[发明专利]基于GPU加速的招聘职位智能推荐方法

说明书

技术领域

本发明一般涉及计算机推荐引擎领域，具体涉及基于GPU加速的招聘职位智能推荐方法。

背景技术

网上招聘和和网上求职已经成为当今社会人才交流的一种主要方式。用人单位和应聘者在第三方的人才招聘网站上注册账号，相互之间进行搜索和交流，以寻求最满意的对象。人才招聘网站拥有大量的职位，一个应聘者登录网站之后，只能从职位列表中浏览职位，或者依靠关键字去搜索可能适合自己的职位。职位列表往往数量巨大，应聘者无法在短时间内找到自己感兴趣的职位；而使用关键字搜索，应聘者使用的关键字的数量和精确性很有限，搜索出来的职位数量常常很大，很难找到适合自己的职位。为了解决这种情况，招聘网站可以为应聘者推荐职位，网站主动地把可能适合的职位推送给应聘者。这就是招聘网站的推荐系统。

现在招聘网站的推荐方法，主要是采用基于统计的方法，也即统计所有职位被浏览的次数以及被关注的程度，得到职位的热度，然后把热度最高的职位推荐给应聘者。这种推荐方法存在如下缺点：（一）为每一个应聘者所推荐的职位都是一样的，缺乏个性化；（二）那些虽然热度不高但很适合应聘者的职位不能被推荐到；（三）传统的计算只使用CPU进行数值运算，面对海量的应聘者和职位数据，计算性能极低。

在提高数据挖掘的运算性能方面，很多企业和科研单位采用计算机集群，利用集群的并发性来提高计算速度，但是基于成本的考虑 ，很多单位无法布置昂贵的的计算机集群。而GPU相对成本较低，性价比高，并且大部分普通用户PC上装配的GPU使用率很低，将软件的大规模计算任务分配到GPU上，能有效提高GPU的利用率，从而实现高性能、低功耗的最终目标。

GPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”。GPU从诞生之日起就以超越摩尔定律的速度发展，运算能力不断提升。业界很多研究者注意到GPU进行计算的潜力，于2003年SIGGRAPH大会上提出了GPGPU（General-purpose computing on graphics processing units）的概念。GPU在处理能力和存储器带宽上相对于CPU有明显优势，在成本和功耗上也不需要付出太大代价。目前最顶级的英特尔Core i7 965处理器，在默认情况下，它的浮点计算能力只有NVIDIA GeForce GTX 280 的1/13。

GPU通用计算通常采用CPU+GPU异构模式，由CPU负责执行复杂逻辑处理和事务处理等不适合数据并行的计算，由GPU负责计算密集型的大规模数据并行计算。这种利用GPU强大处理能力和高带宽弥补CPU性能不足的计算方式极大地发掘计算机潜在性能，在成本和性价比方面有显著的优势。在2007年NVIDIA推出CUDA（Compute Unified Device Architecture，统一计算设备架构），GPU通用计算摆脱了受硬件可编程性和开发方式的制约，开发难度大大降低。

发明内容

本发明针对当前招聘职位推荐技术的不足，提供了基于GPU加速的招聘职位智能推荐方法。本发明的目的在于，通过记录应聘者的访问历史，把访问数据表达为适合GPU处理的矩阵格式，利用GPU强大处理能力和高带宽弥补CPU性能不足的计算方式，同时使用数千个GPU线程进行计算，使用欧几里德距离公式计算应聘者两两之间的相似程度，然后根据应聘者的属性信息，智能地预测所有职位对应聘者的适合程度，最后把最合适的职位推荐给应聘者。具体的技术方案如下所述。

基于GPU加速的招聘职位智能推荐方法，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。

上述的基于GPU加速的招聘职位智能推荐方法，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。