【技术实现步骤摘要】
本申请涉及人工智能，应用于招聘面试理赔场景中，尤其涉及一种业务风控方法、装置、设备及其存储介质。
技术介绍
1、目前，理赔系统的自动化识别和分类技术已经成为了一个热门的研究领域。当前的理赔系统ai助手主要是通过人工编写规则和算法实现的，效率低下，准确性也不高。
2、当前，基于人工智能的面试综合评价算法非常稀缺，主要原因是绝大多数企业的招聘仍然停留在传统的依靠人工浏览并筛选简历，然后通过打电话进行初步面试的模式。大型的求职网站对于简历的筛选都是通过智能岗位匹配，即通过人员和公司的属性、标签等信息计算出求职者与应聘岗位的匹配值。保险公司在对面试结果进行承保时，仅仅根据智能岗位匹配进行承保，还存在较大的理赔风险。
技术实现思路
1、本申请实施例的目的在于提出一种业务风控方法、装置、设备及其存储介质，以解决现有在对面试结果进行承保时，仅仅根据智能岗位匹配进行承保，还存在较大的理赔风险的问题。
2、为了解决上述技术问题，本申请实施例提供业务风控方法，采用了如下所述的技术方案：
3、一种业务风控方法，包括下述步骤：
4、获取目标对象的人物画像信息；
5、获取所述目标对象所期望的岗位待遇信息；
6、获取所述目标对象所投递的招聘岗位信息；
7、将所述人物画像信息和所述岗位待遇信息作为应试匹配数据，输入到已训练完成的岗位推荐匹配度模型中；
8、获得所述已训练完成的岗位推荐匹配度模型根据所述应试匹配数据所输
9、采用预设的聚类算法对不同岗位匹配度的初筛招聘岗位分别进行聚类处理，获得聚类处理结果；
10、识别所述目标对象所投递的招聘岗位信息所属的聚类处理结果，并基于所述聚类处理结果得到应聘预测结果；
11、根据所述应聘预测结果和预设的理赔单生成策略生成面试结果理赔单。
12、进一步的，所述获取目标对象的人物画像信息的步骤，具体包括：
13、通过对所述目标对象所投递的面试简历文档进行文本信息抽取，获得所述目标对象的工作技能、工作经验、教育背景、年龄信息、性格信息；
14、将所述目标对象的工作技能、工作经验、教育背景、年龄信息、性格信息作为所述人物画像信息；
15、所述获取所述目标对象所期望的岗位待遇信息的步骤，具体包括：
16、通过对所述目标对象所投递的面试简历文档进行文本信息抽取，获得所述目标对象所要求的薪水信息和公司福利待遇信息；
17、将所述目标对象所要求的薪水信息和公司福利待遇信息作为所述目标对象所期望的岗位待遇信息；
18、所述获取所述目标对象所投递的招聘岗位信息的步骤，具体包括：
19、根据所述目标对象所投递的面试简历文档的投递指向，识别出所述目标对象所投递的招聘岗位名称；
20、将所述招聘岗位名称作为所述招聘岗位信息。
21、进一步的，在执行所述将所述人物画像信息和所述岗位待遇信息作为应试匹配数据，输入到已训练完成的岗位推荐匹配度模型中的步骤之前，所述方法还包括：
22、获取预设招聘平台中历史全量招聘数据，其中，所述招聘数据包括招聘岗位名称、所有招聘岗位所对应的应试限定条件信息，其中，所述应试限定条件信息包括应试者的工作技能、工作经验、教育背景、年龄信息和公司所能提供的薪水信息和福利待遇信息；
23、根据招聘岗位名称对所有招聘岗位所对应的应试限定条件信息进行分类整理，获得分类整理结果；
24、构建所述分类整理结果与招聘岗位名称间的关联对应关系；
25、将不同招聘岗位所对应的分类整理结果分批次的输入到待训练的岗位推荐匹配度模型中，对所述岗位推荐匹配度模型进行训练，以使得所述岗位推荐匹配度模型学习到不同招聘岗位所对应的应试限定条件信息，得到已训练完成的岗位推荐匹配度模型。
26、进一步的，所述获得所述已训练完成的岗位推荐匹配度模型根据所述应试匹配数据所输出的所有初筛招聘岗位以及每个初筛招聘岗位分别所对应的岗位匹配度的步骤，具体包括：
27、将所述应试匹配数据作为第一对比数据；
28、依次从所述已训练完成的岗位推荐匹配度模型中筛选出不同招聘岗位所对应的应试限定条件信息，作为第二对比数据；
29、采用预设的相似度算法，计算所述第二对比数据与所述第一对比数据之间的相似度；
30、若所述相似度超过了预设的相似阈值，则将所述第二对比数据所对应的招聘岗位标记为初筛招聘岗位，以及将所述相似度设置为所述初筛招聘岗位的岗位匹配度。
31、进一步的，在执行所述采用预设的聚类算法对不同岗位匹配度的初筛招聘岗位分别进行聚类处理，获得聚类处理结果的步骤之前，所述方法还包括：
32、根据岗位匹配度从高到低原则对所有初筛招聘岗位进行排序处理，获得排序序列；
33、所述采用预设的聚类算法对不同岗位匹配度的初筛招聘岗位分别进行聚类处理，获得聚类处理结果的步骤，具体包括：
34、从所述排序序列中选择首位的初筛招聘岗位作为聚类初始中心点；
35、采用k近邻算法从所述聚类初始中心点依次对所述排序序列中包含的初筛招聘岗位进行聚类处理，并根据聚类先后顺序对每个聚类处理结果设定应聘成功优先级，其中，在先聚类处理结果的应聘成功优先级高于在后聚类处理结果的应聘成功优先级，所述k近邻算法中的k值表示每个聚类处理结果中初筛招聘岗位的数量；
36、在执行所述采用预设的聚类算法对不同岗位匹配度的初筛招聘岗位分别进行聚类处理，获得聚类处理结果的步骤之后，所述方法还包括：
37、根据每个聚类结果对应的应聘成功优先级，确定所有初筛招聘岗位分别对应的应聘成功优先级。
38、进一步的，在执行所述识别所述目标对象所投递的招聘岗位信息所属的聚类处理结果，并基于所述聚类处理结果得到应聘预测结果的步骤之前，所述方法还包括：
39、获取预先为不同应聘成功优先级分别所设置的应聘成功置信值；
40、所述识别所述目标对象所投递的招聘岗位信息所属的聚类处理结果，并基于所述聚类处理结果得到应聘预测结果的步骤，具体包括：
41、识别所述目标对象所投递的招聘岗位信息所属的聚类处理结果作为目标聚类处理结果；
42、根据所述目标聚类处理结果对应的应聘成功优先级，获得相应的应聘成功置信值；
43、将所述相应的应聘成功置信值，设置为所述目标对象所投递的招聘岗位信息的应聘预测结果。
44、进一步的，在执行所述根据所述应聘预测结果和预设的理赔单生成策略生成面试结果理赔单的步骤之前，所述方法还包括：
45、根据所述招聘平台中历史全量招聘数据，识别所述目标对象所投递的招聘岗位信息的实际招聘置信度，其中，所述实际招聘置信度由目标公司所发布本文档来自技高网...
【技术保护点】
1.一种业务风控方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的业务风控方法，其特征在于，所述获取目标对象的人物画像信息的步骤，具体包括：
3.根据权利要求1所述的业务风控方法，其特征在于，在执行所述将所述人物画像信息和所述岗位待遇信息作为应试匹配数据，输入到已训练完成的岗位推荐匹配度模型中的步骤之前，所述方法还包括：
4.根据权利要求3所述的业务风控方法，其特征在于，所述获得所述已训练完成的岗位推荐匹配度模型根据所述应试匹配数据所输出的所有初筛招聘岗位以及每个初筛招聘岗位分别所对应的岗位匹配度的步骤，具体包括：
5.根据权利要求1所述的业务风控方法，其特征在于，在执行所述采用预设的聚类算法对不同岗位匹配度的初筛招聘岗位分别进行聚类处理，获得聚类处理结果的步骤之前，所述方法还包括：
6.根据权利要求5所述的业务风控方法，其特征在于，在执行所述识别所述目标对象所投递的招聘岗位信息所属的聚类处理结果，并基于所述聚类处理结果得到应聘预测结果的步骤之前，所述方法还包括：
7.根据权利要求3所述的业务风控方法
8.一种业务风控装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的业务风控方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的业务风控方法的步骤。
...【技术特征摘要】
1.一种业务风控方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的业务风控方法，其特征在于，所述获取目标对象的人物画像信息的步骤，具体包括：
3.根据权利要求1所述的业务风控方法，其特征在于，在执行所述将所述人物画像信息和所述岗位待遇信息作为应试匹配数据，输入到已训练完成的岗位推荐匹配度模型中的步骤之前，所述方法还包括：
4.根据权利要求3所述的业务风控方法，其特征在于，所述获得所述已训练完成的岗位推荐匹配度模型根据所述应试匹配数据所输出的所有初筛招聘岗位以及每个初筛招聘岗位分别所对应的岗位匹配度的步骤，具体包括：
5.根据权利要求1所述的业务风控方法，其特征在于，在执行所述采用预设的聚类算法对不同岗位匹配度的初筛招聘岗位分别进行聚类处理，获得聚类处理结果的步骤之前，所述方法还包括：
6.根...
【专利技术属性】
技术研发人员：张盛荣，
申请(专利权)人：中国平安财产保险股份有限公司，
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。