【技术实现步骤摘要】
一种基于多行为建模的在线招聘双向互惠推荐系统及方法
[0001]本专利技术涉及计算机
，具体而言，涉及一种基于多行为建模的在线招聘双向互惠推荐系统及方法。
技术介绍
[0002]传统的推荐系统一般是关于用户
‑
物品匹配的传统推荐，仅需要考虑单方用户的偏好信息。近年来，互惠匹配市场的在线招聘迅速发展，与传统的用户和物品推荐问题不同，用户
‑
用户匹配的互惠推荐系统则同时考虑了双方用户的偏好信息，为求职者和招聘者提供了更加便捷的匹配方式。用户
‑
用户匹配的互惠推荐系统所采用的推荐方法主要基于文本匹配或协同过滤方法计算匹配分数，这使得在线招聘场景中的多种行为经常被忽略，进而导致匹配准确度低。
技术实现思路
[0003]本专利技术的目的在于提供一种基于多行为建模的在线招聘双向互惠推荐系统及方法，根据招聘者和求职者之间的互动行为分别以个体角度和全局角度进行建模，通过对多行为的建模，以个体角度分别挖掘了求职者和招聘者的偏好信息，通过异构图神经网络，以全局角度挖掘了...
【技术保护点】
【技术特征摘要】
1.一种基于多行为建模的在线招聘双向互惠推荐系统，其特征在于，所述系统包括：输入模组，用于将用户的行为特征转化为输入特征，并将所述输入特征分别输入至求职者多行为特征提取模组、招聘者多行为特征提取模组和全局异构图模组中，所述用户的行为特征为与求职者的求职行为和招聘者的招聘行为相关的特征；求职者多行为特征提取模组，用于从所述输入特征中提取求职者特征行为信息并进行建模处理，生成多个求职者特征行为向量；招聘者多行为特征提取模组，用于从所述输入特征中提取招聘者特征行为信息并进行建模处理，生成多个招聘者特征行为向量；全局异构图模组，用于从所述输入特征中提取求职者与招聘者交互行为信息并进行建模处理，生成多个交互行为向量，其中，求职者与招聘者之间的多个交互行为包括求职者和招聘者之间的主动行为和被动行为；聚合层，用于将所述多个求职者特征行为向量、所述多个招聘者特征行为向量以及所述多个交互行为向量进行聚合处理，得到聚合后的行为信息；求职者多阶段行为编码模组，用于将所述聚合后的行为信息进行预测处理，从中预测出求职者点击率以及求职者转化率，并将两者相乘得到求职者点击转化率；招聘者多阶段行为编码模组，用于将所述聚合后的行为信息进行处理，从中预测出招聘者点击率以及招聘者转化率，并将两者相乘得到招聘者点击转化率；输出模组，用于根据所述求职者点击率、所述求职者转化率、所述求职者点击转化率、所述招聘者点击率、所述招聘者转化率以及所述招聘者点击转化率输出推荐结果。2.如权利要求1所述的系统，其特征在于，所述用户的行为特征包括求职者属性信息、求职者偏好信息、招聘者属性信息、招聘者偏好信息、求职者与招聘者历史交互信息以及环境信息。3.如权利要求1所述的系统，其特征在于，所述求职者与招聘者之间的多个交互行为包括：求职者拒绝握手招聘者、求职者拒绝主动握手的招聘者、求职者握手招聘者、求职者接受主动握手的招聘者、招聘者拒绝主动握手的求职者、招聘者拒绝握手求职者、招聘者接受主动握手的求职者和招聘者握手求职者。4.如权利要求1所述的系统，其特征在于，所述求职者多行为特征提取模组和所述招聘者多行为特征提取模组的结构相同且独立运行，所述求职者多行为特征提取模组和所述招聘者多行为特征提取模组中的每个提取模组，均使用Transformer模型，每个所述提取模块包括：将多个特征行为信息输入到Encoder block中，通过残差加成Add运算，将运算后的每个特征行为信息赋予到与该特征行为信息相关的项目中，得到多个行为项目，并基于不同的特征行为信息对所述多个行为项目进行层归一化，生成多个相互独立的行为项目层；在每个所述行为项目层中加入Bias Matrix，以使每个所述行为项目层根据各个行为发生的时间进行排序，并得到排序后的行...
【专利技术属性】
技术研发人员：郑值，胡骁，邱昭鹏，程远，宋洋，祝恒书，赵鹏，
申请(专利权)人：北京华品博睿网络技术有限公司，
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。