[發(fā)明專利]基于多源多級注意力機(jī)制深度神經(jīng)網(wǎng)絡(luò)的人才匹配方法

在審

• 申請?zhí)枺?/td>: 202211180552.6
• 申請日: 2022-09-26
• 公開（公告）號: CN115495655A
• 公開（公告）日: 2022-12-20
• 發(fā)明（設(shè)計）人: 崔紹龍;孫兆華;宋國徽
• 申請（專利權(quán)）人: 北京中科梧桐網(wǎng)絡(luò)科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;G06N3/04;G06N3/08;G06Q10/10
• 代理公司: 北京久維律師事務(wù)所 11582
• 代理人: 邢江峰

本發(fā)明提供了基于多源多級注意力機(jī)制深度神經(jīng)網(wǎng)絡(luò)的人才匹配方法，包括Q1、構(gòu)建城市產(chǎn)業(yè)的多級時空注意力機(jī)制深度神經(jīng)網(wǎng)絡(luò)模型；Q2、構(gòu)建專業(yè)人才的多級時空注意力機(jī)制深度神經(jīng)網(wǎng)絡(luò)模型；Q3、城市數(shù)據(jù)與人才數(shù)據(jù)的匹配與推薦；本發(fā)明通過城市數(shù)據(jù)的多級注意力模型和專業(yè)人才的多級注意力模型，能夠預(yù)測城市對于人才需求的重要趨勢，同時也能夠預(yù)測專業(yè)人才的個人傾向和個人優(yōu)勢，最終通過多級注意力模型能夠全面的分析和比較城市需求和專業(yè)人才的匹配度，對城市來說提升人才引進(jìn)的匹配度，對專業(yè)人才來說能夠更加準(zhǔn)確得到匹配的位置。

技術(shù)領(lǐng)域

本發(fā)明涉及人力信息檢索匹配技術(shù)領(lǐng)域，尤其是涉及基于多源多級注意力機(jī)制深度神經(jīng)網(wǎng)絡(luò)的人才匹配方法。

背景技術(shù)

隨著城市的發(fā)展和城鎮(zhèn)化進(jìn)程的快速推動，城市及產(chǎn)業(yè)對于人才的需求越來越旺盛，尤其是中高端人才的需求，成為城市招才引智的重點方向。同時越來越多的城市在進(jìn)行經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整和產(chǎn)業(yè)的升級，甚至與國際的先進(jìn)城市進(jìn)行對接。因此，各個城市對于人才的需求也日益旺盛，急需吸引重點發(fā)展產(chǎn)業(yè)相關(guān)的人才。

同時，隨著互聯(lián)網(wǎng)時代的到來，產(chǎn)業(yè)領(lǐng)域逐漸細(xì)分，專業(yè)人才也不斷增多，專業(yè)人才的信息空前增長，也導(dǎo)致城市產(chǎn)業(yè)無法從過多的信息中獲取更準(zhǔn)確和更符合需求的人才信息；另一方面，由于專業(yè)人才無法全面了解目標(biāo)城市或者產(chǎn)業(yè)的發(fā)展和規(guī)劃，也無法確定自身是否匹配目標(biāo)城市或者產(chǎn)業(yè)。因此，在亟需招攬人才的城市產(chǎn)業(yè)與選擇發(fā)展城市的專業(yè)人才之間都面臨著同樣的問題，就是目標(biāo)信息量過載和信息不對稱導(dǎo)致的雙方匹配度的不高，從而造成引進(jìn)人才的浪費(fèi)或者無法引進(jìn)合適的人才。

現(xiàn)有技術(shù)是基于推薦算法來對人才的進(jìn)行人物畫像的刻畫，無論是已有的招聘網(wǎng)站、獵頭公司或者人才相關(guān)的推薦算法所采用方法大多是基于人才本身的屬性和行為對人物進(jìn)行標(biāo)簽化，并對屬性和用戶活動進(jìn)行分析，進(jìn)而刻畫人物畫像，對人才進(jìn)行分類。但是，現(xiàn)有針對人才畫像的技術(shù)和算法都是基于人才單方面的屬性和活動數(shù)據(jù)來進(jìn)行分析，一方面，數(shù)據(jù)維度有限，沒有結(jié)合時間和空間的屬性，另外一方面，大多數(shù)據(jù)為靜態(tài)數(shù)據(jù)，缺乏動態(tài)數(shù)據(jù)的分析，缺少人才的潛能和需求的分析，因此，難以提升表征的學(xué)習(xí)能力，構(gòu)建更為精準(zhǔn)的人才畫像。

如前所述，針對人才畫像方面，現(xiàn)有技術(shù)都是通過人才的靜態(tài)屬性、相關(guān)成果等方面進(jìn)行分析，包括文本分析、聚類分析等，對多個單一維度進(jìn)行分析，從而刻畫出人才的特征，對人才進(jìn)行標(biāo)簽化和數(shù)字化。因此，在人才畫像的構(gòu)建方面，缺乏人才時空屬性的考慮，也沒有對多個維度的數(shù)據(jù)進(jìn)行融合的時空分析，因此存在如下缺陷：1.城市產(chǎn)業(yè)數(shù)據(jù)之間和專業(yè)人才數(shù)據(jù)之間都存在動態(tài)的時空關(guān)聯(lián)性，以往的算法一方面缺乏對時空關(guān)聯(lián)性的充分考慮，另一方面，在時間關(guān)聯(lián)性和空間關(guān)聯(lián)性上采用靜態(tài)機(jī)制，無法準(zhǔn)確刻畫城市產(chǎn)業(yè)與專業(yè)人才的動態(tài)變化特征；2.以往的算法都是以一方的需求為基準(zhǔn)，來進(jìn)行特征的刻畫和需求的分析，而在城市產(chǎn)業(yè)與專業(yè)人才匹配的過程中，存在著雙方需求的統(tǒng)一和匹配，才能更加精準(zhǔn)的刻畫特征，實現(xiàn)精準(zhǔn)匹配。

發(fā)明內(nèi)容

針對上述背景技術(shù)所闡述的人才畫像及其構(gòu)建模型中的問題，本發(fā)明提供基于多源多級注意力機(jī)制深度神經(jīng)網(wǎng)絡(luò)的人才匹配方法，其主要目的在于解決如何提升特征表示精準(zhǔn)度這一關(guān)鍵問題，

為了達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

基于多源多級注意力機(jī)制深度神經(jīng)網(wǎng)絡(luò)的人才匹配方法，步驟為：

Q1、構(gòu)建城市產(chǎn)業(yè)的多級時空注意力機(jī)制深度神經(jīng)網(wǎng)絡(luò)模型；

采用Encoder-Decoder模型，encoder中城市內(nèi)部數(shù)據(jù)attention層和城市周邊數(shù)據(jù)attention層用來標(biāo)示城市多源數(shù)據(jù)的序列，得到的預(yù)測值，通過decoder中的時間attention層進(jìn)行處理；

在Encoder中，對于t時刻，Encoder的輸入直接合并向量為使用LSTM神經(jīng)元h_t＝f_e(h_t-1,x_t)用以更新狀態(tài)；