[发明专利]一种基于模型融合的岗位推荐方法及装置

权利要求书

1.一种基于模型融合的岗位推荐方法，其特征在于，包括：

将目标个体的目标任职序列输入至少一个基础预测模型，获取由各基础预测模型生成的目标评分矩阵；

将所有的目标评分矩阵和所述目标个体的目标特征表进行拼接融合，确定目标融合特征；

将所述目标融合特征输入至岗位匹配模型，确定由所述岗位匹配模型输出的至少一个推荐岗位；所述岗位匹配模型是基于样本任职序列的样本融合特征，以及所述样本任职序列对应的岗位标签训练后得到的；

所述基础预测模型是基于神经网络模型构建的；所述神经网络模型包括马尔科夫链和图神经网络；

所述基础预测模型是基于所述样本任职序列，以及所述样本任职序列对应的岗位标签训练后得到的；所述基础预测模型用于根据所述目标任职序列生成的目标评分矩阵；所述目标评分矩阵包括所述目标任职序列与各预设岗位的匹配概率；

所述目标特征表是基于以下方法获取的：

获取所述目标个体的目标岗位信息、目标个体信息和目标履历数据；

基于特征工程，根据所述目标岗位信息、所述目标个体信息和所述目标履历数据，确定所述目标个体的目标个体特征和目标职位特征；

基于样本特征表，根据所述目标个体特征和目标职位特征，确定所述目标特征表；

所述目标任职序列是基于以下方法确定的：

获取所述目标履历数据；

基于每个预设岗位的岗位类别编码，根据所述目标履历数据中所述目标个体的历史任职岗位，确定所述目标任职序列；在所述目标任职序列中，所述目标个体的历史任职岗位按时间先后顺序排列。

2.根据权利要求1所述的基于模型融合的岗位推荐方法，其特征在于，所述基础预测模型是基于以下方式训练得到的：

从履历数据库中获取多个样本履历数据；

根据所有预设岗位的岗位信息，确定每个预设岗位的岗位类别向量表示，以及所述每个预设岗位的岗位类别编码；

基于所述岗位类别编码，根据所有的样本履历数据，确定多个样本任职序列，以及每个样本任职序列对应的岗位标签；

将每个样本任职序列与所述每个样本任职序列对应的岗位标签的组合，作为一个基础训练样本，获取多个基础训练样本；

利用所述多个基础训练样本对初始基础模型进行训练，确定所述基础预测模型。

3.根据权利要求2所述的基于模型融合的岗位推荐方法，其特征在于，所述岗位匹配模型是基于以下方式训练得到的：

将所有的基础训练样本输入至所述至少一个基础预测模型，获取由各基础预测模型生成的样本评分矩阵；所述样本评分矩阵包括所有的样本任职序列与每个预设岗位的匹配概率；

并基于特征工程，根据每个基础训练样本对应的样本岗位信息、样本个体信息和样本履历数据，获取每个样本任职序列对应的样本个体特征和样本职位特征；

根据所有的样本个体特征和样本职位特征，确定样本特征表；

将各样本评分矩阵和所述样本特征表进行拼接融合，获取样本融合特征；

利用所述样本融合特征对初始匹配模型进行训练，确定所述岗位匹配模型。

4.根据权利要求2所述的基于模型融合的岗位推荐方法，其特征在于，所述根据所有预设岗位的岗位信息，确定所述每个预设岗位的岗位类别向量表示，包括：

根据所述岗位信息中的单位性质，确定所述岗位信息中每个预设岗位的单位类别信息；并根据所述岗位信息中预设岗位的职务和领域关键字，确定所述岗位信息中每个预设岗位的技能领域信息；并确定所述岗位信息中所有预设岗位的职级信息；

根据每个预设岗位的所述单位类别信息、所述技能领域信息、所述职级信息，确定所述每个预设岗位的岗位类别向量。