基于知识图谱、深度学习的人岗匹配方法、人岗匹配系统技术方案

本发明专利技术提供一种基于知识图谱、深度学习的人岗匹配方法、人岗匹配系统，该人岗匹配方法包括：S101：获取待匹配的岗位的第一基础数据信息以及第一基础数据信息的有效信息；S102：将有效信息添加进知识图谱，并将知识图谱的信息、第一基础数据信息处理后输入推理模型，获取已选简历与岗位的匹配分数，根据匹配分数获取最佳推理模型；S103：将第二基础数据信息和第二基础数据信息的知识图谱信息处理后输入最佳推理模型，通过最佳推理模型获取待选简历数据与岗位的匹配分数。本发明专利技术能够精确且高效的迅速进行匹配，获取简历与岗位的匹配结果，简历筛选以及匹配的效率高，大大降低用人单位和求职者的时间和精力，提高了企业人事招聘整体的管理水平。

【技术实现步骤摘要】
基于知识图谱、深度学习的人岗匹配方法、人岗匹配系统
本专利技术涉及人工智能应用领域，尤其涉及一种基于知识图谱、深度学习的人岗匹配方法、人岗匹配系统。
技术介绍
随着互联网技术的不断发展，进行网上招聘的招聘单位越来越多，通过互联网找工作的求职者也越来越多，网络招聘正逐渐取代传统的“面对面”的招聘方式，尤其是招聘网站，以其快速的职位搜索与推荐技术和人才搜索与推荐技术，以及丰富的职位资源和人才资源，在一定程度上解决了招聘方“招聘人才难”的问题和求职者“求职难”的问题。目前，企业通常通过建立人事招聘软件从网上抓取符合招聘条件的大量的简历，但是这些简历通常是杂乱无章的，无法实现招聘条件和简历的精准匹配以及分拣分类，当企业有招聘需求的时候，往往还是需要花费大量的人力和时间从人事招聘软件中获取简历进行人工精准筛选，简历筛选以及匹配的效率较慢，耗费用人单位和求职者大量的时间和精力，降低了企业人事招聘整体的管理水平。
技术实现思路
为了克服现有技术的不足，本专利技术提出一种基于知识图谱、深度学习的人岗匹配方法、人岗匹配系统，利用知识图本文档来自技高网...

【技术保护点】
1.一种基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述人岗匹配方法包括：/nS101：获取待匹配的岗位的第一基础数据信息，并提取所述第一基础数据信息中与所述待匹配的岗位相关的有效信息，所述第一基础数据信息包括已选简历数据、所述岗位的招聘信息以及招聘交互记录；/nS102：将所述有效信息添加进知识图谱，并将所述知识图谱的信息、第一基础数据信息处理后输入推理模型，获取所述已选简历与所述岗位的匹配分数，根据所述匹配分数获取最佳推理模型；/nS103：获取第二基础数据信息的知识图谱信息，将所述第二基础数据信息和知识图谱信息处理后输入所述最佳推理模型，通过所述最佳推理模型获取待选简历数据与所述岗...

【技术特征摘要】
1.一种基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述人岗匹配方法包括：
S101：获取待匹配的岗位的第一基础数据信息，并提取所述第一基础数据信息中与所述待匹配的岗位相关的有效信息，所述第一基础数据信息包括已选简历数据、所述岗位的招聘信息以及招聘交互记录；
S102：将所述有效信息添加进知识图谱，并将所述知识图谱的信息、第一基础数据信息处理后输入推理模型，获取所述已选简历与所述岗位的匹配分数，根据所述匹配分数获取最佳推理模型；
S103：获取第二基础数据信息的知识图谱信息，将所述第二基础数据信息和知识图谱信息处理后输入所述最佳推理模型，通过所述最佳推理模型获取待选简历数据与所述岗位的匹配分数，所述第二基础数据信息包括第一基础数据信息、待选简历数据以及与所述待选简历数据对应的所述岗位的招聘信息。


2.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述有效信息包括学历、工作年龄以及项目经验中的关键字。


3.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述招聘交互记录包括是否录取、面试邀约。


4.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述将所述知识图谱的信息、第一基础数据信息处理后输入推理模型的步骤具体包括：
将所述知识图谱的信息和第一基础数据信息分别进行编码处理后输入所述推理模型。


5.如权利要求1所述的基于知...

【专利技术属性】
技术研发人员：蒋镇鸿，谢黛娜，吴贵业，冯元勇，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