[發明專利]基于深度學習模型的簡歷推薦方法、裝置、設備及介質

有效

• 申請號: 202110449500.3
• 申請日: 2021-04-25
• 公開（公告）號: CN113191728B
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 張玉君;錢勇;羅曉生
• 申請（專利權）人: 深圳平安智匯企業信息管理有限公司
• 主分類號: G06Q10/1053
• 分類號: G06Q10/1053;G06F16/2458;G06F16/2457
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;熊成龍

本申請涉及大數據領域，揭示了基于深度學習模型粗召回的簡歷推薦方法，包括：獲取當前人力資源用戶對應的歷史數據特征，歷史數據特征包括崗位信息特征和/或瀏覽簡歷數據的信息特征；根據崗位信息特征和/或瀏覽簡歷數據的信息特征，對簡歷庫中的簡歷進行粗召回，得到粗召回簡歷集；計算粗召回簡歷集中每個簡歷分別對應的推薦指數；按照推薦指數對粗召回簡歷集中所有簡歷進行排序，形成降序隊列或升序隊列；將降序排列中的排在靠前位置的指定數量的簡歷推送至當前人力資源用戶所在終端；或將升序排列中的排在靠后位置的指定數量的簡歷推送至當前人力資源用戶所在終端。根據歷史數據特征進行簡歷挖掘和匹配快速粗召回，根據推薦指數實現精準推送。

技術領域

本申請涉及大數據領域，特別是涉及到基于深度學習模型的簡歷推薦方法、裝置及設備。

背景技術

隨著互聯網技術的不斷發展，企業普遍選擇通過互聯網來尋求合適的候選人，同時候選人通過上傳到互聯網的簡歷進行職位篩選，招聘企業會根據職位需求累積非常多的簡歷。

現平臺對簡歷和職位的匹配推送，基于招聘職位名稱或者項目名稱的相似度或重合度，向投遞者推薦新職位，或向企業推薦合適的簡歷，該推薦方式過于簡單、粗略，推薦的效果較差。

發明內容

本申請的主要目的為提供基于深度學習模型的簡歷推薦方法，旨在解決現有簡歷推薦方式過于簡單、粗略，推薦不精準的技術問題。

本申請提出一種基于深度學習模型的簡歷推薦方法，包括：

獲取當前人力資源用戶對應的歷史數據特征，其中，所述歷史數據特征包括崗位信息特征和/或瀏覽簡歷數據的信息特征；

根據所述崗位信息特征和/或瀏覽簡歷數據的信息特征，對簡歷庫中的簡歷進行粗召回，得到粗召回簡歷集；

根據預設計算方式計算所述粗召回簡歷集中每個簡歷分別對應的推薦指數，其中，所述預設計算方式包括依據待篩選簡歷與所述崗位信息特征計算崗位匹配度，和/或依據待篩選簡歷與所述瀏覽簡歷數據的信息特征計算簡歷相似度；

按照推薦指數對所述粗召回簡歷集中所有簡歷進行排序，形成降序隊列或升序隊列；

將所述降序排列中的排在靠前位置的指定數量的簡歷推送至所述當前人力資源用戶所在終端；或將所述升序排列中的排在靠后位置的指定數量的簡歷推送至所述當前人力資源用戶所在終端。

優選地，所述歷史數據特征包括各待招聘崗位分別對應的崗位信息特征，所述根據所述崗位信息特征和/或瀏覽簡歷數據的信息特征，對簡歷庫中的簡歷進行粗召回，得到粗召回簡歷集的步驟，包括：

將第一崗位的崗位信息特征與指定簡歷的簡歷信息特征進行對比分析，得到對比分析結果，其中，所述指定簡歷為所述簡歷庫中的任意一簡歷，所述第一崗位為所有待招聘崗位中的任意一崗位；

將所述對比分析結果輸入第一深度學習模型，計算出所述指定簡歷與所述第一崗位的崗位相關度；

將與所述第一崗位的崗位相關度滿足相關度閾值條件的所有簡歷，形成第一簡歷集合；

按照所述第一崗位對應的第一簡歷集合的形成方式，分別形成所有待招聘崗位一一對應的簡歷集合；

將所有待招聘崗位分別對應的簡歷集合，作為所述粗召回簡歷集。

優選地，所述根據預設計算方式計算所述粗召回簡歷集中每個簡歷分別對應的推薦指數的步驟，包括：

獲取第一簡歷與各所述待招聘崗位分別對應的崗位匹配度，其中，所述第一簡歷為所述粗召回簡歷集中的任意一簡歷；