一种基于AI大语言模型的招聘系统及方法技术方案

本发明专利技术公开了一种基于AI大语言模型的招聘系统及方法，将复杂功能拆分成多个单一功能的组合，使AI大语言模型的功能逻辑更清晰，提高了大语言模型的准确度；AI大语言模型采用需求中断判断和需求执行并行操作，降低了反馈时延。本发明专利技术适用于互联网招聘，分别在求职端和招聘端应用了AI大语言模型的文本理解、逻辑推理和文本生成技术与用户进行交互，实现求职和招聘的功能。求职端功能包括了劳动法规咨询、简历生成、岗位搜索、简历投递和自动应答。招聘端功能包括了劳动法规咨询、岗位生成、简历筛选、简历摘要和智能客服。本发明专利技术减少了求职和招聘环节中大量的人工工作，缩短了招聘周期，降低了互联网求职操作门槛。降低了互联网求职操作门槛。降低了互联网求职操作门槛。

【技术实现步骤摘要】
一种基于AI大语言模型的招聘系统及方法


[0001]本专利技术属于互联网招聘
，具体涉及一种基于AI大语言模型的招聘系统及方法。

技术介绍

[0002]传统互联网招聘的方法是：招聘者在招聘平台上发布招聘岗位，求职者根据平台上的招聘信息投递简历，招聘者再根据投递过来的简历进行筛选，筛选出候选人后再进行多轮面试，最后完成招聘。在这个招聘流程中，招聘者需要做很多重复性工作，如一些热门岗位一天收到的简历就有上百份，让招聘者阅读几百份简历来筛选合适的人选，即费时又费力，同时在这样大的工作量下，也容易出现遗漏优秀人才的情况。
[0003]在传统互联网招聘流程中，求职者找工作要先完成一份简历，再在招聘平台上搜索意向岗位进行投递，然后等待面试机会。这一过程对于受过高等教育的人求职者来说相对容易，但对于部分蓝领求职者相对困难，他们往往无法较好的撰写自己的简历，无法进行岗位搜索，投递等一系列招聘平台的操作，这部分求职者便被传统互联网招聘平台排除在用户群体之外了。
[0004]传统的互联网招聘方法，在进入面试流程前，大部分招聘平台都是不提供求职者和招聘者直接交流渠道的，这使求职者无法进一步了解公司和岗位的情况，也无法让招聘者提前了解求职者。鉴于这种情况，有些招聘平台也提供了求职者和招聘者直接交流的渠道，但往往双方交流的很多问题是重复的，如“公司现在什么规模了？”，“公积金交多少比例？”，“双休还是单休？”，“你离职的原因是什么？”，“你多久可以入职？”，“业务忙的时候能不能接受加班？”等问题，会浪费用户很多时间去回复类似这种被重复问到的问题，如果能有一个智能的助手，替用户来回答这些问题，那无疑会节省大量时间和精力。
[0005]近几年来人工智能技术快速发展，尤其是强人工智能大语言模型的出现，正在给各行各业带来颠覆性的变化。大语言模型利用了深度学习和自然语言处理等技术，具备了海量的知识储备，在很多专业领域具有更高的效率和准确度。如何基于大语言模型提高了招聘系统的效率，降低招聘系统操作门槛，成为亟待解决的问题。

技术实现思路

[0006]为解决现有技术的不足，实现提高求职和招聘的效率的目的，本专利技术采用如下的技术方案：一种基于AI大语言模型的招聘系统，应用于服务器，所述服务器包括AI大语言模型（LLM，Large Language Model），从求职端/招聘端获取的文本信息中提取一组单一求职/招聘功能对应的单一需求，用于构建任务并执行，同时根据实时的求职端/招聘端的文本信息，判断当前任务是否中断，若当前任务执行完成前被新任务中断，则终止当前任务，并将新任务作为当前任务执行，否则，继续执行当前任务，输出需求对应的求职/招聘功能实现，并反馈求职端/招聘端。
[0007]基于语言模型的功能，通过精简指令，尽可能单一的提取功能对应的需求，逆向的将复杂功能拆分成多个单一功能的组合，虽然文本有可能会被输入语言模型分析多次，增加了一定的算力，但降低了语言模型计算的逻辑复杂度，一定程度上也抵消了所消耗的算力，同时，多次的分析和更清晰的语言模型计算逻辑，提升了模型分析的收益，提高了语言模型的功能实现的准确度。另一方面，基于多轮对话获取的求职或招聘需求，往往可能在中途发生改变，采用需求中断判断和需求执行的并行操作，再基于判断结果确定是否反馈当前需求执行结果，通过消耗部分算力，换取求职端/招聘端反馈时延的降低。
[0008]进一步地，将劳动法规基于条例和单块文本量进行切割分块，对每块文本信息向量化；获取求职端/招聘端对劳动法规咨询的文本信息和场景信息，对文本信息向量化后与劳动法规的向量进行相似度比较，得到咨询的文本信息对应的劳动法规文本信息，所述AI大语言模型基于劳动法规文本信息与场景信息，生成求职端/招聘端咨询的解答信息。
[0009]由于劳动法规文本内容多，而越长的本文内容的处理，容易造成显存或内存溢出，因此需要对文本进行切割，而基于条例的切割能够保证每个文本块的内容是相对独立的，基于单块文本量的分块能够尽可能让切割的文本内容完整。基于向量的相似度匹配，能够在保持匹配精度的同时，降低文本信息匹配所需的计算量。
[0010]进一步地，根据求职端的岗位需求，执行岗位检索任务，并基于岗位分对检索出的岗位进行排序，岗位分公式如下：score= co_s
×
co _w+sal_s
×
sal_w+tm_s
×
tm_w + rx_s
×
rx_w其中，co_s表示岗位所属的单位分、sal_s表示薪酬分、tm_s表示时效分、rx_s表示简历投递分，co_w、sal_w、tm_w和rx_w分别为单位分、薪酬分、时效分、简历投递分的权重；所述单位分，基于单位属性进行计分；所述薪酬分，根据岗位在同类岗位中所处薪酬水平计分；所述时效分，根据岗位发布的时间计分；所述简历投递分，根据岗位需求简历的满足度计分，满足度=当前岗位简历被投递数量/岗位招聘人数，使得投递量少的岗位有更多机会展现在搜索结果的前面。
[0011]还可以引入岗位向量相似度匹配，将岗位信息的关键字段（如单位属性）进行向量化，对已投递的岗位对应的向量，基于向量相似度，调整最终排序。由于公司规模，公司福利，公司法律风险，办公地点交通便利程度内容较多，且相对抽象，统一的分配分值，较难反应不同求职者的需求，因此通过向量比较调整排序，可以弥补这一补足，更接近求职者潜意识的意向，且对求职者来说，各评分项之间可能存在一种相互妥协的关系，这种妥协后得到的配比，无法体现在分值上，且妥协的配比会随求职者浏览的简历发生变化，通过向量化配比影响最终排序，能够很好的适应这种妥协配比的波动，更好的匹配上求职者潜意识中想看到的岗位。从而进一步提高求职者岗位检索的命中率和岗位投递的成功率。
[0012]进一步地，对岗位分引入随机性，使用于排序的最终得分score_n服从正态分布：，其中，原得分score作为正态分布的均值，σ表示标准差，用于控制随机性。
[0013]对直接计算得到的岗位分进行排序，会使一些得分低的岗位一直没机会展示，通
过在每次岗位搜索结果的排序中引入随机因素的方法，使得既让原得分高的岗位有更高的概率排前面，也使得得分低的岗位获得展现的机会。
[0014]进一步地，获取并基于求职端岗位搜索频次、浏览、投递情况，调节标准差σ；若岗位搜索频次超过频次阈值，且浏览的岗位超过上限阈值，但投递的岗位低于下限阈值，则增大标准差。
[0015]由于求职者通常根据搜索的岗位顺序进行浏览、投递，因此，基于一定的搜索和浏览，仍没有投递，说明求职者对排序中的岗位并不中意，此时，通过增加标准差，增大随机性，增加引入的低得分岗位。
[0016]进一步地，基于已投递岗位的单位属性、薪酬水平、发布时间、岗位需求简历的满足度，设定并更新一个用户偏好，用于调整公司分、薪酬分、时效分、简历投递分的权重。
[0017]基于求职者浏览、投递的潜意识行为，调整权重，提升求职者与岗位的匹配度。有些岗位的低得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI大语言模型的招聘系统，应用于服务器，其特征在于：所述服务器包括AI大语言模型，从求职端/招聘端获取的文本信息中提取一组单一求职/招聘功能对应的单一需求，用于构建任务并执行，同时根据实时的求职端/招聘端的文本信息，判断当前任务是否中断，若当前任务执行完成前被新任务中断，则终止当前任务，并将新任务作为当前任务执行，否则，继续执行当前任务，输出需求对应的求职/招聘功能实现，并反馈求职端/招聘端。2.根据权利要求1所述的一种基于AI大语言模型的招聘系统，其特征在于：将劳动法规基于条例和单块文本量进行切割分块，对每块文本信息向量化；获取求职端/招聘端对劳动法规咨询的文本信息和场景信息，对文本信息向量化后与劳动法规的向量进行相似度比较，得到咨询的文本信息对应的劳动法规文本信息，所述AI大语言模型基于劳动法规文本信息与场景信息，生成求职端/招聘端咨询的解答信息。3.根据权利要求1所述的一种基于AI大语言模型的招聘系统，其特征在于：根据求职端的岗位需求，执行岗位检索任务，并基于岗位分对检索出的岗位进行排序，岗位分公式如下：score= co_s
×
co_w+sal_s
×
sal_w+tm_s
×
tm_w + rx_s
×
rx_w其中，co_s表示岗位所属的单位分、sal_s表示薪酬分、tm_s表示时效分、rx_s表示简历投递分，co_w、sal_w、tm_w和rx_w分别为单位分、薪酬分、时效分、简历投递分的权重；所述单位分，基于单位属性进行计分；所述薪酬分，根据岗位在同类岗位中所处薪酬水平计分；所述时效分，根据岗位发布的时间计分；所述简历投递分，根据岗位需求简历的满足度计分，满足度=当前岗位简历被投递数量/岗位招聘人数。4.根据权利要求3所述的一种基于AI大语言模型的招聘系统，其特征在于：对岗位分引入随机性，使用于排序的最终得分score_n服从正态分布：，其中，原得分score作为正态分布的均值，σ表示标准差，用于控制随机性。5.根据权利要求4所述的一...

【专利技术属性】
技术研发人员：鲍威，周康康，黄松立，
申请(专利权)人：先看看闪聘江苏数字科技有限公司，
类型：发明
国别省市：