一种基于BERT模型的简历筛选方法技术

本发明专利技术公开了一种基于BERT模型的简历筛选方法及系统，属于深度学习与文本分类技术领域。本发明专利技术包括：获取岗位需求文本数据以及求职者简历文本数据，并进行预处理；基于TFIDF‑LDA模型，对预处理文本向量进行主题词提取和类别特征扩充；基于信息熵的N‑gram对经类别特征扩充后的主题词向量进行取词词汇过滤；结合深度学习匹配度计算模块，计算岗位与求职者的综合匹配度，结合设定的阈值对求职者简历进行初筛；基于FE‑BERT模型进行简历文本分类，即得到简历筛选结果。本发明专利技术能够解决现有简历筛选方法存在的由于关键词匹配不精准、无法理解上下文等原因，导致难以准确评估候选人的能力，不能适配不同岗位需求，或者人才筛选精准度低的问题。

【技术实现步骤摘要】

本专利技术属于深度学习与文本分类，更具体地说，涉及一种基于bert模型的简历筛选方法。

技术介绍

1、在当今大数据的时代背景下，各类信息数据呈几何级增长，如何利用信息技术手段改善当前工作方式，提高企业运行效率至关重要。企业之间竞争的本质就是人才的竞争，人才的质量与数量决定公司发展能否长久。如何快速准确地发现并录用符合公司发展需要的人才，成为近几年众多企业和专家学者们共同关注的焦点。

2、然而，现有的简历筛选环节存在以下几个问题：(1)很多企业使用ats(应用跟踪系统)自动筛选简历，这些系统往往依赖于关键词匹配，如果候选人的简历没有包含特定的关键词，即使他们很合适，也可能被系统自动排除；(2)在简历筛选时，招聘人员可能难以判断候选人是否具备特定职位所需的核心能力，尤其是对于那些技能较为特殊或对经验要求较高的岗位；(3)简历筛选往往注重候选人的过往经验和现有技能，而可能忽视了个人的潜力和成长空间。

3、经检索，中国专利202410613842.8公开了一种基于词语分类的人力资源简历筛选方法，该申请案在进行简历筛选过程中，关键词匹配方法仅本文档来自技高网...

【技术保护点】

1.一种基于BERT模型的简历筛选方法，其特征在于，包括：

2.根据权利要求1所述的基于BERT模型的简历筛选方法，其特征在于，所述对文本数据分别进行预处理，包括：

3.根据权利要求1所述的基于BERT模型的简历筛选方法，其特征在于，所述基于TFIDF-LDA模型，对预处理文本向量进行主题词提取和类别特征扩充，获得对应的经类别特征扩充后的主题词向量，包括：

4.根据权利要求3所述的简历筛选方法，其特征在于，所述TF-IDF值的计算公式如下：

5.根据权利要求3所述的简历筛选方法，其特征在于，所述LDA模型中，整篇文档的生成概率公式为：...

【技术特征摘要】

1.一种基于bert模型的简历筛选方法，其特征在于，包括：

2.根据权利要求1所述的基于bert模型的简历筛选方法，其特征在于，所述对文本数据分别进行预处理，包括：

3.根据权利要求1所述的基于bert模型的简历筛选方法，其特征在于，所述基于tfidf-lda模型，对预处理文本向量进行主题词提取和类别特征扩充，获得对应的经类别特征扩充后的主题词向量，包括：

4.根据权利要求3所述的简历筛选方法，其特征在于，所述tf-idf值的计算公式如下：

5.根据权利要求3所述的简历筛选方法，其特征在于，所述lda模型中，整篇文档的生成概率公式为：

6.根据权利要求1-5中任一项所述的简历筛选方法，其特征在于，所述基于信息熵的n-gram对经类别特征扩充后的主题词向量进行取词词汇过滤，包括：

【专利技术属性】
技术研发人员：洪旭东，刘逸新，邰伟鹏，李伟，王康业，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：