一种基于人工智能的简历改写方法及系统技术方案

本发明专利技术提供了一种基于人工智能的简历改写方法及系统，包括：获取第一简历数据；对所述第一简历数据进行预处理以及标准化处理构建人工智能模型，并基于历史简历数据训练所述人工智能模型；将预处理以及标准化处理后的所述第一简历数据输入至所述训练后的人工智能模型中，以使所述训练后的人工智能模型对预处理以及标准化处理后的所述第一简历数据进行分析；基于分析结果进行简历改写及应用。基于分析结果进行简历改写及应用。基于分析结果进行简历改写及应用。

【技术实现步骤摘要】
一种基于人工智能的简历改写方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的简历改写方法及系统。

技术介绍

[0002]目前，简历处理和分析主要依赖于人力资源专业人员的专业知识和经验。他们需要阅读大量的简历，通过对简历内容的理解和判断，来确定哪些求职者最适合特定的岗位。这个过程可能涉及到对求职者的教育背景、工作经验、技能等信息的深入理解和综合评估。
[0003]此外，也有一些技术方案使用自然语言处理（NLP）技术来进行简历处理和分析。这些方案主要通过对简历内容的关键词匹配和统计，来进行初步的简历筛选和评估。
[0004]在自然语言处理的简历处理和分析技术中，首先需要对简历内容进行预处理，包括文本清洗、去噪声、格式化等。然后，通过关键词匹配和统计，对简历内容进行分析和评估。例如，通过统计简历中的关键词频率，可以初步判断求职者的技能和经验是否匹配特定的岗位要求。此外，也可以通过文本分类技术，对简历进行更深入的分析和理解。
[0005]然而，现有技术中，自然语言处理简历的上下文理解能力差，且不能对各种格式和结构的简历进行理解，缺乏简历相应的改写和应用机制。

技术实现思路

[0006]本申请提供了一种基于人工智能的简历改写方法及系统，用于解决现有技术中自然语言处理简历的上下文理解能力差，不能对各种格式和结构的简历进行理解，且缺乏简历相应的改写和应用机制的问题。
[0007]鉴于上述问题，本申请提供了一种基于人工智能的简历改写方法及系统。
[0008]本申请实施例提供一种基于人工智能的简历改写方法，包括：获取第一简历数据；对所述第一简历数据进行预处理以及标准化处理；构建人工智能模型，并基于历史简历数据训练所述人工智能模型，其中，所述人工智能模型包括通用人工智能模型AGI，或卷积神经网络CNN与随机森林的级联模型，或卷积神经网络CNN、长短时记忆LSTM和随机森林的级联模型；将预处理以及标准化处理后的所述第一简历数据输入至所述训练后的人工智能模型中，以使所述训练后的人工智能模型对预处理以及标准化处理后的所述第一简历数据进行分析；基于分析结果进行简历改写及应用。
[0009]可选地，所述对所述第一简历数据进行预处理以及标准化处理，包括：将所述第一简历数据中的无关信息进行去噪处理；将去噪处理后的所述第一简历数据进行格式标准化处理；将格式标准化处理的所述第一简历数据进行结构化处理；
基于所述第一简历数据，生成文字描述提示prompt信息。
[0010]可选地，将格式标准化处理的所述第一简历数据进行结构化处理，包括：将格式标准化的所述第一简历数据进行分解，分解为多个部分；从每一部分中分别提取关键信息；将提取出的所述关键信息进行格式转换；则所述基于所述第一简历数据，生成文字描述提示prompt信息，包括：收集历史简历数据及对应的文字描述提示；将所述历史简历数据及对应的文字描述提示进行预处理；对预处理后的所述历史简历数据及对应的文字描述提示进行标注，为每个所述文字描述提示与相关的简历内容创建关联；构建通用人工智能模型AGI，并将预处理后的所述历史简历数据、对应的文字描述提示及所述标注输入至所述AGI并训练所述AGI；将所述结构化处理后的第一简历数据输入至所述训练后的所述AGI，以使所述AGI生成与所述结构化处理后的第一简历数据对应的文字描述提示prompt信息。
[0011]可选地，所述AGI生成与所述结构化处理后的第一简历数据对应的文字描述提示prompt信息，包括：创建提示模板；基于所述结构化处理后的第一简历数据创建个性化提示；融合提示模板和所述个性化提示；收集并反馈所述个性化提示的质量评分；基于所述质量评分，调整所述个性化提示。
[0012]可选地，所述人工智能模型为通用人工智能模型AGI，则构建人工智能模型，并基于历史简历数据训练所述人工智能模型，包括：收集所述历史简历数据；对所述历史简历数据进行特征提取和迁移学习；构建知识图谱；设计适应性的神经网络，将所述历史简历数据输入至所述适应性的神经网络，实现多任务连续学习；使用强化学习增强所述知识图谱。
[0013]可选地，所述人工智能模型为卷积神经网络CNN和随机森林模型的级联模型，则构建人工智能模型，并基于历史简历数据训练所述人工智能模型，包括：构建CNN模型和随机森林模型，其中，所述CNN模型用于处理所述历史简历数据的文本数据，所述随机森林模型用于处理所述历史简历数据中的数值数据；将所述历史简历数据输入至所述CNN模型中，获取所述CNN模型的输出，所述CNN模型的输出为文本数据的特征；将所述文本数据的特征与所述历史简历中原始的数值数据一起作为所述随机森林模型的输入；使用损失函数来衡量所述级联模型的预测结果与实际结果的差距，并使用优化算法来更新所述级联模型的参数，以使得所述损失函数的值最小化。
[0014]可选地，所述人工智能模型为卷积神经网络CNN模型、长短时记忆LSTM模型和随机森林模型的级联模型，则所述人工智能模型对预处理以及标准化处理后的所述第一简历数据进行分析，包括：将所述第一简历数据进行处理，所述第一简历数据包括文本数据、数值数据和分类数据；将处理后的所述文本数据输入至所述CNN模型，以输出所述文本数据的局部特征；将所述文本数据的局部特征输入至所述LSTM模型，输出一个固定长度的向量，所述向量表示整个文本的语义信息；将所述固定长度的向量、处理后的所述数值数据和处理后的所述分类数据输入至所述随机森林模型，输出所述第一简历对应求职者工作能力的预测结果；其中，将所述第一简历数据进行处理，包括：对所述文本数据进行词嵌入处理；对所述数值数据进行标准化处理；对所述分类数据进行独热编码处理。
[0015]可选地，所述人工智能模型为深度学习模型，则所述人工智能模型对预处理以及标准化处理后的所述第一简历数据进行分析，包括：将预处理以及标准化处理后的所述第一简历数据输入至所述深度学习模型中，所述第一简历数据包括文本数据、数值数据和分类数据；对所述对所述文本数据进行词嵌入处理，对所述数值数据进行标准化处理，并对所述分类数据进行独热编码处理，以便提取出预处理以及标准化处理后的所述第一简历数据的特征；对所述预处理以及标准化处理后的所述第一简历数据的特征进行线性和非线性变换，生成特征向量；基于所述特征向量，输出所述第一简历对应求职者的能力评分、潜力评估和职位匹配度。
[0016]可选地，基于分析结果进行简历改写，包括：对所述第一简历进行内容审核；基于审核结果，对所述第一简历的内容进行优化；对优化后的所述第一简历进行结构调整；基于求职者特性和目标职位需求，对所述结构调整后的简历进行个性化修改。
[0017]本申请实施例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内存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0018]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请实施例提供的技术方案，通过对简历数据的预处理、标准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的简历改写方法，其特征在于，包括：获取第一简历数据；对所述第一简历数据进行预处理以及标准化处理；构建人工智能模型，并基于历史简历数据训练所述人工智能模型，其中，所述人工智能模型包括通用人工智能模型AGI，或卷积神经网络CNN与随机森林的级联模型，或卷积神经网络CNN、长短时记忆LSTM和随机森林的级联模型；将预处理以及标准化处理后的所述第一简历数据输入至所述训练后的人工智能模型中，以使所述训练后的人工智能模型对预处理以及标准化处理后的所述第一简历数据进行分析；基于分析结果进行简历改写及应用。2.根据权利要求1所述的方法，其特征在于，所述对所述第一简历数据进行预处理以及标准化处理，包括：将所述第一简历数据中的无关信息进行去噪处理；将去噪处理后的所述第一简历数据进行格式标准化处理；将格式标准化处理的所述第一简历数据进行结构化处理；基于所述第一简历数据，生成文字描述提示prompt信息。3.根据权利要求2所述的方法，其特征在于，将格式标准化处理的所述第一简历数据进行结构化处理，包括：将格式标准化的所述第一简历数据进行分解，分解为多个部分；从每一部分中分别提取关键信息；将提取出的所述关键信息进行格式转换；则所述基于所述第一简历数据，生成文字描述提示prompt信息，包括：收集所述历史简历数据及对应的文字描述提示；将所述历史简历数据及对应的文字描述提示进行预处理；对预处理后的所述历史简历数据及对应的文字描述提示进行标注，为每个所述文字描述提示与相关的简历内容创建关联；构建通用人工智能模型AGI，并将预处理后的所述历史简历数据、对应的文字描述提示及所述标注输入至所述AGI并训练所述AGI；将结构化处理后的所述第一简历数据输入至训练后的所述AGI，以使所述AGI生成与结构化处理后的所述第一简历数据对应的文字描述提示prompt信息。4.根据权利要求3所述的方法，其特征在于，所述AGI生成与所述结构化处理后的第一简历数据对应的文字描述提示prompt信息，包括：创建提示模板；基于所述结构化处理后的第一简历数据创建个性化提示；融合所述提示模板和所述个性化提示；收集并反馈所述个性化提示的质量评分；基于所述质量评分，调整所述个性化提示。5.根据权利要求1所述的方法，其特征在于，所述人工智能模型为通用人工智能模型AGI，则构建人工智能模型，并基于历史简历数据训练所述人工智能模型，包括：
收集所述历史简历数据；对所述历史简历数据进行特征提取和迁移学习；构建知识图谱；设计适应性的神经网络，将所述历史简历数据输入至所述适应性的神经网络，实现多任务连续学习；使用强化学习增强所述知识图谱。6.根据权利要求1所述的方法，其特征在于，所述人工智能模型为卷积神经网络CNN和随机森...

【专利技术属性】
技术研发人员：龚源，
申请(专利权)人：贵州优特云科技有限公司，
类型：发明
国别省市：