[发明专利]基于GPU加速的招聘职位智能推荐方法

权利要求书

1.基于GPU加速的招聘职位智能推荐方法，其特征在于，包括以下步骤：

(a)记录应聘者的注册和访问信息，注册的信息作为应聘者静态属性，访问的信息作为应聘者动态属性；

(b)根据应聘者的动态属性，计算应聘者对职位的评分，形成评分矩阵；

(c)根据应聘者的静态属性、动态属性和对职位的评分，计算所有应聘者中任意两个之间的相似度，形成相似度矩阵；

(d)利用评分矩阵和相似度矩阵，预测应聘者对职位的评分，形成预测矩阵；

(e)根据步骤(d)中预测出来的评分，去除应聘者关注过的职位，然后按评分从高到低的顺序对职位进行排序，取最前面设定个数Q的职位作为推荐职位。

2.根据权利要求1所述基于GPU加速的招聘职位智能推荐方法，其特征在于：步骤(a)中所记录的静态属性包括：年龄、最高学历、工作经验、现居城市、专长、期望职位和期望薪酬范围；所记录的动态属性包括：职位的浏览次数、是否关注了职位、是否投递了简历和职位的搜索次数。

3.根据权利要求1所述基于GPU加速的招聘职位智能推荐方法，其特征在于：在步骤(b)中，应聘者对职位的评分的计算方法如下：首先设定各种动态属性的权重，其次把各种动态属性的数值与相应的权重相乘，最后把所有乘积相加所得的和作为职位评分。

4.根据权利要求1所述基于GPU加速的招聘职位智能推荐方法，其特征在于：在步骤(b)中，对数值进行运算时，使用GPU加速，一个GPU线程计算一个应聘者对于一个职位的评分，最终生成评分矩阵；评分矩阵的大小为M*N，M为职位数量，N为应聘者数量，矩阵的元素(i, j)表示应聘者j对于职位i的评分。

5.根据权利要求1所述基于GPU加速的招聘职位智能推荐方法，其特征在于：在步骤(c)中，在计算任意两个应聘者之间的相似度时，对于应聘者A，需要计算应聘者A和其他所有应聘者的相似度，此时根据应聘者A的属性分为两种情况：

(c-1)应聘者A不存在动态属性：利用应聘者A的静态属性计算与其他应聘者的相似度；计算方法如下：首先设定各种静态属性的权重，其次对两个应聘者的所有静态属性进行比较，当某种静态属性相同时，则把相应的权重累加起来，最后得到的累加和作为相似度；

(c-2)应聘者A存在动态属性：利用应聘者A的动态属性计算与其他应聘者的相似度；计算两个应聘者的相似度的方法如下：从步骤(b)生成的评分矩阵中，分别读取评分矩阵中这两个应聘者的评分向量，运用欧几里德距离的方法计算这两个向量的距离，把这个距离作为这两个应聘者的相似度。

6.根据权利要求1所述基于GPU加速的招聘职位智能推荐方法，其特征在于：在步骤(c)中，每两个应聘者的相似度由一个GPU线程进行运算，运算的结果保存为相似度矩阵的一个元素；相似度矩阵大小为N*N，N为应聘者的数量，矩阵元素(i, j)的值表示应聘者i和应聘者j的相似度。

7.根据权利要求1所述基于GPU加速的招聘职位智能推荐方法，其特征在于：在步骤(d)中，预测矩阵的生成过程如下：

(c-1)把评分矩阵（M*N）和相似度矩阵（N*N）读入到显存；

(c-2)使用GPU计算评分矩阵与相似度矩阵的乘积，得到矩阵（M*N），此矩阵即为预测矩阵。

8.根据权利要求1所述基于GPU加速的招聘职位智能推荐方法，其特征在于：在步骤(e)中，为每一个应聘者计算预测评分最大的Q个职位，其计算方法如下：对于步骤(d)中求出的预测矩阵，每一个GPU线程读取一个列向量，即一个应聘者对所有职位的预测评分向量，然后把此应聘者关注过的职位的对应元素的值设置为0，然后求取向量中前Q个最大的元素，把这些元素对应的职位构成一个推荐职位向量；最终把所有应聘者的推荐向量合并得到推荐矩阵。