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