[發明專利]基于神經網絡和樹模型的人員甄選方法、裝置及設備

有效

• 申請號: 202110778099.8
• 申請日: 2021-07-09
• 公開（公告）號: CN113240213B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 羅蘭;張巧麗;張浩然
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/10;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 李翔宇

本發明公開了基于神經網絡和樹模型的人員甄選方法、裝置、設備及介質，涉及人工智能技術，若接收到用戶端上傳的待分析用戶數據集，獲取所述待分析用戶數據集中每一待分析用戶數據對應的當前維度劃分數據子集，將每一待分析用戶數據對應各當前維度劃分數據子集轉化為對應的輸入向量集，并將輸入向量集分別輸入至梯度提升決策樹模型、卷積神經網絡、第一LightGBM模型、第二LightGBM模型進行運算，得到與待分析用戶數據集中每一待分析用戶數據分別對應的綜合預測結果集，有助于對采集到的數據進行加工和分析，全方位地對候選人的特征進行計算和篩選，對合格的代理人進行多維度畫像，提高了數據利用率。

技術領域

本發明涉及人工智能的智能決策技術領域，尤其涉及一種基于神經網絡和樹模型的人員甄選方法、裝置、設備及介質。

背景技術

目前，在面試場景下，會基于面試官與面試人員進行的面試交談、筆試考試、在線考試等環節，收集到與面試人員越多越多維度的用戶信息。但是這些面試過程中收集到的用戶數據僅僅是存儲在服務器實現簡單的數據存儲，并未基于所收集得到的用戶數據進行智能化的深度挖掘以得到更多的用戶參考數據，降低了數據的利用率而導致了數據孤島的現象，而且面試官需要獲取面試過程中獲取數據后需人工分析計算得到所需結果，降低了數據處理的效率。

發明內容

本發明實施例提供了一種基于神經網絡和樹模型的人員甄選方法、裝置、設備及介質，旨在解決現有技術中在面試場景下未基于所收集得到的用戶數據進行智能化的深度挖掘以得到更多的用戶參考數據，降低了數據的利用率而導致了數據孤島的現象，而且面試官需要獲取面試過程中獲取數據后需人工分析計算得到所需結果，降低了數據處理的效率的問題。

第一方面，本發明實施例提供了一種基于神經網絡和樹模型的人員甄選方法，其包括：

獲取初始歷史用戶數據集，將所述初始歷史用戶數據集進行數據預處理、核心字段因子提取及字段因子維度劃分，得到與初始歷史用戶數據集中每一條初始歷史用戶數據對應的維度劃分數據子集，并根據初始歷史用戶數據集獲取與每一維度劃分數據子集分別對應的輸出結果取值集合；其中，所述初始歷史用戶數據集中包括多條初始歷史用戶數據，各條初始歷史用戶數據中包括字段信息的維度及個數均相同；

以各條初始歷史用戶數據對應的維度劃分數據子集及與每一維度劃分數據子集分別對應的輸出結果取值集合為第一訓練集對待訓練梯度提升決策樹模型進行訓練，得到梯度提升決策樹模型；

選取各條初始歷史用戶數據對應的維度劃分數據子集中作為輸入數據的維度劃分數據子集，并輸入至所述梯度提升決策樹模型進行運算，得到與各條初始歷史用戶數據對應的多維度輸出結果；

以各條初始歷史用戶數據對應的多維度輸出結果為第二訓練集對待訓練卷積神經網絡進行訓練，得到卷積神經網絡；

以各條初始歷史用戶數據對應的維度劃分數據子集為第三訓練集對待訓練第一LightGBM模型進行訓練，得到用于根據用戶的維度劃分數據子集預測第一輸出結果的第一LightGBM模型；

以各條初始歷史用戶數據對應的維度劃分數據子集為第四訓練集對待訓練第二LightGBM模型進行訓練，得到用于根據用戶的維度劃分數據子集預測第二輸出結果的第二LightGBM模型；其中，所述第二輸出結果與所述第一輸出結果不相同；以及