人力资源岗位匹配方法组成比例

本发明专利技术提供一种人力资源岗位匹配方法

【技术实现步骤摘要】
人力资源岗位匹配方法、装置、电子设备及存储介质


[0001]本专利技术涉及信息处理
，尤其涉及一种人力资源岗位匹配方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]当今，随着人力资源管理的日益复杂化和企业的不断发展壮大，人岗匹配任务显得尤为重要
。
人岗匹配是指将合适的人员和适当的岗位相匹配，以实现最佳的人力资源配置，提高员工的工作满意度和绩效，同时也为企业的可持续发展提供支持
。
[0003]现有人力资源岗位匹配方法主要还是依赖于人力资源部门的经验和直觉，缺乏科学的量化分析和个性化推荐
。
这种方法往往效率低下，人才与岗位的匹配度也并不高
。

技术实现思路

[0004]本专利技术提供一种人力资源岗位匹配方法
、
装置
、
电子设备及存储介质，用以解决现有技术中人力资源岗位匹配方法效率低下，人才与岗位的匹配度也并不高的缺陷
。
[0005]本专利技术提供一种人力资源岗位匹配方法，包括：
[0006]对待匹配岗位信息与多个人员信息进行匹配排序，确定排序靠前的多个目标人员信息；
[0007]基于所述待匹配岗位信息和每个所述目标人员信息，确定每个所述目标人员信息对应的二元组人岗数据；
[0008]将每个所述二元组人岗数据输入人岗匹配神经网络模型，得到所述人岗匹配神经网络模型输出的所述待匹配岗位信息对应的人员岗位匹配结果；所述人岗匹配神经网络模型是根据所述二元组人岗数据的样本及其对应的人员信息标签训练得到的
。
[0009]根据本专利技术提供的一种人力资源岗位匹配方法，所述对待匹配岗位信息与多个人员信息进行匹配排序，确定排序靠前的多个目标人员信息，包括：
[0010]采用分词工具对所述待匹配岗位信息进行分词，得到所述待匹配岗位信息的多个分词；
[0011]将所述待匹配岗位信息的各个分词与每个所述人员信息进行相关性匹配，确定每个所述人员信息对应的相关性匹配分数；
[0012]将每个所述人员信息对应的相关性匹配分数进行降序排序，得到排序靠前的多个目标人员信息
。
[0013]根据本专利技术提供的一种人力资源岗位匹配方法，所述人岗匹配神经网络模型基于排序学习算法模型构建的，所述排序学习算法模型包括
BERT
网络层
、
线性映射层和前馈神经网络层：所述将每个所述二元组人岗数据输入人岗匹配神经网络模型，得到所述人岗匹配神经网络模型输出的所述待匹配岗位信息对应的人员岗位匹配结果，包括：
[0014]对每个所述二元组人岗数据进行编号排序，并将排序好的每个所述二元组人岗数据按顺序输入至所述
BERT
网络层，得到所述
BERT
网络层输出的每个所述二元组人岗数据对
应的表示向量；
[0015]按顺序依次将每个所述二元组人岗数据对应的表示向量输入至所述线性映射层，得到所述线性映射层输出的每个所述二元组人岗数据对应的低维向量；
[0016]将每个所述二元组人岗数据对应的低维向量输入至所述前馈神经网络层，得到所述前馈神经网络层输出的每个所述二元组人岗数据对应的匹配概率，并对每个所述二元组人岗数据对应的匹配概率进行降序排列，得到所述待匹配岗位信息对应的人员岗位匹配结果
。
[0017]根据本专利技术提供的一种人力资源岗位匹配方法，在所述对待匹配岗位信息与多个人员信息进行匹配排序，确定排序靠前的多个目标人员信息之前，所述方法还包括：
[0018]获取待匹配岗位原始信息；
[0019]利用大语言模型，对所述待匹配岗位原始信息进行数据增强，得到所述待匹配岗位原始信息对应的多个待匹配岗位信息
。
[0020]根据本专利技术提供的一种人力资源岗位匹配方法，在所述将每个所述二元组人岗数据输入人岗匹配神经网络模型，得到所述人岗匹配神经网络模型输出的所述待匹配岗位信息对应的人员岗位匹配结果之后，所述方法还包括：
[0021]基于多个所述待匹配岗位信息，确定每个所述待匹配岗位信息对应的人员岗位匹配结果；
[0022]基于每个所述待匹配岗位信息对应的人员岗位匹配结果，对相同人员信息对应的匹配结果进行求平均，确定所述待匹配岗位原始信息对应的人员岗位匹配结果
。
[0023]根据本专利技术提供的一种人力资源岗位匹配方法，在所述将每个所述二元组人岗数据输入人岗匹配神经网络模型之前，所述方法还包括：
[0024]将所述二元组人岗数据的样本及其对应的人员信息标签作为一组训练样本，获取多组训练样本；
[0025]利用所述多组训练样本，对人岗匹配神经网络模型进行训练
。
[0026]根据本专利技术提供的一种人力资源岗位匹配方法，所述利用所述多组训练样本，对人岗匹配神经网络模型进行训练，包括：
[0027]对于任意一组训练样本，将所述训练样本输入人岗匹配神经网络模型，输出所述训练样本对应的预测概率；
[0028]利用预设损失函数，根据所述训练样本对应的预测概率和所述训练样本中的人员信息标签计算损失值；
[0029]基于所述损失值，对所述人岗匹配神经网络模型的模型参数进行调整，直至模型训练次数达到预设次数；
[0030]将模型训练次数达到所述预设次数时所得到的模型参数作为训练好的人岗匹配神经网络模型的模型参数
。
[0031]本专利技术还提供一种人力资源岗位匹配装置，包括：
[0032]排序模块，用于对待匹配岗位信息与多个人员信息进行匹配排序，确定排序靠前的多个目标人员信息；
[0033]处理模块，用于基于所述待匹配岗位信息和每个所述目标人员信息，确定每个所述目标人员信息对应的二元组人岗数据；
[0034]匹配模块，用于将每个所述二元组人岗数据输入人岗匹配神经网络模型，得到所述人岗匹配神经网络模型输出的所述待匹配岗位信息对应的人员岗位匹配结果；所述人岗匹配神经网络模型是根据所述二元组人岗数据的样本及其对应的人员信息标签训练得到的
。
[0035]本专利技术还提供一种电子设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述人力资源岗位匹配方法
。
[0036]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述人力资源岗位匹配方法
。
[0037]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述人力资源岗位匹配方法
。
[0038]本专利技术提供的人力资源岗位匹配方法
、
装置
、
电子设备及存储介质，通过采用两阶段的方式进行人员对岗位的匹配，首先对待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人力资源岗位匹配方法，其特征在于，包括：对待匹配岗位信息与多个人员信息进行匹配排序，确定排序靠前的多个目标人员信息；基于所述待匹配岗位信息和每个所述目标人员信息，确定每个所述目标人员信息对应的二元组人岗数据；将每个所述二元组人岗数据输入人岗匹配神经网络模型，得到所述人岗匹配神经网络模型输出的所述待匹配岗位信息对应的人员岗位匹配结果；所述人岗匹配神经网络模型是根据所述二元组人岗数据的样本及其对应的人员信息标签训练得到的
。2.
根据权利要求1所述的人力资源岗位匹配方法，其特征在于，所述对待匹配岗位信息与多个人员信息进行匹配排序，确定排序靠前的多个目标人员信息，包括：采用分词工具对所述待匹配岗位信息进行分词，得到所述待匹配岗位信息的多个分词；将所述待匹配岗位信息的各个分词与每个所述人员信息进行相关性匹配，确定每个所述人员信息对应的相关性匹配分数；将每个所述人员信息对应的相关性匹配分数进行降序排序，得到排序靠前的多个目标人员信息
。3.
根据权利要求1所述的人力资源岗位匹配方法，其特征在于，所述人岗匹配神经网络模型基于排序学习算法模型构建的，所述排序学习算法模型包括
BERT
网络层
、
线性映射层和前馈神经网络层：所述将每个所述二元组人岗数据输入人岗匹配神经网络模型，得到所述人岗匹配神经网络模型输出的所述待匹配岗位信息对应的人员岗位匹配结果，包括：对每个所述二元组人岗数据进行编号排序，并将排序好的每个所述二元组人岗数据按顺序输入至所述
BERT
网络层，得到所述
BERT
网络层输出的每个所述二元组人岗数据对应的表示向量；按顺序依次将每个所述二元组人岗数据对应的表示向量输入至所述线性映射层，得到所述线性映射层输出的每个所述二元组人岗数据对应的低维向量；将每个所述二元组人岗数据对应的低维向量输入至所述前馈神经网络层，得到所述前馈神经网络层输出的每个所述二元组人岗数据对应的匹配概率，并对每个所述二元组人岗数据对应的匹配概率进行降序排列，得到所述待匹配岗位信息对应的人员岗位匹配结果
。4.
根据权利要求1所述的人力资源岗位匹配方法，其特征在于，在所述对待匹配岗位信息与多个人员信息进行匹配排序，确定排序靠前的多个目标人员信息之前，所述方法还包括：获取待匹配岗位原始信息；利用大语言模型，对所述待匹配岗位原始信息进行数据增强，得到所述待匹配岗位原始信息对应的多个待匹配岗位信息
。5.

【专利技术属性】
技术研发人员：赵杰，汤嘉琦，苏思，唐琳，周万宁，陈贺云，潘嘉骅，何奕江，
申请(专利权)人：北京大学长沙计算与数字经济研究院中国人民解放军，
类型：发明
国别省市：