一种基于人工智能的岗位招聘分析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岗位招聘分析方法及系统，包括：对不同岗位进行定性和定量分析；建立人才评估模型，根据所述人才评估模型对人才进行第一岗位匹配度评估；为不同岗位设置不同的权重和偏置度；对不同的人才参数设置不同的评分度；基于不同的权重

【技术实现步骤摘要】
一种基于人工智能的岗位招聘分析方法及系统


[0001]本专利技术涉及信息
，具体涉及基于人工智能的岗位招聘分析方法及系统
。

技术介绍

[0002]随着
AI
技术的普及，对于人才匹配岗位的需求也逐渐上升
。
然而，目前的技术中，大部分依旧采用传统的匹配方法，无法达到真正的智能匹配
。
其中，现有的技术包括基于关键词的匹配
、
基于简历的筛选等，这些方法的缺陷是只能实现初步的筛选，无法进行深入的定性和定量分析，也难以准确评估出人才与岗位的真实匹配度
。

技术实现思路

[0003]本申请提供了一种基于人工智能的岗位招聘分析方法及系统，为解决现有技术中无法进行深入的定性和定量分析，也难以准确评估出人才与岗位的真实匹配度的问题
。
[0004]鉴于上述问题，本申请提供了一种基于人工智能的岗位招聘分析方法及系统
。
[0005]本申请实施例提供基于人工智能的岗位招聘分析方法，包括：对不同岗位进行定性和定量分析，其中，定性分析是通过深度学习和自然语言处理技术，分析岗位描述
、
要求的文本信息，提取岗位的核心技能和特点；定量分析是基于统计学的方法，对岗位的薪酬
、
晋升机会
、
工作年限
、
培训机会进行量化评估，为每个岗位设定一个量化指标；建立人才评估模型，根据所述人才评估模型对人才进行第一岗位匹配度评估；为不同岗位设置不同的权重和偏置度；对不同的人才参数设置不同的评分度；基于不同的权重
、
偏置度和评分度，对所述人才评估模型进行优化，并利用优化后的人才评估模型进行第二岗位匹配度评估；其中，根据所述人才评估模型对人才进行第一岗位匹配度评估，包括：根据所述人才评估模型对人才进行第一岗位匹配度 评估，包括：获取候选人的简历数据，并进行特征提取；对所述提取的特征进行加权运算；利用余弦相似度，计算所述候选人的特征向量与岗位要求向量之间的相似度；若所述相似度高于预设阈值，则认定所述候选人与所述岗位要求匹配；其中，所述人才评估模型包括
transformer
模型和支持向量机
SVM
模型，基于不同的权重
、
偏置度和评分度，对所述人才评估模型进行优化，并利用优化后的人才评估模型进行第二岗位匹配度评估，包括：加载一个预训练的
Transformer
模型，获取所述
Transformer
模型的参数；基于所述不同的权重
、
偏置度和评分度，修改所述
Transformer
模型的参数；获取岗位数据和简历数据，利用所述
Transformer
模型进行文本特征提取；基于所述提取的特征，进行分类
、
实体识别和聚类处理，以确定岗位和简历的定性匹配；
构建支持向量机
SVM
模型，并对所述
SVM
模型进行训练；使用所述
SVM
模型对所述岗位数据和简历数据中的量化数据进行分析，以确定岗位和简历的定量匹配，或，所述人才评估模型包括大语言模型
LLM
，则基于不同的权重
、
偏置度和评分度，对所述人才评估模型进行优化，并利用优化后的人才评估模型进行第二岗位匹配度评估，包括：获取岗位数据和简历数据，提取出其中的文本特征；构建一个结构化文字提示框架，将所述文本特征
、
权重
、
偏置度和评分度添加进所述文字提示框架中，生成一个文字提示；将所述文字提示输入至所述
LLM
中，输出岗位和简历的匹配程度
。
[0006]可选地，对不同岗位进行定性分析，包括：获取历史岗位描述数据，对所述岗位描述数据进行预处理；使用词嵌入技术将所述预处理后的历史岗位描述数据转换为数值向量，将所述数值向量划分为训练集
、
验证集和测试集；构建
transformer
模型，将所述训练集输入至所述
transformer
模型中进行模型训练；将所述训练后的
transformer
模型对不同岗位进行岗位所需技能和岗位特点提取
。
[0007]可选地，对不同岗位进行定量分析，包括：收集不同岗位的定量数据；对所述不同岗位的定量数据进行预处理；使用主成分分析
PCA
方法，从预处理后的所述定量数据中提取权重；构建量化模型，并基于所述量化模型为每个岗位计算出一个量化指标，所述量化指标为岗位参数与对应权重的加权求和
。
[0008]可选地，建立人才评估模型，包括：收集历史的岗位描述和人才简历数据；对收集到的所述历史的岗位描述和人才简历数据进行预处理，将所述预处理后的岗位描述和人才简历数据划分为训练集
、
测试集和验证集；构建不同的人工智能模型，并设定模型初始参数；将所述训练集分别输入至不同的人工智能模型分别进行训练，所述训练后的不同的人工智能模型共同组成所述人才评估模型，其中，所述不同的人工智能模型包括
transformer
模型
、
支持向量机
SVM
模型或大语言模型
LLM。
[0009]可选地，为不同岗位设置不同的权重和偏置度，包括：利用熵权法确定不同岗位的权重，包括：将原始数据进行标准化处理，转化为无量纲的数据；计算每个指标的熵值，所述指标为岗位的指标；计算每个指标的差异系数；基于所述每个指标的熵值和差异系数，计算每个指标的指标权重；建立岗位评估模型；
识别需要调整的岗位；为所述需要调整的岗位收集评估结果和实际的业务结果，所述评估结果由所述岗位评估模型对所述岗位进行评估获得；计算所述评估结果和实际的业务结果之间的偏差；基于所述偏差，设置偏置项，以便将所述偏置项直接加到所述岗位评估模型的原始输出上，调整最终的评估结果
。
[0010]可选地，对不同的人才参数设置不同的评分度，包括：使用决策树模型进行建模，并通过决策树模型为每种人才参数设置评分度，或使用神经网络模型进行建模，并通过决策树模型为每种人才参数设置评分度，其中，使用决策树模型进行建模，并通过决策树模型为每种人才参数设置评分度，包括：获取历史的人才相关数据，并对所述人才相关数据进行预处理；建立决策树模型，通过预处理的人才相关数据对所述决策树模型进行训练；设立第一目标变量为决策树的输出目标，所述第一目标变量为一种人才参数；根据决策树的分裂，为每个人才的目标变量设置评分度；使用神经网络模型进行建模，并通过决策树模型为每种人才参数设置评分度，包括：获取历史的人才相关数据，并对所述人才相关数据进行预处理；构建神经网络模型，通过预处理的人才相关数据对所述神经网络模型进行训练；设立第二目标变量作为神经网络的输出目标，所述第二目标变量为一种人才参数；利用所述神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的岗位招聘分析方法，其特征在于，包括：对不同岗位进行定性和定量分析，其中，定性分析是通过深度学习和自然语言处理技术，分析岗位描述
、
要求的文本信息，提取岗位的核心技能和特点；定量分析是基于统计学的方法，对岗位的薪酬
、
晋升机会
、
工作年限
、
培训机会进行量化评估，为每个岗位设定一个量化指标；建立人才评估模型，根据所述人才评估模型对人才进行第一岗位匹配度评估；为不同岗位设置不同的权重和偏置度；对不同的人才参数设置不同的评分度；基于不同的权重
、
偏置度和评分度，对所述人才评估模型进行优化，并利用优化后的人才评估模型进行第二岗位匹配度评估；其中，根据所述人才评估模型对人才进行第一岗位匹配度评估，包括：根据所述人才评估模型对人才进行第一岗位匹配度 评估，包括：获取候选人的简历数据，并进行特征提取；对所述提取的特征进行加权运算；利用余弦相似度，计算所述候选人的特征向量与岗位要求向量之间的相似度；若所述相似度高于预设阈值，则认定所述候选人与所述岗位要求匹配；其中，所述人才评估模型包括
transformer
模型和支持向量机
SVM
模型，基于不同的权重
、
偏置度和评分度，对所述人才评估模型进行优化，并利用优化后的人才评估模型进行第二岗位匹配度评估，包括：加载一个预训练的
Transformer
模型，获取所述
Transformer
模型的参数；基于所述不同的权重
、
偏置度和评分度，修改所述
Transformer
模型的参数；获取岗位数据和简历数据，利用所述
Transformer
模型进行文本特征提取；基于所述提取的特征，进行分类
、
实体识别和聚类处理，以确定岗位和简历的定性匹配；构建支持向量机
SVM
模型，并对所述
SVM
模型进行训练；使用所述
SVM
模型对所述岗位数据和简历数据中的量化数据进行分析，以确定岗位和简历的定量匹配，或，所述人才评估模型包括大语言模型
LLM
，则基于不同的权重
、
偏置度和评分度，对所述人才评估模型进行优化，并利用优化后的人才评估模型进行第二岗位匹配度评估，包括：获取岗位数据和简历数据，提取出其中的文本特征；构建一个结构化文字提示框架，将所述文本特征
、
权重
、
偏置度和评分度添加进所述文字提示框架中，生成一个文字提示；将所述文字提示输入至所述
LLM
中，输出岗位和简历的匹配程度
。2.
根据权利要求1所述的方法，其特征在于，对不同岗位进行定性分析，包括：获取历史岗位描述数据，对所述历史岗位描述数据进行预处理；使用词嵌入技术将预处理后的历史岗位描述数据转换为数值向量，将所述数值向量划分为训练集
、
验证集和测试集；构建
transformer
模型，将所述训练集输入至所述
transformer
模型中进行模型训练；将训练后的
transformer
模型对不同岗位进行岗位所需技能和岗位特点提取
。3.
根据权利要求2所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：许宁，龚源，刘丰，
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：