一种基于图神经网络的岗位匹配方法及装置制造方法及图纸

本发明专利技术提供一种基于图神经网络的岗位匹配方法及装置，包括：获取目标履历对应的目标任职序列；将目标任职序列输入至岗位匹配模型，获取由岗位匹配模型输出的目标任职序列与多个预设岗位的匹配程度；根据匹配程度，在多个预设岗位中确定目标履历的匹配岗位；岗位匹配模型是基于图神经网络构建的；岗位匹配模型是基于样本任职序列，以及样本任职序列对应的样本匹配岗位训练后得到的。本发明专利技术提供的基于图神经网络的岗位匹配方法及装置，利用基于图神经网络构建的岗位匹配模型根据目标任职序列，对目标履历数据对应的个体在下一次任职与每个预设岗位任职的进行匹配，使得匹配的岗位更加合理，与人员的符合度更高。与人员的符合度更高。与人员的符合度更高。

【技术实现步骤摘要】
一种基于图神经网络的岗位匹配方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种基于图神经网络的岗位匹配方法及装置。

技术介绍

[0002]现有的干部管理系统大部分只有数据库存储、规则查询等简单功能。
[0003]随着推荐系统技术的发展，岗位推荐是推荐系统很重要的应用方向之一。现有的基于求职文本信息的预测模型，可以将文本映射到向量化空间中，利用文本分类进行岗位推荐。
[0004]上述方法存在推荐的岗位与人员的符合度不高等问题。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术实施例提供一种基于图神经网络的岗位匹配方法及装置。
[0006]本专利技术提供一种基于图神经网络的岗位匹配方法，包括：获取目标履历对应的目标任职序列；将所述目标任职序列输入至岗位匹配模型，获取由所述岗位匹配模型输出的所述目标任职序列与多个预设岗位的匹配程度；根据所述匹配程度，在所述多个预设岗位中确定所述目标履历的匹配岗位；所述岗位匹配模型是基于图神经网络构建的；所述岗位匹配模型是基于样本任职序列，以及所述样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的岗位匹配方法，其特征在于，包括：获取目标履历对应的目标任职序列；将所述目标任职序列输入至岗位匹配模型，获取由所述岗位匹配模型输出的所述目标任职序列与多个预设岗位的匹配程度；根据所述匹配程度，在所述多个预设岗位中确定所述目标履历的匹配岗位；所述岗位匹配模型是基于图神经网络构建的；所述岗位匹配模型是基于样本任职序列，以及所述样本任职序列对应的样本匹配岗位训练后得到的；所述岗位匹配模型用于计算所述目标任职序列与每个预设岗位的匹配程度。2.根据权利要求1所述的基于图神经网络的岗位匹配方法，其特征在于，所述岗位匹配模型对所述目标任职序列的处理包括以下步骤：根据所述目标任职序列，构建岗位变迁有向图；根据所述岗位变迁有向图，构建邻接矩阵；所述邻接矩阵包括入度矩阵和出度矩阵；根据所述邻接矩阵和每个预设岗位的岗位类别向量表示，确定所述目标履历与每个预设岗位的匹配程度。3.根据权利要求2所述的基于图神经网络的岗位匹配方法，其特征在于，在所述将所述目标任职序列输入至岗位匹配模型之前，还包括：从履历数据库中获取多个样本履历数据；根据所有预设岗位的岗位信息，确定所述每个预设岗位的岗位类别向量表示，以及每个预设岗位的岗位类别编码；基于所述岗位类别编码，根据所有的样本履历数据，确定每个样本个体的样本任职序列，以及每个样本任职序列对应的样本匹配岗位；将每个样本任职序列与所述每个样本任职序列对应的样本匹配岗位的组合，作为一个训练样本，获取多个训练样本；利用所述多个训练样本对初始匹配模型进行训练，确定所述岗位匹配模型。4.根据权利要求3所述的基于图神经网络的岗位匹配方法，其特征在于，在所述利用所述多个训练样本对初始匹配模型进行训练之前，还包括：获取多个个体的初始履历数据；对所述初始履历数据进行数据清洗，获取所述多个个体的样本履历数据；基于所述多个个体的样本履历数据，构建所述履历数据库。5.根据权利要求3所述的基于...

【专利技术属性】
技术研发人员：胡文蕙，刘学洋，张津婵，邵文宇，
申请(专利权)人：北京大学，
类型：发明
国别省市：