[发明专利]一种招聘岗位描述文本的生成方法、装置、设备及介质

权利要求书

1.一种招聘岗位描述文本的生成方法，其特征在于，包括：

获取目标岗位的原始相关文本；

基于所述原始相关文本和预先训练出的深度神经网络模型，生成所述目标岗位对应的目标招聘岗位描述文本；

其中，所述深度神经网络模型包括：

文本主题预测子模型，用于根据所述原始相关文本，预测出目标技能主题分布向量；

描述文本生成子模型，用于根据所述目标技能主题分布向量，生成所述目标岗位的目标招聘岗位描述文本；

其中，所述文本主题预测子模型包括：

词袋特征提取模块，用于提取所述原始相关文本的词袋特征向量；

分布参数计算模块，用于根据所述词袋特征向量和非线性网络层，计算技能主题向量分布参数；

第一主题分布确定模块，用于根据所述技能主题向量分布参数以及预设主题分布假设参数，获得目标技能主题分布向量；

其中，所述描述文本生成子模型包括：

编码器模块，用于生成所述原始相关文本中当前句子的语义表征向量序列；

注意力模块，用于根据所述目标技能主题分布向量，对所述语义表征向量序列进行加权变换；

解码器模块，用于根据加权变换后的语义表征向量序列，预测所述当前句子的技能主题标签；并根据所述技能主题标签预测出目标招聘岗位描述文本的当前词。

2.根据权利要求1所述的方法，其特征在于，所述原始相关文本包括：已确定符合岗位要求人员的简历文本、包含岗位职责数据的文本、以及包含岗位涉及项目数据的文本中的至少一个。

3.根据权利要求1所述的方法，其特征在于，所述词袋特征提取模块包括：

词袋生成子模块，用于生成所述原始相关文本的词袋表征数据；

第一全连接网络子模块，用于对所述词袋表征数据进行特征提取，获得词袋特征向量。

4.根据权利要求1所述的方法，其特征在于，所述分布参数计算模块包括：

第一参数计算子模块，用于根据所述词袋特征向量和预先设置的第一非线性网络层，计算第一技能主题向量分布子参数；

第二参数计算子模块，用于根据所述词袋特征向量和预先设置的第二非线性网络层，计算第二技能主题向量分布子参数。

5.根据权利要求4所述的方法，其特征在于，所述第一主题分布确定模块包括：

第三参数计算子模块，用于根据第一技能主题向量分布子参数和第一预设主题分布假设子参数，计算第三技能主题向量分布参数；其中，所述第一预设主题分布假设子参数和所述第三技能主题向量分布参数成正比关系；

第四参数计算子模块，用于根据第二技能主题向量分布子参数和第二预设主题分布假设子参数，计算第四技能主题向量分布参数；其中，所述第二预设主题分布假设子参数和所述第四技能主题向量分布参数成对数关系；

第一主题向量采样子模块，用于根据第三技能主题向量分布参数和第四技能主题向量分布参数，获得第一技能主题向量；

第二全连接网络子模块，用于对第一技能主题向量进行特征提取，获得第一主题特征向量；

第一主题分布特征计算子模块，用于根据第一主题特征向量和第一激活函数，获得目标技能主题分布向量。

6.根据权利要求1所述的方法，其特征在于，所述编码器模块包括：

词向量生成子模块，用于生成所述原始相关文本中当前句子所包含各个词的词向量；

第一循环神经网络子模块，用于根据各所述词向量生成所述当前句子的语义表征向量序列。