如权利要求1所述的一种基于强化学习的人岗匹配方法，其特征在于，在推送步骤之后还包括反馈步骤：将接收到的招聘单位用户对推荐面试人员表中的所有人员的反馈信息，并将反馈信息以及对应面试人员的简历数据发送至智能人事模型以实现模型修正。


6.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运...

【专利技术属性】
技术研发人员：蒋镇鸿，谢黛娜，陈统，
申请(专利权)人：广东轩辕网络科技股份有限公司，
类型：发明
国别省市：广东;44