[发明专利]一种基于强化学习的智能人事模型构建方法及装置

权利要求书

1.一种基于强化学习的智能人事模型构建方法，其特征在于，包括如下步骤：

接收步骤：接收一招聘单位反馈的操作信息以及对应人员的简历信息，且所述操作信息与对应人员的简历信息匹配；

信息抽取步骤：采用自然语言技术对所有的简历、招聘信息进行处理，并抽取简历、招聘中的各实体特征；

关联步骤：将抽取到的简历、招聘中的各实体特征与对应人员进行关联以得知识图谱；

模型训练步骤：通过用知识图谱对神经网络进行训练以得到智能人事模型。

2.如权利要求1所述的一种基于强化学习的智能人事模型构建方法，其特征在于，所述接收步骤具体包括如下步骤：

第一接收步骤：接收经过招聘单位内部考核的所有的员工简历信息；

第二接收步骤：接收招聘单位反馈的对对应员工的考核评价内容。

3.如权利要求2所述的一种基于强化学习的智能人事模型构建方法，其特征在于，在第一接收步骤中，接受特定岗位的招聘单位内部考核的所有的员工简历信息。

4.如权利要求2所述的一种基于强化学习的智能人事模型构建方法，其特征在于，所述接收步骤还包括：

第三接收步骤：接收员工当前的收入情况以及工资计算方式。

5.如权利要求1-4中任意一项所述的一种基于强化学习的智能人事模型构建方法，其特征在于，所述招聘单位反馈的操作信息包括收藏、录取、反馈结果、沟通时长、邀约、考核评价中的一种或者多种。

6.如权利要求5所述的一种基于强化学习的智能人事模型构建方法，其特征在于，在接收步骤之后还包括简历处理步骤：

按照预定模板对简历信息进行处理以生成统一格式的简历数据，所述预定模板包括姓名、性别、年级、学校、专业、行业、公司、职能、技能、项目、工作内容、证书、招聘单位反馈中的任意一项或多项。

7.如权利要求1所述的一种基于强化学习的智能人事模型构建方法，其特征在于，在信息抽取步骤中，通过Bi-LSTM神经网络进行数据信息进行训练以得到对应的实体特征模型，通过该实体特征模型对简历信息进行数据抽取以得简历中的各实体特征。

8.如权利要求1所述的一种基于强化学习的智能人事模型构建方法，其特征在于，所述智能人事模型还通过招聘单位人员设置来完善对应的识别信息，招聘单位人员通过增加或者调整招聘要求来完善智能人事模型。

9.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任意一项所述的一种基于强化学习的智能人事模型构建方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-8任意一项所述的一种基于强化学习的智能人事模型构建方法。