[发明专利]基于知识图谱、深度学习的人岗匹配方法、人岗匹配系统

权利要求书

1.一种基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述人岗匹配方法包括：

S101：获取待匹配的岗位的第一基础数据信息，并提取所述第一基础数据信息中与所述待匹配的岗位相关的有效信息，所述第一基础数据信息包括已选简历数据、所述岗位的招聘信息以及招聘交互记录；

S102：将所述有效信息添加进知识图谱，并将所述知识图谱的信息、第一基础数据信息处理后输入推理模型，获取所述已选简历与所述岗位的匹配分数，根据所述匹配分数获取最佳推理模型；

S103：获取第二基础数据信息的知识图谱信息，将所述第二基础数据信息和知识图谱信息处理后输入所述最佳推理模型，通过所述最佳推理模型获取待选简历数据与所述岗位的匹配分数，所述第二基础数据信息包括第一基础数据信息、待选简历数据以及与所述待选简历数据对应的所述岗位的招聘信息。

2.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述有效信息包括学历、工作年龄以及项目经验中的关键字。

3.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述招聘交互记录包括是否录取、面试邀约。

4.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述将所述知识图谱的信息、第一基础数据信息处理后输入推理模型的步骤具体包括：

将所述知识图谱的信息和第一基础数据信息分别进行编码处理后输入所述推理模型。

5.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述已选简历数据为与所述待匹配的岗位匹配的录用简历的数据。

6.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述根据所述匹配分数获取最佳推理模型的步骤具体包括：

根据所述匹配分数判断所述推理模型的准确率，根据所述准确率优化所述推理模型以获取最佳推理模型。

7.如权利要求6所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，基于tensorflow的框架对所述推理模型进行多次优化以获取最佳推理模型。

8.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述获取待匹配的岗位的第一基础数据信息的步骤具体包括：

获取不同公司同一待匹配的岗位的第一基础数据信息或获取同一公司待匹配的岗位的第一基础数据信息。

9.如权利要求1所述的基于知识图谱、深度学习的人岗匹配方法，其特征在于，所述通过所述最佳推理模型获取所述待选简历数据与所述岗位的匹配分数的步骤之后还包括：

根据所述匹配分数推荐待选简历，并收集反馈信息。

10.一种人岗匹配系统，其特征在于，所述人岗匹配系统包括处理器、存储器，所述处理器与所述存储器连接：

所述存储器存储有第一基础数据、第二基础数据以及计算机程序，所述处理器根据所述第一基础数据、第二基础数据以及计算机程序执行如权利要求1-9任一项所述的基于知识图谱、深度学习的人岗匹配方法。