本发明专利技术涉及人工智能领域，揭露一种基于双塔模型的机构增员方法，包括：利用双塔模型中编码层分别将用户特征集及机构特征集进行编码，并利用交互网络层分别将编码层得到的用户特征向量集及机构特征向量集进行自交互，得到用户交互矩阵集及机构交互矩阵集；利用融合层将用户交互矩阵集及机构交互矩阵集进行交互拼接，得到目标用户交互特征集；利用匹配层将目标用户交互特征集进行增员匹配，得到匹配结果；根据匹配结果选取匹配度最高的候选用户作为机构的增员用户。本发明专利技术还涉及一种区块链技术，用户特征集及机构特征集可存储在区块链节点中。本发明专利技术还提出一种基于双塔模型的机构增员装置、设备以及介质。本发明专利技术可以提高机构增员的准确率。员的准确率。员的准确率。
【技术实现步骤摘要】
基于双塔模型的机构增员方法、装置、设备及存储介质
[0001]本专利技术涉及人工智能领域，尤其涉及一种基于双塔模型的机构增员方法、装置、设备及存储介质。
技术介绍
[0002]当前，随着机构业务的扩展，需要招聘更多具有发展潜力、专业性及稳定性的人才，从而保证机构的活力，且由于机构遍布的广泛性，每个机构都面临着不同的外部经济环境、人文环境及社会环境等，所以每个机构对候选人的要求具有一定程度的差异。
[0003]常见的增员方法是通过利用传统的增员模型通过对候选用户进行筛选。但是，这种传统的模型仅关注候选用户特征，可能选取到的用户与机构并不匹配，即无法精准获取到不同机构所需的候选用户。
技术实现思路
[0004]本专利技术提供一种基于双塔模型的机构增员方法、装置、设备及存储介质，其主要目的是提高机构增员的准确率。
[0005]为实现上述目的，本专利技术提供了一种基于双塔模型的机构增员方法，包括：
[0006]获取候选用户集的用户多维特征集及待增员机构的机构多维特征集；
[0007]利用训练完成的双塔模型中的编码层分别将所述用户多维特征集及所述机构多维特征集进行编码，得到用户多维特征向量集及机构多维特征向量集；
[0008]利用所述双塔模型中的交互网络层分别将所述用户多维特征向量集及所述机构多维特征向量集进行自交互，得到用户交互矩阵集及机构交互矩阵集；
[0009]利用所述双塔模型中的融合层将所述用户交互矩阵集及所述机构交互矩阵集进行交互拼接，得到目标用户交互特征集；
[0010]利用所述双塔模型中的匹配层将所述目标用户交互特征集进行增员匹配，得到所述候选用户集中候选用户与所述待增员机构的匹配结果；
[0011]根据所述匹配结果从所述候选用户集中选取匹配度最高的候选用户作为所述待增员机构的增员用户。
[0012]可选地，所述利用所述双塔模型中的融合层将所述用户交互矩阵集及所述机构交互矩阵集进行交互拼接，得到目标用户交互特征集，包括：
[0013]利用所述融合层中的膨胀因果卷积层将所述用户交互矩阵集及所述机构交互矩阵集进行拼接，得到初始目标用户交互特征集；
[0014]利用所述融合层中的残差连接层将所述初始用户机构交互特征集进行特征降维，得到所述目标用户交互特征集。
[0015]可选地，所述利用所述双塔模型中的交互网络层分别将所述用户多维特征向量集及所述机构多维特征向量集进行自交互，得到用户交互矩阵集及机构交互矩阵集，包括：
[0016]利用所述交互网络层将所述用户多维特征向量集拆分为用户中心矩阵、用户关联
矩阵和用户权重矩阵，并将所述用户中心矩阵、所述用户关联矩阵及所述用户权重矩阵进行点乘，得到所述用户交互矩阵集；
[0017]将所述机构多维特征向量集拆分为机构中心矩阵、机构关联矩阵和机构权重矩阵，并将所述机构中心矩阵、所述机构关联矩阵和所述机构权重矩阵进行点乘，得到所述机构交互矩阵集。
[0018]可选地，所述利用训练完成的双塔模型中的编码层分别将所述用户多维特征集及所述机构多维特征集进行编码，得到用户多维特征向量集及机构多维特征向量集，包括：
[0019]利用所述双塔模型中用户塔的编码层提取所述用户多维特征集的用户特征向量集，并将所述用户特征向量集中的用户特征向量进行位置编码，得到用户位置编码向量；
[0020]利用所述双塔模型中机构塔的编码层提取所述机构多维特征集的机构特征向量集，并将所述机构特征向量集中的机构特征向量进行位置编码，得到机构位置编码向量；
[0021]将所述用户位置编码向量与所述用户特征向量集进行组合，得到用户多维特征向量集；
[0022]将所述机构位置编码向量与所述机构特征向量集进行组合，得到机构多维特征向量集。
[0023]可选地，所述利用所述双塔模型中的匹配层将所述目标用户交互特征集进行增员匹配，得到所述候选用户集中候选用户与所述待增员机构的匹配结果，包括：
[0024]利用所述匹配层计算所述候选用户集的用户多维特征向量集与所述目标用户交互特征集的相似度评分，根据所述相似度评分确定所述候选用户集与所述待增员机构的匹配结果。
[0025]可选地，所述利用训练完成的双塔模型中的编码层分别将所述用户多维特征集及所述机构多维特征集进行编码，得到用户多维特征向量集及机构多维特征向量集之后，所述方法还包括：
[0026]将所述用户多维特征向量集及所述机构多维特征向量集进行部分掩码，得到掩码后的用户多维特征向量集及机构多维特征向量集。
[0027]可选地，所述获取候选用户集的用户多维特征集及待增员机构的机构多维特征集之前，所述方法还包括：
[0028]获取加密用户多维特征集的对称密钥，将所述对称密钥及所述加密用户多维特征集作为参数输入至预设的对称解密函数中，得到所述用户多维特征集。
[0029]为了解决上述问题，本专利技术还提供一种基于双塔模型的机构增员装置，所述装置包括：
[0030]用户与机构特征获取模块，用于获取候选用户集的用户多维特征集及待增员机构的机构多维特征集；
[0031]用户与机构特征编码模块，用于利用训练完成的双塔模型中的编码层分别将所述用户多维特征集及所述机构多维特征集进行编码，得到用户多维特征向量集及机构多维特征向量集；
[0032]用户与机构自交互模块，用于利用所述双塔模型中的交互网络层分别将所述用户多维特征向量集及所述机构多维特征向量集进行自交互，得到用户交互矩阵集及机构交互矩阵集；
[0033]用户与机构交互拼接模块，用于利用所述双塔模型中的融合层将所述用户交互矩阵集及所述机构交互矩阵集进行交互拼接，得到目标用户交互特征集；
[0034]用户与机构的匹配模块，用于利用所述双塔模型中的匹配层将所述目标用户交互特征集进行增员匹配，得到所述候选用户集中候选用户与所述待增员机构的匹配结果；
[0035]目标增员用户的选取模块，用于根据所述匹配结果从所述候选用户集中选取匹配度最高的候选用户作为所述待增员机构的增员用户。
[0036]为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
[0037]存储器，存储至少一个计算机程序；及
[0038]处理器，执行所述存储器中存储的计算机程序以实现上述所述的基于双塔模型的机构增员方法。
[0039]为了解决上述问题，本专利技术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中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于双塔模型的机构增员方法。
[0040]本专利技术实施例中，首先通过利用训练完成的双塔模型中的编码层分别将用户多维特征集及机构多维特征集进行编码，可以准确提取候选用户及机构的特征，并通过利用双塔模型中的交互网络层分别将用户多维特征向量集及机构多维特征向量集进行自交互，在关注候选用户特征的同时也关注了机构特征，并进一步提取本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于双塔模型的机构增员方法，其特征在于，所述方法包括：获取候选用户集的用户多维特征集及待增员机构的机构多维特征集；利用训练完成的双塔模型中的编码层分别将所述用户多维特征集及所述机构多维特征集进行编码，得到用户多维特征向量集及机构多维特征向量集；利用所述双塔模型中的交互网络层分别将所述用户多维特征向量集及所述机构多维特征向量集进行自交互，得到用户交互矩阵集及机构交互矩阵集；利用所述双塔模型中的融合层将所述用户交互矩阵集及所述机构交互矩阵集进行交互拼接，得到目标用户交互特征集；利用所述双塔模型中的匹配层将所述目标用户交互特征集进行增员匹配，得到所述候选用户集中候选用户与所述待增员机构的匹配结果；根据所述匹配结果从所述候选用户集中选取匹配度最高的候选用户作为所述待增员机构的增员用户。2.如权利要求1所述的基于双塔模型的机构增员方法，其特征在于，所述利用所述双塔模型中的融合层将所述用户交互矩阵集及所述机构交互矩阵集进行交互拼接，得到目标用户交互特征集，包括：利用所述融合层中的膨胀因果卷积层将所述用户交互矩阵集及所述机构交互矩阵集进行拼接，得到初始目标用户交互特征集；利用所述融合层中的残差连接层将所述初始用户机构交互特征集进行特征降维，得到所述目标用户交互特征集。3.如权利要求1所述的基于双塔模型的机构增员方法，其特征在于，所述利用所述双塔模型中的交互网络层分别将所述用户多维特征向量集及所述机构多维特征向量集进行自交互，得到用户交互矩阵集及机构交互矩阵集，包括：利用所述交互网络层将所述用户多维特征向量集拆分为用户中心矩阵、用户关联矩阵和用户权重矩阵，并将所述用户中心矩阵、所述用户关联矩阵及所述用户权重矩阵进行点乘，得到所述用户交互矩阵集；将所述机构多维特征向量集拆分为机构中心矩阵、机构关联矩阵和机构权重矩阵，并将所述机构中心矩阵、所述机构关联矩阵和所述机构权重矩阵进行点乘，得到所述机构交互矩阵集。4.如权利要求1所述的基于双塔模型的机构增员方法，其特征在于，所述利用训练完成的双塔模型中的编码层分别将所述用户多维特征集及所述机构多维特征集进行编码，得到用户多维特征向量集及机构多维特征向量集，包括：利用所述双塔模型中用户塔的编码层提取所述用户多维特征集的用户特征向量集，并将所述用户特征向量集中的用户特征向量进行位置编码，得到用户位置编码向量；利用所述双塔模型中机构塔的编码层提取所述机构多维特征集的机构特征向量集，并将所述机构特征向量集中的机构特征向量进行位置编码，得到机构位置编码向量；将所述用户位置编码向量与所述用户特征向量集进行组合，得到用户多维特征向量集；将所述机构位置编码向量与所述机构特征向量集进行组合，得到机构多维特征向量集。
5.如权利要求...
【专利技术属性】
技术研发人员：于佳玉，姜敏华，张莉，任杰，张茜，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。