人员与岗位的匹配方法、装置、设备及可读存储介质制造方法及图纸

本申请涉及数据处理技术领域，提供一种人员与岗位的匹配方法、装置、设备及可读存储介质，该方法包括：获取样本数据，将样本数据中包括的第一相似度匹配分数、第二相似度匹配分数、第三相似度匹配分数、第四相似度匹配分数、第五相似度匹配分数和第六相似度匹配分数输入至预设deepFM模型，得到求职者与所述招聘岗位的匹配分数；根据匹配分数与所述真实匹配分数，调整deepFM模型的模型参数直至所述deepFM模型收敛，得到目标deepFM模型；将待求职者的简历信息输入至目标deepFM模型，得到待求职者的目标岗位。本申请还涉及区块链技术领域和人工智能技术领域，样本数据和目标deepFM模型可以存储至区块链。以存储至区块链。以存储至区块链。

【技术实现步骤摘要】
人员与岗位的匹配方法、装置、设备及可读存储介质


[0001]本申请涉及数据处理
，尤其涉及一种人员与岗位的匹配方法、装置、设备及可读存储介质。

技术介绍

[0002]企事业单位每天都会收到大量的简历，在简历的筛选上增加了人事的筛选工作量，而且人工的筛选会很容易仅仅停留在某几个指标或者关键词上，不能对简历进行客观的评价，因此能够自动的筛选出合适的简历对招聘公司尤为重要。
[0003]目前工业界对于岗位的匹配，大多通过招聘要求采用关键词及关键指标等进行过滤，或者采用简单的关键词匹配等技术，但是仅通过关键词和部分指标不利于找到合适的候选人，且不能考虑到不同特征之间的组合关系，规则太松会导致筛选不充分，仍需要人工再做过滤，规则太严格又会导致漏掉合适的人选。因此，如何考虑不同特征之间的关系进行人员与岗位的匹配是目前亟待解决的问题。

技术实现思路

[0004]本申请的主要目的在于提供一种人员与岗位的匹配方法、装置、设备及可读存储介质，旨在简历筛选的过程中提高人员与岗位匹配的准确性。
[0005]第一方面，本申请提供一种人员与岗位的匹配方法，所述人员与岗位的匹配方法包括以下步骤：
[0006]获取样本数据，所述样本数据包括基于求职者的简历信息和招聘岗位的岗位信息构建的第一相似度匹配分数、第二相似度匹配分数、第三相似度匹配分数、第四相似度匹配分数、第五相似度匹配分数和第六相似度匹配分数，以及求职者和招聘岗位的真实匹配分数；
[0007]将所述第一相似度匹配分数、第二相似度匹配分数、第三相似度匹配分数、第四相似度匹配分数、第五相似度匹配分数和第六相似度匹配分数输入至预设deepFM模型，得到所述求职者与所述招聘岗位的匹配分数；
[0008]根据所述匹配分数与所述真实匹配分数，调整所述deepFM模型的模型参数直至所述deepFM模型收敛，得到目标deepFM模型；
[0009]将待求职者的简历信息输入至所述目标deepFM模型，得到所述待求职者的目标岗位。
[0010]第二方面，本申请还提供一种人员与岗位的匹配装置，所述人员与岗位的匹配装置包括获取模块、生成模块和调整模块，其中：
[0011]所述获取模块，用于获取样本数据，所述样本数据包括基于求职者的简历信息和招聘岗位的岗位信息构建的第一相似度匹配分数、第二相似度匹配分数、第三相似度匹配分数、第四相似度匹配分数、第五相似度匹配分数和第六相似度匹配分数，以及求职者和招聘岗位的真实匹配分数；
[0012]所述生成模块，用于将所述第一相似度匹配分数、第二相似度匹配分数、第三相似度匹配分数、第四相似度匹配分数、第五相似度匹配分数和第六相似度匹配分数输入至预设deepFM模型，得到所述求职者与所述招聘岗位的匹配分数；
[0013]所述调整模块，用于根据所述匹配分数与所述真实匹配分数，调整所述deepFM模型的模型参数直至所述deepFM模型收敛，得到目标deepFM模型；
[0014]所述生成模块，还用于将待求职者的简历信息输入至所述目标deepFM模型，得到所述待求职者的目标岗位。
[0015]第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的人员与岗位的匹配方法的步骤。
[0016]第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的人员与岗位的匹配方法的步骤。
[0017]本申请提供一种人员与岗位的匹配方法、装置、设备及可读存储介质，本申请通过获取样本数据，该样本数据包括基于求职者的简历信息和招聘岗位的岗位信息构建的第一相似度匹配分数、第二相似度匹配分数、第三相似度匹配分数、第四相似度匹配分数、第五相似度匹配分数和第六相似度匹配分数，以及求职者和招聘岗位的真实匹配分数；然后将第一相似度匹配分数、第二相似度匹配分数、第三相似度匹配分数、第四相似度匹配分数、第五相似度匹配分数和第六相似度匹配分数输入至预设deepFM模型，得到求职者与招聘岗位的匹配分数；根据匹配分数与真实匹配分数，调整deepFM模型的模型参数直至deepFM模型收敛，得到目标deepFM模型；将待求职者的简历信息输入至目标deepFM模型，得到待求职者的目标岗位。通过求职者的简历信息和招聘岗位的岗位信息能够准确的训练出目标deepFM模型，并将待求职者的简历信息输入至已训练好的目标deepFM模型，能够准确地匹配到待求职者的目标岗位，极大地提高了人员与岗位匹配的准确性和效率。
附图说明
[0018]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本申请实施例提供的一种人员与岗位的匹配方法的流程示意图；
[0020]图2为本申请实施例提供的另一种人员与岗位的匹配方法的流程示意图；
[0021]图3为本申请实施例提供的一种人员与岗位的匹配装置的示意性框图；
[0022]图4为本申请实施例提供的另一种人员与岗位的匹配装置的示意性框图；
[0023]图5为本申请一实施例涉及的计算机设备的结构示意框图。
[0024]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0025]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申
请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0026]附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
[0027]本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
[0028]人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
[0029]本申请实施例提供一种人员与岗位的匹配方法、装置、设备及可读存储介质。其中，该人员与岗位的匹配方法可应用于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人员与岗位的匹配方法，其特征在于，包括：获取样本数据，所述样本数据包括基于求职者的简历信息和招聘岗位的岗位信息构建的第一相似度匹配分数、第二相似度匹配分数、第三相似度匹配分数、第四相似度匹配分数、第五相似度匹配分数和第六相似度匹配分数，以及求职者和招聘岗位的真实匹配分数；将所述第一相似度匹配分数、第二相似度匹配分数、第三相似度匹配分数、第四相似度匹配分数、第五相似度匹配分数和第六相似度匹配分数输入至预设deepFM模型，得到所述求职者与所述招聘岗位的匹配分数；根据所述匹配分数与所述真实匹配分数，调整所述deepFM模型的模型参数直至所述deepFM模型收敛，得到目标deepFM模型；将待求职者的简历信息输入至所述目标deepFM模型，得到所述待求职者的目标岗位。2.如权利要求1所述的人员与岗位的匹配方法，其特征在于，所述获取样本数据之前，还包括：获取求职者的简历信息和招聘岗位的岗位信息，所述简历信息包括求职者技能信息和工作经验信息，所述岗位信息包括岗位技能信息和岗位描述信息；根据所述求职者技能信息和岗位技能信息，构建第一相似度匹配分数、第三相似度匹配分数和第五相似度匹配分数；根据所述工作经验信息和所述岗位描述信息，构建第二相似度匹配分数、第四相似度匹配分数和第六相似度匹配分数。3.如权利要求2所述的人员与岗位的匹配方法，其特征在于，所述根据所述求职者技能信息和岗位技能信息，构建第一相似度匹配分数，包括：对所述求职者技能信息构建第一向量和对所述岗位技能信息构建第二向量；对所述第一向量和所述第二向量进行余弦相似度匹配，得到第一相似度匹配分数。4.如权利要求2所述的人员与岗位的匹配方法，其特征在于，所述根据所述求职者技能信息和岗位技能信息，构建第三相似度匹配分数，包括：将所述求职者技能信息输入至预设词向量模型中，得到求职者技能信息的各词向量，并对所述求职者技能信息的各词向量进行叠加求均值，得到第一句向量；将所述岗位技能信息输入至预设词向量模型中，得到岗位技能信息的各词向量，并对所述岗位技能信息的各词向量进行叠加求均值，得到第二句向量；对所述第一句向量和所述第二句向量进行余弦相似度匹配，得到第三相似度匹配分数。5.如权利要求2所述的人员与岗位的匹配方法，其特征在于，所述根据所述求职者技能信息和岗位技能信息，构建第五相似度匹配分数，包括：将所述求职者技能信息和所述岗位技能信息输入至预设的bert匹配模型，得到第五相似度匹配分数，...

【专利技术属性】
技术研发人员：谢攀，
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：