[發明專利]用于匹配數據的方法、裝置、設備和計算機可讀存儲介質

有效

• 申請號: 202110262413.7
• 申請日: 2021-03-09
• 公開（公告）號: CN112925913B
• 公開（公告）日: 2023-08-29
• 發明（設計）人: 張敬帥;黃啟帆;馬超;祝恒書;王鵬;姚開春;王晶
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 趙林琳;姚杰

1.一種用于匹配數據的方法，包括：

獲取簡歷的第一實例和崗位簡檔的第二實例；

確定針對元路徑的所述第一實例的簡歷特征數據和所述第二實例的簡檔特征數據，所述元路徑為從簡歷到達崗位簡檔的知識圖譜路徑；

將分類模型應用于所述第一實例的所述簡歷特征數據和所述第二實例的所述簡檔特征數據，以確定所述第一實例和所述第二實例之間的匹配結果；

從包括所述元路徑的一組元路徑中獲取與針對所述第二實例的選擇因素有關的至少一個元路徑，所述選擇因素為所述第一實例和第二實例匹配的推薦理由；以及

基于針對所述至少一個元路徑中的元路徑的所述簡歷特征數據和所述簡檔特征數據來確定所述選擇因素的得分以用于對所述選擇因素進行排序；

確定所述至少一個元路徑中的目標元路徑中的目標實體類型；

基于所述第一實例和所述目標實體類型的實例之間的相似度和所述第二實例與所述目標實體類型的實例的之間的相似度，來確定指示所述目標實體類型的實例的重要性的指示值；以及

基于所述指示值，將所述目標實體類型的實例與所述選擇因素相關聯地顯示。

2.根據權利要求1所述的方法，其中確定所述簡歷特征數據和所述簡檔特征數據包括：

確定從所述第一實例到達所述第二實例的所述元路徑的實例的數量；

基于所述元路徑的實例的數量，確定所述第一實例和所述第二實例針對所述元路徑的相似度；以及

基于所述相似度，確定所述簡歷特征數據和所述簡檔特征數據。

3.根據權利要求1所述的方法，其中確定針對元路徑的所述第一實例的簡歷特征數據和所述第二實例的簡檔特征數據包括：

獲取與所述簡歷的第一多個參考實例相對應的第一多個參考簡歷特征數據；

基于所述第一實例包括的所述元路徑中的實體類型實例，確定所述第一多個參考實例中是否存在與所述第一實例相匹配的參考實例；以及

響應于所述第一多個參考實例中不存在與所述第一實例相對應的參考實例，確定針對元路徑的所述第一實例的簡歷特征數據。

4.根據權利要求3所述的方法，還包括:響應于所述第一多個參考實例中存在與所述第一實例相對應的參考實例，將與所述參考實例相對應的參考簡歷特征數據作為所述簡歷特征數據。

5.根據權利要求3所述的方法，其中確定針對元路徑的所述第一實例的簡歷特征數據和所述第二實例的簡檔特征數據還包括:

獲取與崗位簡檔的第二多個參考實例相對應的第二多個參考簡檔特征數據；

基于所述第二實例中包括的所述元路徑中的實體類型實例來確定所述第二多個參考實例中是否存在與所述第二實例相對應的參考實例；以及

響應于所述第二多個參考實例中不存在與所述第二實例相對應的參考實例，確定針對元路徑的所述第二實例的簡檔特征數據。

6.根據權利要求5所述的方法，還包括:

響應于所述第二多個參考實例中存在與所述第二實例相對應的參考實例，將與參考實例相對應的參考簡檔特征數據作為所述簡檔特征數據。

7.根據權利要求1所述的方法，其中所述分類模型為以下中的至少一項：邏輯回歸模型、神經網絡模型和梯度提升決策樹模型。

8.根據權利要求1所述的方法，其中所述分類模型是利用多個樣本簡歷實例、多個樣本崗位簡檔實例和所述多個樣本簡歷實例和所述多個樣本崗位簡檔實例之間的樣本匹配結果訓練得到的。