[發明專利]一種基于強化學習的人崗匹配方法及裝置

在審

• 申請號: 201911414136.6
• 申請日: 2019-12-31
• 公開（公告）號: CN111192024A
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 蔣鎮鴻;謝黛娜;陳統
• 申請（專利權）人: 廣東軒轅網絡科技股份有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06F16/28;G06N20/00
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 谷孝東

1.一種基于強化學習的人崗匹配方法，其特征在于，包括如下步驟：

信息獲取步驟：獲取所有相關人員的簡歷數據；

第一信息抽取步驟：通過實體命名模型和關系抽取模型對簡歷數據進行信息抽取，以生成對應人員的圖譜特征集合；

比對步驟：將得到的圖譜特征集合輸入智能人事模型進行匹配以得到面試推薦人員表；

推送步驟：將面試推薦人員表推送至招聘單位處。

2.如權利要求1所述的一種基于強化學習的人崗匹配方法，其特征在于，所述智能人事模型通過如下步驟構建得到：

接收步驟：接收一招聘單位反饋的操作信息以及對應人員的簡歷信息與招聘信息，且所述操作信息與對應人員的簡歷信息匹配；

第二信息抽取步驟：采用自然語言技術對所有的簡歷、招聘信息進行處理，并抽取簡歷、招聘中的各實體特征；

關聯步驟：將抽取到的簡歷、招聘中的各實體特征與對應人員、知識進行關聯以得知識圖譜；

模型訓練步驟：通過用知識圖譜對神經網絡進行訓練以得到智能人事模型。

3.如權利要求1所述的一種基于強化學習的人崗匹配方法，其特征在于，所述比對步驟具體包括如下步驟：

將圖譜特征集合中所有人員的特征信息輸入智能人事模型進行一一匹配，并根據匹配結果以得所有人員的推薦分數；

將推薦分數排名靠前的人員進行整合以形成面試推薦人員表。

4.如權利要求1所述的一種基于強化學習的人崗匹配方法，其特征在于，在所述比對步驟中，所述面試推薦人員表中包含至少5名待面試者。

5.如權利要求1所述的一種基于強化學習的人崗匹配方法，其特征在于，在推送步驟之后還包括反饋步驟：將接收到的招聘單位用戶對推薦面試人員表中的所有人員的反饋信息，并將反饋信息以及對應面試人員的簡歷數據發送至智能人事模型以實現模型修正。

6.一種電子設備，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1-5中任意一項所述的一種基于強化學習的人崗匹配方法。

7.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現如權利要求1-5任意一項所述的一種基于強化學習的人崗匹配方法。

8.一種基于強化學習的人崗匹配方法，其特征在于，包括如下步驟：

信息獲取步驟：獲取待應聘者的簡歷信息以及所有相關招聘單位的智能人事模型；

信息抽取步驟：通過實體命名模型和關系抽取模型對待應聘者的簡歷信息及招聘信息進行數據抽取以生成知識圖譜；

比對步驟：將得到的知識圖譜輸入所有相關招聘單位的智能人事模型進行匹配以得到面試推薦招聘單位表；

推送步驟：將面試推薦招聘單位表推送至待應聘者處。

9.如權利要求8所述的一種基于強化學習的人崗匹配方法，其特征在于，所述智能人事模型通過如下步驟構建得到：

接收步驟：接收一招聘單位反饋的操作信息以及對應人員的簡歷信息與招聘信息，且所述操作信息與對應人員的簡歷信息匹配；

第二信息抽取步驟：采用自然語言技術對所有的簡歷、招聘信息進行處理，并抽取簡歷、招聘中的各實體特征；

關聯步驟：將抽取到的簡歷、招聘中的各實體特征與對應人員及知識進行關聯以得知識圖譜；

模型訓練步驟：通過用知識圖譜神對經網絡進行訓練以得到智能人事模型；

所述比對步驟具體包括如下步驟：

將待應聘者的知識圖譜輸入所有招聘單位的智能人事模型進行一一匹配，并根據匹配結果以得到所有招聘單位與待應聘者的匹配分數；

將匹配分數靠前的招聘單位進行整合以形成面試推薦招聘單位表。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現如權利要求8-9任意一項所述的一種基于強化學習的人崗匹配方法。