[发明专利]一种实时岗位推荐方法和系统

说明书

本发明提供了一种实时岗位推荐方法和系统，包括，基于简历和需求岗位，构建知识图谱；所述简历为求职者的简历；对所述知识图谱进行表示学习，得到实体表示矩阵和关系表示矩阵；基于求职者的求职历史和所述实体表示矩阵，确定求职者表示矩阵；基于所述实体表示矩阵，确定需求岗位表示矩阵；基于所述求职者表示矩阵和所述需求岗位表示矩阵，得到所述求职者与所述需求岗位的匹配度；基于所述匹配度为所述求职者推荐岗位；高效地为求职者推荐更匹配的岗位，提高了求职概率和用户的使用感受。

技术领域

本发明涉及人工智能领域，具体而言，涉及一种实时岗位推荐方法和系统。

背景技术

大数据时代，信息过载使人们面临大量商品时需要花更多时间进行挑选，推荐系统可以帮助用户从互联网数据中更全面和更精准地筛选内容，比如在购物推荐、书籍推荐、游戏推荐、音乐推荐和电影推荐等场景均有广泛应用。同样地，在线招聘网站中，面对海量的职位，求职者人工筛选匹配的岗位是一件费时耗力的工作。因此如何为求职者自动匹配职位成为一项亟待解决的工作。然而岗位推荐与一般的商品和书籍推荐有许多不同。求职者的特征是通过简历呈现的，简历大多是一段非结构化的数据，同时，职位的描述也是一段非结构化数据。因此，从这些非结构化的数据中提取特征并计算匹配度是非常有挑战的工作。

为了解决以上问题，本说明书中的一些实施例提出了一种实时岗位推荐方法和系统，以高效地为求职者推荐更匹配的岗位。

发明内容

本发明的目的在于提供一种实时岗位推荐方法，包括，基于简历和需求岗位，构建知识图谱；所述简历为求职者的简历；对所述知识图谱进行表示学习，得到实体表示矩阵和关系表示矩阵；基于求职者的求职历史和所述实体表示矩阵，确定求职者表示矩阵；基于所述实体表示矩阵，确定需求岗位表示矩阵；基于所述求职者表示矩阵和所述需求岗位表示矩阵，得到所述求职者与所述需求岗位的匹配度；基于所述匹配度为所述求职者推荐岗位。

进一步的，所述得到实体表示矩阵和关系表示矩阵，包括将所述知识图谱中的三元组用向量表示，得到集合；其中，为实体，为关系，为与实体存在关系的另一实体；将向量中的和/或进行替换，将替换后的集合中与所述集合重合的三元组删除，得到集合；所述集合中的三元组用向量表示；为替换后的实体，为替换后的实体，表示与的距离，表示与的距离；通过公式，

对知识图谱中的三元组进行处理，得到简化后的三元组；其中，用于表示和之间的间距，为常数；分别提取所述简化后的三元组中的实体和关系，得到所述实体表示矩阵和所述关系表示矩阵。

进一步的，所述确定求职者表示矩阵，包括，从所述实体表示矩阵中提取与所述求职者相关的求职三元组，基于所述求职三元组构建第一向量；基于所述求职历史，得到多个历史岗位；基于所述多个历史岗位，从所述实体表示矩阵中分别提取与所述多个历史岗位相关的历史岗位三元组，基于所述历史岗位三元组构建第二向量；将所述第一向量分别与所述第二向量进行拼接，得到所述求职者的求职矩阵；将所述求职矩阵输入第一LSTM模型，模型输出所述求职者表示矩阵。

进一步的，所述确定需求岗位表示矩阵，包括，基于所述需求岗位，从所述知识图谱中获取与所述需求岗位直接向量的多个需求实体；基于所述需求实体从所述实体表示矩阵中提取与所述需求岗位相关的需求岗位三元组，基于所述需求岗位三元组构建第三向量；将所述第三向量输入第二LSTM模型，模型输出所述需求岗位表示矩阵。

进一步的，所述得到所述求职者与所述需求岗位的匹配度，包括，通过交叉注意力机制对所述求职者表示矩阵和所述需求岗位表示矩阵进行处理，得到所述匹配度。