[發明專利]一種職位推薦方法及計算設備

有效

• 申請號: 201710534021.5
• 申請日: 2017-07-03
• 公開（公告）號: CN107341233B
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 張朝陽;謝雙賓;郭旺平
• 申請（專利權）人: 北京拉勾科技有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/335;G06Q50/20
• 代理公司: 北京思睿峰知識產權代理有限公司 11396
• 代理人: 謝建云;趙愛軍

本發明公開了一種職位推薦方法，用于推薦與目標職位相關的職位，該方法在計算設備中執行，包括步驟：根據多個用戶的行為日志計算目標職位與其他職位的共現次數；按共現次數值從高到低的順序依次選取第一數量個職位，生成目標職位的推薦候選集；分別計算目標職位與推薦候選集中每個職位的文本相似度；以及選取文本相似度值大于閾值的職位進行推薦。本發明一并公開了相應的計算設備。

技術領域

本發明涉及數據處理領域，特別涉及一種職位推薦方法及計算設備。

背景技術

隨著互聯網技術的發展，網絡應聘/招聘已經成了求職者應聘工作、用人單位招聘員工的主要途徑。用人單位和求職者在第三方的人才招聘網站上注冊賬號，相互之間進行搜索和交流，以尋求最滿意的對象。

人才招聘網站擁有大量的職位，一個應聘者登錄網站之后，可以從職位列表中瀏覽職位，也可以依靠關鍵字去搜索可能適合自己的職位。一般地，職位列表數量巨大，應聘者無法在短時間內找到自己感興趣的職位；而使用關鍵字搜索，應聘者使用的關鍵字的數量和精確性有限，搜索出來的職位數量常常很大，很難快速找到適合自己的職位。為了解決這種情況，現在招聘網站常采用的做法是：為應聘者推薦職位，網站主動地把可能適合的職位推送給應聘者。

目前的職位推薦方法，主要是采用基于統計的方法，也即統計所有職位被瀏覽的次數以及被關注的程度，作為職位的熱度，然后把熱度最高的職位推薦給應聘者。但是招聘網站上有很多職位收到的簡歷投遞很少，或者是有些剛發布沒多久的職位，其簡歷投遞量還是0，在這種情況下，這種職位推薦方法存在推薦不準和覆蓋率低的問題。

因此，需要一種能夠解決由于數據稀疏性引起推薦不準的問題的職位推薦方法。

發明內容

為此，本發明提供了一種職位推薦方法及計算設備，以力圖解決或者至少緩解上面存在的至少一個問題。

根據本發明的一個方面，提供了一種職位推薦方法，用于推薦與目標職位相關的職位，該方法在計算設備中執行，包括步驟：根據多個用戶的行為日志計算目標職位與其他職位的共現次數；按共現次數值從高到低的順序依次選取第一數量個職位，生成目標職位的推薦候選集；分別計算目標職位與推薦候選集中每個職位的文本相似度；以及選取文本相似度值大于閾值的職位進行推薦。

可選地，在根據本發明的推薦方法中，根據多個用戶的行為日志計算目標職位與其他職位的共現次數的步驟包括：獲取多個用戶的職位投遞記錄，根據職位投遞記錄分別計算目標職位與其他每個職位的投遞共現次數；獲取多個用戶的職位瀏覽記錄，根據職位瀏覽記錄分別計算目標職位與其他每個職位的瀏覽共現次數；以及根據投遞共現次數和瀏覽共現次數分別計算目標職位與其他每個職位的共現次數。

可選地，在根據本發明的推薦方法中，根據投遞共現次數和瀏覽共現次數分別計算目標職位與其他每個職位的共現次數的步驟包括：用第一系數和第二系數分別與投遞共現次數和瀏覽共現次數相乘，得到處理后的投遞共現次數和瀏覽共現次數；將處理后的投遞共現次數和瀏覽共現次數相加，得到共現次數。

可選地，在根據本發明的推薦方法中，分別計算目標職位與推薦候選集中每個職位的文本相似度的步驟包括：計算每個職位的特征向量，其中所述特征向量用于描述該職位在各主題上的概率分布；以及計算目標職位的特征向量與推薦候選集中每個職位的特征向量的夾角余弦相似度，作為文本相似度。

可選地，在根據本發明的推薦方法中，計算每個職位的特征向量的步驟包括：利用文檔主題生成模型生成每個職位的特征向量。

可選地，在根據本發明的推薦方法中，還包括訓練生成文檔主題生成模型的步驟：對訓練樣本中的每個職位中的每個詞，隨機賦一個主題，作為初始主題；掃描訓練樣本，利用吉布斯采樣法采樣得到每個詞屬于各主題的概率；以及重復所述采樣步驟，直到所述概率趨于穩定，得到文檔主題生成模型。