[發明專利]基于相似度匹配模型的信息匹配方法、裝置、設備及介質

有效

• 申請號: 202110943059.4
• 申請日: 2021-08-17
• 公開（公告）號: CN113657496B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 尹浩;張玉君;張巖
• 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: G06F18/214
• 分類號: G06F18/214;G06F16/33;G06Q10/105;G06F18/22
• 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

1.一種基于相似度匹配模型的信息匹配方法，其特征在于，所述方法包括：

獲取若干個職位要求，將所述職位要求輸入多層相似度匹配模型的第一層，生成每一個所述職位要求映射的第一職位向量，其中，所述職位要求是由第一對象發布的；

采用所述多層相似度匹配模型的第一層對所述第一職位向量進行相似度計算，根據計算得到的相似度判斷所述第一職位向量對應的職位類型，并將所述第一職位向量與所述職位類型的對應關系輸入所述多層相似度匹配模型的第二層；

獲取若干個第二對象的特征信息，并將每一條所述特征信息輸入所述多層相似度匹配模型的第二層，分別得到每一個所述第二對象的綜合特征向量；

采用所述多層相似度匹配模型的第二層對每一個所述綜合特征向量分別進行職位類型匹配，并將匹配的所述職位類型對應的所述第一職位向量作為所述綜合特征向量的待定職位向量；

通過所述多層相似度匹配模型的第二層分別對每一個所述綜合特征向量與對應的所述待定職位向量進行匹配度計算，得到每一個所述綜合特征向量與所述待定職位向量之間的向量匹配度；

將所述向量匹配度作為所述第二對象以及所述職位要求之間的信息匹配度，按照所述信息匹配度從高到低的順序對所述第二對象的個人信息進行排序，并向發布所述職位要求的所述第一對象發送排序后的所述個人信息。

2.根據權利要求1所述的基于相似度匹配模型的信息匹配方法，其特征在于，所述獲取若干個職位要求之前，還包括：

按照學習率對所述多層相似度匹配模型進行模型訓練，其中，在訓練開始后的第一周期內設置學習率隨訓練時間增長而增大。

3.根據權利要求2所述的基于相似度匹配模型的信息匹配方法，其特征在于，所述按照學習率對所述多層相似度匹配模型進行模型訓練，還包括：

在對所述多層相似度匹配模型進行模型訓練的所述第一周期后的第二周期內，采用余弦退火學習率衰減算法對所述學習率進行衰減；

當識別到所述余弦退火學習率衰減算法發生重啟時，按照預設的衰減因子對所述學習率中的最大值進行一次衰減。

4.根據權利要求1所述的基于相似度匹配模型的信息匹配方法，其特征在于，所述將每一條所述特征信息輸入所述多層相似度匹配模型的第二層，分別得到每一個所述第二對象的綜合特征向量，包括：

將所述特征信息輸入所述多層相似度匹配模型的第二層，得到所述第二對象的數值特征向量、單值特征向量和多值特征向量；

獲取每一個數值特征向量、單值特征向量和多值特征向量的向量編碼，并根據所述向量編碼獲得向量拼接順序；

按照所述向量拼接順序，對每一所述數值特征向量、單值特征向量和多值特征向量進行首尾相連地拼接，生成所述第二對象的綜合特征向量。

5.根據權利要求4所述的基于相似度匹配模型的信息匹配方法，其特征在于，所述多值特征向量的獲取方法，包括：

獲取所述特征信息中的若干組多值類信息；

對每一組所述多值類信息均生成一組映射向量，計算每一組所述映射向量的均值，得到若干個所述多值特征向量。

6.根據權利要求1所述的基于相似度匹配模型的信息匹配方法，其特征在于，所述采用所述多層相似度匹配模型的第一層對所述第一職位向量進行相似度計算，根據計算得到的相似度判斷所述第一職位向量對應的職位類型，包括：

采用所述多層相似度匹配模型的第一層分別計算所述第一職位向量與每一職位類型匹配的概率；

將與所述第一職位向量匹配的概率最高的職位類型作為所述第一職位向量的職位類型。

7.根據權利要求1所述的基于相似度匹配模型的信息匹配方法，其特征在于，所述向發布所述職位要求的所述第一對象發送排序后的所述個人信息之后，還包括：

向所述第一對象發送所述個人信息的縮略顯示格式，以使所述第一對象登錄的終端按照所述縮略顯示格式對所述個人信息進行顯示。