[發明專利]一種基于深度學習的數據推薦方法、裝置及終端設備

在審

• 申請號: 201910525731.0
• 申請日: 2019-06-18
• 公開（公告）號: CN110297973A
• 公開（公告）日: 2019-10-01
• 發明（設計）人: 賈微微
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q10/10
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種基于深度學習的數據推薦方法，其特征在于，包括：

獲取多個應聘人員的人物畫像；應聘人員與所述應聘人員的人物畫像一一對應；所述應聘人員的人物畫像包括所述應聘人員的多維度信息；

對獲取到的所述多個應聘人員的人物畫像分別進行特征提?。?/p>

將提取出的第一特征輸入到訓練好的訓練模型，分別獲得所述多個應聘人員的評分；所述多個應聘人員中每一個應聘人員的評分分別與所述每一個應聘人員一一對應；

從所述多個應聘人員中確定出評分大于或等于預設閾值的目標應聘人員。

2.根據權利要求1所述的方法，其特征在于，所述將提取出的第一特征輸入到訓練好的訓練模型之前，還包括：

獲取多個績優的在職人員的人物畫像；

對獲取到的所述多個績優的在職人員的人物畫像分別進行特征提??；

對提取出的第二特征進行訓練以獲得所述訓練好的訓練模型，所述訓練模型用于根據輸入的特征生成評分。

3.根據權利要求2所述的方法，其特征在于，輸入到所述訓練模型的特征與所述第二特征的相似度越高則所述訓練模型生成的評分越高。

4.根據權利要求1所述的方法，其特征在于，所述獲取多個應聘人員的人物畫像之前，還包括：

獲取多個應聘人員的簡歷信息；所述簡歷信息包括以下至少一項：應聘人員的年齡、性別、學歷、表達能力、工作技能、學歷、期望薪資、期望工作地區、應聘崗位或專業；

根據獲取到的所述多個應聘人員的簡歷信息，在多個維度下，對所述多個應聘人員中每一個應聘人員分別進行人物畫像，以生成所述每一個應聘人員的人物畫像。

5.根據權利要求4所述的方法，其特征在于，所述根據獲取到的所述多個應聘人員的簡歷信息，在多個維度下，對所述多個應聘人員中每一個應聘人員分別進行人物畫像，以生成所述每一個應聘人員的人物畫像，包括：

根據獲取到的所述多個應聘人員的簡歷信息，篩選出每一個應聘人員在多個維度下的信息；

通過崗位勝任素質模型對每一個應聘人員在多個維度下的信息進行訓練，從而生成所述每一個應聘人員的人物畫像。

6.根據權利要求1所述的方法，其特征在于，所述對獲取到的所述多個應聘人員的人物畫像分別進行特征提取，包括：

通過神經網絡對獲取到的所述多個應聘人員中每一個應聘人員的人物畫像分別進行特征提取，所述神經網絡包括長短時記憶網絡、循環神經網絡、深度卷積網絡和深度殘差網絡中的至少一項。

7.一種招聘裝置，其特征在于，包括：

第一獲取單元，用于獲取多個應聘人員的人物畫像；應聘人員與所述應聘人員的人物畫像一一對應；所述應聘人員的人物畫像包括所述應聘人員的多維度信息；

特征提取單元，用于對獲取到的所述多個應聘人員的人物畫像分別進行特征提取；

第二獲取單元，用于將提取出的第一特征輸入到訓練好的訓練模型，分別獲得所述多個應聘人員的評分；所述多個應聘人員中每一個應聘人員的評分分別與所述每一個應聘人員一一對應；

確定單元，用于從所述多個應聘人員中確定出評分大于或等于預設閾值的目標應聘人員。

8.如權利要求7所述的裝置，其特征在于，

特征提取單元，用于：

通過神經網絡對獲取到的所述多個應聘人員中每一個應聘人員的人物畫像分別進行特征提取，所述神經網絡包括長短時記憶網絡、循環神經網絡、深度卷積網絡和深度殘差網絡中的至少一項。

9.一種招聘設備，其特征在于，包括：輸入設備、輸出設備、存儲器以及耦合于所述存儲器的處理器，所述輸入設備、輸出設備、處理器和存儲器相互連接，其中，所述存儲器用于存儲應用程序代碼，所述處理器被配置用于調用所述程序代碼，執行如權利要求1-6所述的基于深度學習的數據推薦方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機存儲介質存儲有計算機程序，所述計算機程序包括程序指令，所述程序指令當被處理器執行時使所述處理器執行如權利要求1-6所述的基于深度學習的數據推薦方法。