简历筛选方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及人工智能，提供一种简历筛选方法、装置、计算机设备和存储介质。该方法包括：获取多个待检测简历文本；对每个待检测简历文本进行实体识别，得到简历关键词，根据简历关键词得到简历关键词向量；将简历关键词向量输入已建立的简历筛选模型中，得到每个待检测简历文本的通过概率，根据通过概率确定至少一个第一目标简历文本；获取职位描述文本，提取职位描述文本中的职位关键词，根据职位关键词得到职位关键词向量；获取每个第一目标简历文本对应的简历关键词向量，根据简历关键词向量和职位关键词向量计算文本相似度；根据文本相似度确定第二目标简历文本。采用本方法能够提高简历筛选检测的准确性。

【技术实现步骤摘要】
简历筛选方法、装置、计算机设备和存储介质
本申请涉及互联网
，特别是涉及一种简历筛选方法、装置、计算机设备和存储介质。
技术介绍
随着互联网技术的发展，求职者通常通过招聘网站投递简历，从而寻找工作。而企业通常在招聘网站发布职位相关信息来获取求职者投递的简历，往往一个职位通常会得到大量的简历投递。目前，企业是按照预先设置好的规则通过服务器对简历进行筛选检测，筛选掉大量不合格的简历，从而提高简历筛选的效率。然而，服务器通过预先设置好的规则进行筛选检测，存在简历筛选检测准确性低的情况，导致漏筛或者错筛。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高简历筛选检测准确度的简历筛选方法、装置、计算机设备和存储介质。一种简历筛选方法，所述方法包括：接收简历筛选指令，根据简历筛选指令获取多个待检测简历文本；对每个待检测简历文本进行实体识别，得到每个待检测简历文本对应的简历关键词，将每个待检测简历文本对应的简历关键词向量化，得到每个待检测简历文本对应的简历关键词向量；将每个待检测简历文本对应的简历关键词向量输入到预先建立的简历分类模型中，得到每个待检测简历文本对应的通过概率，根据通过概率确定至少一个第一目标简历文本；获取职位描述文本，提取职位描述文本中的职位关键词，将职位关键词向量化，得到职位关键词向量；获取每个第一目标简历文本对应的简历关键词向量，根据简历关键词向量和职位关键词向量计算每个第一目标简历文本与职位描述文本的各个文本相似度；根据各个文本相似度从所述第一目标简历文本中确定第二目标简历文本。在其中一个实施例中，对每个待检测简历文本进行实体识别，得到每个待检测简历文本对应的简历关键词，包括：获取待检测简历文本中基础字段和专业字段；提取基础字段对应的基础关键词；将专业字段输入到已训练的实体识别模型中，得到专业字段对应的专业关键词，根据基础关键词和专业关键词得到待检测简历文本对应的简历关键词。在其中一个实施例中，将每个待检测简历文本对应的简历关键词向量化，得到每个待检测简历文本对应的简历关键词向量，包括：将每个待检测简历文本对应的简历关键词输入到已训练的神经网络语言模型中，得到每个待检测简历文本对应的简历关键词向量，已训练的神经网络语言模型是根据已有的语料库使用深度神经网络进行训练得到的。在其中一个实施例中，根据简历关键词向量和职位关键词向量计算每个第一目标简历文本与职位描述文本的各个文本相似度，包括：获取第一目标简历文本对应的简历关键词数量和职位描述文本对应的职位关键词数量；计算第一目标简历文本对应的简历关键词向量与职位描述文本对应的职位关键词向量之间的向量相似度；从向量相似度中确定第一目标简历文本对应的简历关键词的简历词相似度，根据简历关键词的简历词相似度和简历关键词数量得到第一目标相似度；从向量相似度中确定职位描述文本对应的职位关键词向量的职位词相似度，根据职位关键词向量的职位词相似度和职位关键词数量得到第二目标相似度；根据第一目标相似度和第二目标相似度确定第一目标简历文本和职位描述文本之间的文本相似度。在其中一个实施例中，根据各个文本相似度从第一目标简历文本中确定各个第二目标简历文本，包括：将文本相似度排序，得到排序结果，根据排序结果选取预设数量的第一目标简历文本，得到第二目标简历文本。在其中一个实施例中，在根据文本相似度从第一目标简历文本中确定第二目标简历文本之后，还包括：获取每个第二目标简历文本对应的简历关键词向量，将第二目标简历文本对应的简历关键词向量进行聚类，得到聚类结果；根据聚类结果从第二目标简历文本中确定第三目标简历文本。在其中一个实施例中，所述方法，还包括：根据通过概率确定每个待检测简历文本对应的第一文本信息；计算每个待检测简历文本对应的简历关键词向量与职位关键词向量的目标相似度，根据目标相似度确定每个待检测简历文本对应的第二文本信息；获取预设权重，根据预设权重、第一文本信息和第二文本信息确定每个待检测简历文本对应的目标文本信息；根据目标文本信息确定筛选通过的待检测简历文本。一种简历筛选装置，所述装置包括：文本获取模块，用于接收简历筛选指令，根据简历筛选指令获取多个待检测简历文本；简历向量得到模块，用于对每个待检测简历文本进行实体识别，得到每个待检测简历文本对应的简历关键词，将每个待检测简历文本对应的简历关键词向量化，得到每个待检测简历文本对应的简历关键词向量；第一文本确定模块，用于将每个待检测简历文本对应的简历关键词向量输入到预先建立的简历分类模型中，得到每个待检测简历文本对应的通过概率，根据通过概率确定至少一个第一目标简历文本；职位向量得到模块，用于获取职位描述文本，提取职位描述文本中的职位关键词，将职位关键词向量化，得到职位关键词向量；文本相似度计算模块，用于获取每个第一目标简历文本对应的简历关键词向量，根据简历关键词向量和职位关键词向量计算每个第一目标简历文本与职位描述文本的各个文本相似度；第二文本确定模块，用于根据各个文本相似度从所述第一目标简历文本中确定第二目标简历文本。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：接收简历筛选指令，根据简历筛选指令获取多个待检测简历文本；对每个待检测简历文本进行实体识别，得到每个待检测简历文本对应的简历关键词，将每个待检测简历文本对应的简历关键词向量化，得到每个待检测简历文本对应的简历关键词向量；将每个待检测简历文本对应的简历关键词向量输入到预先建立的简历分类模型中，得到每个待检测简历文本对应的通过概率，根据通过概率确定至少一个第一目标简历文本；获取职位描述文本，提取职位描述文本中的职位关键词，将职位关键词向量化，得到职位关键词向量；获取每个第一目标简历文本对应的简历关键词向量，根据简历关键词向量和职位关键词向量计算每个第一目标简历文本与职位描述文本的各个文本相似度；根据各个文本相似度从所述第一目标简历文本中确定第二目标简历文本。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以下步骤：接收简历筛选指令，根据简历筛选指令获取多个待检测简历文本；对每个待检测简历文本进行实体识别，得到每个待检测简历文本对应的简历关键词，将每个待检测简历文本对应的简历关键词向量化，得到每个待检测简历文本对应的简历关键词向量；将每个待检测简历文本对应的简历关键词向量输入到预先建立的简历分类模型中，得到每个待检测简历文本对应的通过概率，根据通过概率确定至少一个第一目标简历文本；获取职位描述文本，提取职位描述文本中的职位关键词，将职位关键词向量化，得到职位关键词向量；获取每个第一目标简历文本对应本文档来自技高网...

【技术保护点】
1.一种简历筛选方法，所述方法包括：/n接收简历筛选指令，根据所述简历筛选指令获取多个待检测简历文本；/n对每个待检测简历文本进行实体识别，得到所述每个待检测简历文本对应的简历关键词，将所述每个待检测简历文本对应的简历关键词向量化，得到所述每个待检测简历文本对应的简历关键词向量；/n将所述每个待检测简历文本对应的简历关键词向量输入到预先建立的简历分类模型中，得到所述每个待检测简历文本对应的通过概率，根据所述通过概率确定至少一个第一目标简历文本；/n获取职位描述文本，提取所述职位描述文本中的职位关键词，将所述职位关键词向量化，得到职位关键词向量；/n获取每个第一目标简历文本对应的简历关键词向量，根据所述简历关键词向量和所述职位关键词向量计算所述每个第一目标简历文本与所述职位描述文本的文本相似度；/n根据所述文本相似度从所述第一目标简历文本中确定第二目标简历文本。/n

【技术特征摘要】
1.一种简历筛选方法，所述方法包括：
接收简历筛选指令，根据所述简历筛选指令获取多个待检测简历文本；
对每个待检测简历文本进行实体识别，得到所述每个待检测简历文本对应的简历关键词，将所述每个待检测简历文本对应的简历关键词向量化，得到所述每个待检测简历文本对应的简历关键词向量；
将所述每个待检测简历文本对应的简历关键词向量输入到预先建立的简历分类模型中，得到所述每个待检测简历文本对应的通过概率，根据所述通过概率确定至少一个第一目标简历文本；
获取职位描述文本，提取所述职位描述文本中的职位关键词，将所述职位关键词向量化，得到职位关键词向量；
获取每个第一目标简历文本对应的简历关键词向量，根据所述简历关键词向量和所述职位关键词向量计算所述每个第一目标简历文本与所述职位描述文本的文本相似度；
根据所述文本相似度从所述第一目标简历文本中确定第二目标简历文本。


2.根据权利要求1所述的方法，其特征在于，所述对每个待检测简历文本进行实体识别，得到所述每个待检测简历文本对应的简历关键词，包括：
获取待检测简历文本中基础字段和专业字段；
提取所述基础字段对应的基础关键词；
将所述专业字段输入到已训练的实体识别模型中，得到所述专业字段对应的专业关键词，根据所述基础关键词和所述专业关键词得到所述待检测简历文本对应的简历关键词。


3.根据权利要求1所述的方法，其特征在于，将所述每个待检测简历文本对应的简历关键词向量化，得到所述每个待检测简历文本对应的简历关键词向量，包括：
将所述每个待检测简历文本对应的简历关键词输入到已训练的神经网络语言模型中，得到每个待检测简历文本对应的简历关键词向量，所述已训练的神经网络语言模型是根据已有的语料库使用深度神经网络进行训练得到的。


4.根据权利要求1所述的方法，其特征在于，根据所述简历关键词向量和所述职位关键词向量计算所述每个第一目标简历文本与所述职位描述文本的各个文本相似度，包括：
获取第一目标简历文本对应的简历关键词数量和所述职位描述文本对应的职位关键词数量；
计算所述第一目标简历文本对应的简历关键词向量与所述职位描述文本对应的职位关键词向量之间的向量相似度；
从所述向量相似度中确定所述第一目标简历文本对应的简历关键词的简历词相似度，根据所述简历关键词的简历词相似度和所述简历关键词数量得到第一目标相似度；
从所述向量相似度中确定所述职位描述文本对应的职位关键词向量的职位词相似度，根据所述职位关键词向量的职位词相似度和所述职位关键词数量得到第二目标相似度；
根据所述第一目标相似度和所述第二目标相似度确定所述第一目标简历文本和所述职位描述文本之间的文本相似度。

【专利技术属性】
技术研发人员：杨志专，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44