【技术实现步骤摘要】
基于隐私保护的职位推荐方法及其装置、电子设备
[0001]本专利技术涉及信息安全领域及其他相关
，具体而言，涉及一种基于隐私保护的职位推荐方法及其装置、电子设备。
技术介绍
[0002]机器学习在越来越多的应用场景中得到应用，从医疗保健到金融服务，从交通运输到能源管理，机器学习都成为了优化流程和提高效率的有力工具，机器学习不仅计算精度更高，且计算效率相较之前的计算方法也有很大的提升，越来越多的业务从原来的人为操作转化为通过机器学习执行，将机器学习运用到求职场景中，可以通过计算待就业人员与职位的适配度向待就业人员进行职位推荐，通过机器学习可以结合实际的数据评估职位的符合度，更精确地为待就业用户进行职位推荐，无需用户进行手动筛选，从而提升用户的就业兴趣。
[0003]相关技术中，在通过评估职位与毕业生的适配度进行职位推荐时，主要依赖于院校自身样本数据与第三方公司数据进行评估，数据准确度和覆盖面都存在不足，且在通过机器学习对各职位适配度进行计算评估时，存在数据泄露的风险。
[0004]针对上述的问题，目前尚未...
【技术保护点】
【技术特征摘要】
1.一种基于隐私保护的职位推荐方法，其特征在于，应用于计算服务器，所述计算服务器为数据提供方提供数据计算服务，职位推荐方法包括：接收所述数据提供方发送的分片样本数据集合，其中，所述分片样本数据集合包括N个分片样本数据，所述分片样本数据是对样本数据进行二分片得到的，每个所述分片样本数据包括：M个分片特征数据，N、M均为大于等于1的正整数；基于职位数量为所述分片特征数据配置模型参数，并将所述模型参数发送至所述分片特征数据对应的计算平台；基于每个所述分片样本数据的所述分片特征数据和每个所述分片特征数据对应的所述模型参数在预先配置的所述计算平台中计算每个样本的分片目标值集合；基于所述分片目标值集合计算每个所述样本的目标概率值集合，其中，所述目标概率值集合中的目标概率值用于评估每个所述样本与每个职位的适配度；将所述目标概率值集合中的所述目标概率值进行排序，将最大目标概率值对应的所述职位标记为推荐职位，并基于所述推荐职位生成职位信息返回至所述数据提供方，其中，所述职位信息至少包括：职位标识、所述推荐职位与所述样本的映射关系。2.根据权利要求1所述的职位推荐方法，其特征在于，在接收所述数据提供方发送的分片样本数据集合之前，还包括：接收所述数据提供方的计算资源分配策略；基于所述计算资源分配策略对计算资源进行划分，得到第一计算平台、第二计算平台、第三计算平台、第四计算平台，其中，所述第一计算平台和所述第三计算平台接收相同的第一类数据，所述第二计算平台和所述第四计算平台接收相同的第二类数据。3.根据权利要求1所述的职位推荐方法，其特征在于，在基于职位数量为所述特征数据配置模型参数之前，需要通过迭代训练获取模型参数集合，获取模型参数集合的步骤包括：获取分片训练数据集合，其中，所述分片训练数据集合包括：P个分片训练数据，所述分片训练数据是对每个训练样本对应的训练数据进行二分片得到的，所述分片训练数据包括：Q个分片特征训练数据、K个分片职位标签数据、每个所述特征训练数据对应的K个初始模型参数，所述职位标签数据是将每个特征训练数据与每个职位标签进行匹配得到的，P、Q、K均为大于等于1的正整数；基于所述分片训练数据计算每个所述训练样本的概率值集合；对所述概率值集合进行迭代计算，并基于迭代计算得到的所述概率值集合获取所述模型参数集合。4.根据权利要求3所述的职位推荐方法，其特征在于，基于所述分片训练数据计算每个所述训练样本的概率值集合的步骤包括：接收第一计算平台计算得到的每个所述训练样本下所述职位标签的第一分片目标值，其中，所述第一分片目标值是所述第一计算平台对第一分片训练数据进行计算得到的；接收第二计算平台计算得到的每个所述训练样本的第二分片目标值集合，其中，所述第二分片目标值是所述第二计算平台对第二分片训练数据进行计算得到的；对所述第一分片目标值和所述第二分片目标值进行汇总，得到每个所述训练样本下每个所述职位标签对应的概率值，并汇总所有所述职位标签对应的概率值，得到每个所述训练样本的所述概率值集合。5.根据权利要求4所述的职位推荐方法，其特征在于，在对所述第一分片目标值和所述
第二分片目标值进行汇总，得到每个所述训练样本下每个所述职位标签对应的概率值之后，还包括：确定模型步长；基于每个所述职位标签对应的所述概率值计算每个所述训练样本的梯度值，并基于每个所述训练样本的梯度值计算所有所述训练样本的平均梯度值；基于所述初始模型参数、所有所述训练样本的平均梯度值计算迭代模型参数，得到迭代模型参数集合。6.根据权利要求5所述的职位推荐方法，其特征在于，在基于所述初始模型参数、所述所有所述训练样本样本数据对应的平均梯度值计算迭代模型参数，得到迭代模型参数集合之后，还包括：步骤一，基于第i
‑
1次迭代计算得到的每个所述职位标签对应的概率值计算每个所述训练样本第i次迭代对应的迭代梯度值，并基于每个所述训练样本的迭代梯度值计算所有所述训练样本第i次迭代的平均迭代梯度值；步骤二，基于所述模型步长、所有所述训练样本第i次迭代的平均迭代梯度值和第i
‑
1次迭代的迭代模型参数更新第i次迭代的迭代模型参数；重复步骤一至步骤二，对每个所述训练样本进行迭代计算，直至迭代次数达到预设迭代次数，停止迭代，得到所述模型参数集合；或者，重复步骤一至步骤三，对所述训练样本进行迭代计算，并在每次迭代计算结束后计算所有所述训练样本的平均损失函数，在所述平均损失函数达到损失函数阈值的情况下，停止迭代，得到所述模型参数集合。7.根据权利要求6所述的职位推荐方法，其特征在于，在每次迭代计算结束后计算所有所述训练样本的平均损失函数的步骤包括：在每次迭代计算结束后，将每个所述职位标签对应的所述概率值输入到损失函数计算公式，计算得到每个所述训练样本的损失函数，其中，所述所述训练样本的损失函数是分别在第一计算平台和第二计算平台中计算后汇总得到的；基于每个所述训练样本的所述损失函数和训练样本数计算所有所述训练样本的平均损失函数。8.根据权利要求1所述的职位推荐方法，其特征在于，...
【专利技术属性】
技术研发人员：周建平，潘恒，郑培钿，许冠，
申请(专利权)人：中国工商银行股份有限公司，
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。