[发明专利]一种用于待就业人群的就业信息处理方法及设备

说明书

本申请提供了一种用于待就业人群的就业信息处理方法及设备，该方法获取若干岗位信息；岗位信息至少包括：岗位名称、岗位职责文本、岗位需求文本。基于各岗位信息相应的招聘人员信息以及当前待定人员的简历信息，确定各岗位信息相应的第一评价分值。其中，第一评价分值表征当前待定人员与各岗位信息的匹配程度。根据第一评价分值及预设隐语义模型，确定第一评价分值对应的待定人员相应的第二评价分值。通过预先训练的深度森林模型，确定简历信息与各岗位信息相应的匹配概率值。基于第二评价分值及匹配概率值，确定当前待定人员匹配的至少一个岗位信息，以将岗位信息发送至相应的用户终端。

技术领域

本申请涉及互联网技术领域，尤其涉及一种用于待就业人群的就业信息处理方法及设备。

背景技术

随着科技的发展、社会的进步，对企业而言，工作岗位需要配备合适人才，才能提高产业效益。即便在如今大数据技术发展迅速的时代背景下，企业与人才之间匹配，也是存在信息脱节的，例如企业无法真实了解人才能力，人才也无法准确得到企业岗位的要求，及时确定企业与自己能力是否匹配。在当前招工手段有限制、毕业生逐年剧增、青年员工离职率高的情况下，企业只通过传统手段不断进行招聘人才，也非常耗时耗力。

除此之外，在待就业人群中，存在着有工作经验、有技术能力的待就业人员，该部分人员依靠自己对岗位的认知及自己所掌握的应聘手段，难以在短时间内找到合适自己的工作。再者，当前不同企业所发出的招聘信息难以让人理解，待就业人员难以准确投递简历至合适岗位，影响待就业人员的正常就业和长远的职业规划。

而人工去对待就业人员简历进行识别、筛选，然后再去匹配企业的招聘需求，工作复杂，工作量大，浪费人工成本。因此，亟需一种对待就业人员的就业信息进行处理、识别、筛选方法，以供人们参考，以解决大部分人力成本。

发明内容

本申请实施例提供了一种用于待就业人群的就业信息处理方法及设备，解决就业信息主要依靠人力进行处理、识别、筛选，工作复杂，工作量大，浪费人工成本的问题。

一方面，本申请实施例提供了一种用于待就业人群的就业信息处理方法，该方法包括：

获取若干岗位信息。岗位信息至少包括：岗位名称、岗位职责文本、岗位需求文本。基于各岗位信息相应的招聘人员信息以及当前待定人员的简历信息，确定各岗位信息相应的第一评价分值。其中，第一评价分值表征当前待定人员与各岗位信息的匹配程度。根据第一评价分值及预设隐语义模型，确定第一评价分值对应的待定人员相应的第二评价分值。通过预先训练的深度森林模型，确定简历信息与各岗位信息相应的匹配概率值。基于第二评价分值及匹配概率值，确定当前待定人员匹配的至少一个岗位信息，以将岗位信息发送至相应的用户终端在本申请的一种实现方式中，根据当前待定人员的简历信息及各招聘人员信息，确定简历信息相应文本与各招聘人员信息相应文本的余弦相似度。其中，相应文本为对岗位的评价文本。根据各余弦相似度，生成当前待定人员与各招聘人员的相似度矩阵。基于各招聘人员对各岗位的评价文本及相似度矩阵中相应的余弦相似度，确定当前待定人员相应的岗位评分，为第一评价分值。

在本申请的一种实现方式中，将当前待定人员的简历信息及与第一评价分值相应的评价文本，输入隐语义模型，以使隐语义模型确定当前待定人员及第一评价分值对应的招聘人员相应的评分矩阵。通过隐语义模型及预设损失函数，对所述评分矩阵进行因式分解处理，直至所述预设损失函数满足预设条件，以将评分矩阵分解为用户评分矩阵及岗位权重矩阵。基于用户评分矩阵及岗位权重矩阵，确定当前待定人员对各岗位的预测评价分值。将第一评价分值与预测评价分值的加权平均值，作为第二评价分值。

在本申请的一种实现方式中，获取若干简历样本及若干岗位信息样本。通过深度森林模型，分别对各所述简历样本及各所述岗位信息样本进行短文本编码处理，以确定各简历样本对应的第一特征向量集及各岗位信息样本对应的第二特征向量集，并计算第一特征向量集中的各特征向量与第二特征向量集中的各特征向量的匹配概率值，直至匹配概率值满足预设样本概率表，确定对深度森林模型训练完成。