[發明專利]基于知識圖譜、深度學習的人崗匹配方法、存儲裝置

有效

• 申請號: 202010469970.1
• 申請日: 2020-05-28
• 公開（公告）號: CN111737486B
• 公開（公告）日: 2023-06-02
• 發明（設計）人: 蔣鎮鴻;謝黛娜;吳貴業;馮元勇;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: G06F16/36
• 分類號: G06F16/36;G06Q10/105
• 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: 曾令軍

本發明提供一種基于知識圖譜、深度學習的人崗匹配方法、存儲裝置，該人崗匹配方法包括：S101：將待選簡歷、歷史最優簡歷以及招聘信息存儲進知識圖譜，并根據知識圖譜獲取第一待選簡歷特征、第二待選簡歷特征、歷史最優簡歷特征以及招聘要求特征；S102：獲取待選簡歷的匹配度，并通過第二待選簡歷特征、招聘要求特征獲取競爭力分析數據；S103：獲取待選簡歷的滿意度，并輸出待選簡歷的匹配信息。本發明能夠代替人工來衡量一份簡歷是否滿足工作的招聘要求、企業端的HR是否滿意該簡歷，可以精確且高效獲取簡歷與崗位的匹配結果，簡歷篩選以及匹配的效率高，大大降低用人單位和求職者的時間和精力，提高了企業人事招聘整體的管理水平。

技術領域

本發明涉及人工智能應用領域，尤其涉及一種基于知識圖譜、深度學習的人崗匹配方法、存儲裝置。

背景技術

隨著互聯網技術的不斷發展，進行網上招聘的招聘單位越來越多，通過互聯網找工作的求職者也越來越多，網絡招聘正逐漸取代傳統的“面對面”的招聘方式，尤其是招聘網站，以其快速的職位搜索與推薦技術和人才搜索與推薦技術，以及豐富的職位資源和人才資源，在一定程度上解決了招聘方“招聘人才難”的問題和求職者“求職難”的問題。

目前，企業通常通過建立人事招聘軟件從網上抓取符合招聘條件的大量的簡歷，但是這些建立通常是雜亂無章的，無法實現招聘條件和簡歷的精準匹配以及分揀分類，當企業有招聘需求的時候，往往還是需要花費大量的人力和時間從人事招聘軟件中獲取簡歷進行人工精準篩選，簡歷篩選以及匹配的效率較慢，耗費用人單位和求職者大量的時間和精力，降低了企業人事招聘整體的管理水平。

發明內容

為了克服現有技術的不足，本發明提出一種基于知識圖譜、深度學習的人崗匹配方法、存儲裝置，利用知識圖譜作為信息提取基礎，通過神經網絡提取特征和根據提取的特征計算待選簡歷與招聘要求的匹配信息，能夠代替人工來衡量一份簡歷是否滿足工作的招聘要求、企業端的HR是否滿意該簡歷，可以精確且高效獲取簡歷與崗位的匹配結果，簡歷篩選以及匹配的效率高，大大降低用人單位和求職者的時間和精力，提高了企業人事招聘整體的管理水平。

為解決上述問題，本發明采用的一個技術方案為：一種基于知識圖譜、深度學習的人崗匹配方法，所述人崗匹配方法包括：

S101：將待選簡歷、歷史最優簡歷以及招聘信息存儲進知識圖譜，并根據所述待選簡歷、歷史最優簡歷以及招聘信息中實體在知識圖譜中的表示特征獲取第一待選簡歷特征、第二待選簡歷特征、歷史最優簡歷特征以及招聘要求特征；

S102：根據第一待選簡歷特征、所述歷史最優簡歷特征獲取所述待選簡歷的匹配度，并通過所述第二待選簡歷特征、招聘要求特征獲取所述待選簡歷的競爭力分析數據；

S103：通過所述匹配度獲取所述待選簡歷的滿意度，并根據所述滿意度、競爭力分析數據輸出所述待選簡歷的匹配信息。

進一步地，所述將待選簡歷、歷史最優簡歷以及招聘信息存儲進知識圖譜的步驟具體包括：

將所述待選簡歷、歷史最優簡歷以及招聘信息轉化為實體關系屬性信息，并將所述實體關系屬性信息存儲進所述知識圖譜。

進一步地，所述根據所述待選簡歷、歷史最優簡歷以及招聘信息中實體在知識圖譜中的表示特征獲取第一待選簡歷特征、第二待選簡歷特征、歷史最優簡歷特征以及招聘要求特征的步驟具體包括：

將所述待選簡歷、歷史最優簡歷以及招聘信息的文本信息分別與所述待選簡歷、歷史最優簡歷以及招聘信息中實體在知識圖譜中的表示特征相結合獲取所述待選簡歷特征、歷史最優簡歷特征以及招聘要求的特征表示，根據所述特征表示獲取第一待選簡歷特征、第二待選簡歷特征、歷史最優簡歷特征以及招聘要求特征。

進一步地，所述根據所述特征表示獲取第一待選簡歷特征、第二待選簡歷特征、歷史最優簡歷特征以及招聘要求特征的步驟具體包括：