用于信息推荐的异质图卷积神经网络模型构建方法及系统技术方案

本发明专利技术提供一种用于信息推荐的异质图卷积神经网络模型构建方法及系统，该方法包括如下步骤：获取多个早期求职者的简历信息，并基于所有所述简历信息构建异质简历图；从所述异质简历图中提取特征矩阵；获取所述简历信息之间的关联属性，并基于所述关联属性构建初始邻接矩阵；根据所述简历信息中的教育信息和技能信息构建以各个所述简历信息为节点的多条元路径；将所有所述元路径和所述初始邻接矩阵聚合为目标邻接矩阵；以所述特征矩阵和所述目标邻接矩阵作为模型输入，并以图卷积神经网络为框架构建异质图卷积神经网络模型。本发明专利技术所构建的异质图卷积神经网络模型可以节省早期求职者在筛选招聘信息过程中的时间和精力。职者在筛选招聘信息过程中的时间和精力。职者在筛选招聘信息过程中的时间和精力。

【技术实现步骤摘要】
用于信息推荐的异质图卷积神经网络模型构建方法及系统


[0001]本专利技术属于互联网
，具体是涉及到一种用于信息推荐的异质图卷积神经网络模型构建方法及系统。

技术介绍

[0002]近年来，随着人工智能相关技术的发展，在线招聘平台不断涌现，旨在为潜在求职者和用人单位提供服务。鉴于职位空缺和求职者众多，招聘人员很难及时找到合适的求职者人选。通常来讲，招聘人员将更关注早期求职者简历的两个部分，即教育背景和技能水平。教育背景反映了求职者保持长期努力的习惯，而技能水平反映了求职者学习新事物的能力。传统的招聘流程主要依靠招聘人员的主观经验，难以对大量求职者的简历信息进行定量、全面的评价。因此，许多招聘平台均基于机器学习方法构建神经网络模型，从而快速的进行人岗匹配，将合适的求职者简历推送给招聘人员，实现智能人力资源管理。
[0003]但招聘是双向选择的过程，应满足求职者和招聘者双方的双向需求，向求职者推荐合适的职位同样是招聘平台极其关键的任务。然而现有的招聘平台所采用的机器学习方法研究严重依赖人工特征和专家知识，导致成本高、难以更新且容易出错。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于信息推荐的异质图卷积神经网络模型构建方法，其特征在于，包括如下步骤：获取多个早期求职者的简历信息，并基于所有所述简历信息构建异质简历图；从所述异质简历图中提取特征矩阵；获取所述简历信息之间的关联属性，并基于所述关联属性构建初始邻接矩阵；根据所述简历信息中的教育信息和技能信息构建以各个所述简历信息为节点的多条元路径；将所有所述元路径和所述初始邻接矩阵聚合为目标邻接矩阵；以所述特征矩阵和所述目标邻接矩阵作为模型输入，并以图卷积神经网络为框架构建异质图卷积神经网络模型。2.根据权利要求1所述的用于信息推荐的异质图卷积神经网络模型构建方法，其特征在于，所述异质图卷积神经网络模型还包括两层隐藏层和一层输出层。3.根据权利要求2所述的用于信息推荐的异质图卷积神经网络模型构建方法，其特征在于，所述异质图卷积神经网络模型中神经网络层的函数表达式为：f(H
(l)
,B)＝RELU(BH
(l)
W
(l)
)式中：H
(0)
＝X，H
(l)
＝Z，X为所述特征矩阵，l为所述神经网络层的层数，Z为图级输出，W
(l)
为所述神经网络层的权重，RELU(
·
)是非线性激活函数ReLU，且RELU(x)＝max(0,x)。4.根据权利要求2所述的用于信息推荐的异质图卷积神经网络模型构建方法，其特征在于，所述输出层为softmax层，所述...

【专利技术属性】
技术研发人员：王昊，李际超，姚锋，宋彦杰，杨文川，欧俊威，雷天扬，王涛，陈英武，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：