[发明专利]一种匹配简历方法、装置、电子设备及存储介质

权利要求书

1.一种匹配简历方法，其特征在于，包括：

获得简历信息，所述简历信息包括多个字段属性值；

对所述多个字段属性值中的每个字段属性值进行转换，获得多个标签属性值；

使用梯度提升决策树根据所述多个标签属性值判断所述简历信息与招聘信息是否匹配，获得匹配结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述多个字段属性值中的每个字段属性值进行转换，获得多个标签属性值，包括：

若所述字段属性值为离散数据，则对所述离散数据打标签，获得标签属性值；或者

若所述字段属性值为连续数据，则对所述连续数据进行分段并打标签，获得标签属性值。

3.根据权利要求1所述的方法，其特征在于，所述使用梯度提升决策树根据所述多个标签属性值判断所述简历信息与招聘信息是否匹配，获得匹配结果，包括：

使用所述梯度提升决策树根据重要程度对所述多个标签属性中的每个标签属性进行打分，获得多个分数；

若所述多个分数的和值超过预设阈值，则确定所述匹配结果为所述简历信息与所述招聘信息匹配；

若所述多个分数的和值没有超过预设阈值，则确定所述匹配结果为所述简历信息与所述招聘信息不匹配。

4.根据权利要求1-3任一所述的方法，其特征在于，在所述使用梯度提升决策树根据所述多个标签属性值判断所述简历信息与招聘信息是否匹配之前，还包括：

使用所述梯度提升决策树根据标签属性值的权重值对所述多个标签属性值进行特征选择，获得特征选择后的多个标签属性值。

5.根据权利要求1-3任一所述的方法，其特征在于，还包括：

获得多个信息数据集和多个匹配度，所述信息数据集包括：简历信息和所述简历信息对应的招聘信息，所述匹配度表征所述简历信息与所述简历信息对应的招聘信息的匹配程度；

以所述多个信息数据集为训练数据，以所述多个匹配度为训练标签，对梯度提升决策树进行训练，获得所述梯度提升决策树。

6.根据权利要求5所述的方法，其特征在于，所述以所述多个信息数据集为训练数据，以所述多个匹配度为训练标签，对梯度提升决策树进行训练，包括：

将所述多个信息数据集和所述多个匹配度划分为多个数据集合；

使用所述多个数据集合分别对梯度提升决策树进行训练，获得多个梯度提升决策树，所述多个梯度提升决策树的数量与所述多个数据集合的数量相同；

从所述多个梯度提升决策树中确定所述梯度提升决策树。

7.根据权利要求1-3任一所述的方法，其特征在于，在所述获得匹配结果之后，还包括：

若所述匹配结果为所述简历信息与所述招聘信息匹配，则向终端设备发送所述简历信息，所述终端设备为提供所述招聘信息的设备。

8.一种匹配简历装置，其特征在于，包括：

简历信息获得模块，用于获得简历信息，所述简历信息包括多个字段属性值；

标签属性转换模块，用于对所述多个字段属性值中的每个字段属性值进行转换，获得多个标签属性值；

匹配结果获得模块，用于使用梯度提升决策树根据所述多个标签属性值判断所述简历信息与招聘信息是否匹配，获得匹配结果。

9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的方法。

10.一种存储介质，其特征在于，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的方法。