基于DQN的人岗匹配方法、装置以及存储介质制造方法及图纸

本申请适用于计算机技术领域，提供了一种基于DQN的人岗匹配方法，包括：服务器服务器基于目标岗位的候选人简历集，获取目标岗位的初始状态空间；基于将候选人简历集中任一候选人简历与所述目标岗位的匹配动作，获取目标岗位的初始动作空间；将初始状态空间以及初始动作空间输入训练好的DQN模型中，获取目标岗位的期望候选人简历。采用本方法将深度学习引入至强化学习，通过设置即时奖励与候选人简历进行交互，实时输出期望候选人的简历，提升了人岗匹配的精确性。

【技术实现步骤摘要】

本申请属于计算机，尤其涉及一种基于dqn的人岗匹配方法、装置以及存储介质。

技术介绍

1、随着互联网技术的不断发展，进行网上招聘的招聘单位越来越多，通过互联网找工作的求职者也越来越多，网络招聘正逐渐取代传统的“面对面”的招聘方式，尤其是招聘网站，以其快速的职位搜索与推荐技术和人才搜索与推荐技术，以及丰富的职位资源和人才资源，在一定程度上解决了招聘方“招聘人才难”的问题和求职者“求职难”的问题。

2、目前，企业通常通过建立人事招聘软件从网上抓取符合招聘条件的大量的简历，但是这些简历通常是杂乱无章的，无法实现招聘条件和简历的精准匹配以及分拣分类，当企业有招聘需求的时候，往往还是需要花费大量的人力和时间从人事招聘软件中获取简历进行人工精准筛选，简历筛选以及匹配的效率较慢，耗费用人单位和求职者大量的时间和精力，降低了企业人事招聘整体的管理水平。

技术实现思路

1、本申请实施例提供了基于dqn的人岗匹配方法、装置以及存储介质，可以提高了求职人员与目标招聘岗位的匹配准确率。

2、第一方面，本申请实本文档来自技高网...

【技术保护点】

1.一种基于DQN的人岗匹配方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于DQN的人岗匹配方法，其特征在于，所述将所述初始状态空间以及所述初始动作空间输入训练好的DQN模型中，获取所述目标岗位的期望候选人简历，包括：

3.如权利要求1所述基于DQN的人岗匹配方法，其特征在于，所述方法还包括：利用经验回放池中的历史岗位信息以及所述历史岗位信息的匹配简历信息训练所述DQN模型，获取训练好的DQN模型。

4.如权利要求3所述基于DQN的人岗匹配方法，其特征在于，所述DQN模型中包含第一Q网络以及第二Q网络，所述第一Q网络与所述第二Q网络的结构一...

【技术特征摘要】

1.一种基于dqn的人岗匹配方法，其特征在于，所述方法包括：

2.如权利要求1所述的基于dqn的人岗匹配方法，其特征在于，所述将所述初始状态空间以及所述初始动作空间输入训练好的dqn模型中，获取所述目标岗位的期望候选人简历，包括：

3.如权利要求1所述基于dqn的人岗匹配方法，其特征在于，所述方法还包括：利用经验回放池中的历史岗位信息以及所述历史岗位信息的匹配简历信息训练所述dqn模型，获取训练好的dqn模型。

4.如权利要求3所述基于dqn的人岗匹配方法，其特征在于，所述dqn模型中包含第一q网络以及第二q网络，所述第一q网络与所述第二q网络的结构一致。

5.如权利要求4所述的基于dqn的人岗匹配方法，其特征在于，所述第一q网络以及第二q网络为卷积神经网络，所述卷积神经网络依次包括第一卷积层、第二卷积层、第三卷积层、...

【专利技术属性】
技术研发人员：董西尚，王洪雷，马玉祥，
申请(专利权)人：枣庄学院，
类型：发明
国别省市：