[发明专利]一种学生工作岗位推荐的方法和装置

说明书

本发明公开了一种学生工作岗位推荐的方法和装置。该方法基于WideDeep模型。该方法根据联合特征表构建学生和岗位的联合样本。通过对历史学生的联合样本的训练得到模型数据。最后根据模型数据评估学生从事各个岗位的概率，依据该概率获得向学生推荐的工作岗位。试验数据表明本发明的方法具有很高的准确率。此外，本发明采用了联合特征表作为配置项，数据基于联合特征表的配置项进行分析，因此本发明的方法具有很强的可扩展性，当需要扩展工作岗位时，只需要修改联合特征表。

技术领域

本发明涉及基于人工智能的数据分析技术，尤其涉及个性化推荐技术。

背景技术

近年来，随着大数据与人工智能的不断发展，大学校园管理开始步入数据化时代，而校园招聘是大学生步入社会的途径之一。校园招聘的主要形式为学生从网络、宣讲会和年级群等渠道获知招聘信息，当然最普遍的还是大型招聘会，学生需要去现场投递简历。但是，以上所述的校园招聘形式都是面向全体毕业生的，每位学生需要花费大量时间去筛选合适的岗位，将会导致由于无关岗位过多带来的时间浪费甚至可能错失合适的岗位。

发明内容

本发明所要解决的问题：为学生个性化推荐工作岗位。

为解决上述问题，本发明采用的方案如下：

根据本发明的一种学生工作岗位推荐的方法，该方法包括数据预处理步骤、模型训练步骤和岗位推荐分析步骤；所述数据预处理步骤包括联合特征预处理步骤、联合特征数值化样本生成步骤以及联合特征离散化样本生成步骤；

所述联合特征预处理步骤用于根据联合特征表和联合特征相关性值表对所述联合特征相关性值表中的联合特征之间的相关性值进行二值化处理得到联合特征之间的相关性二值化值c_i,k；若r_i,kR_threshold，则c_i,k＝1，否则c_i,k＝0；其中，c_i,k为第i个联合特征和第k个联合特征的相关性二值化值，r_i,k表示为第i个联合特征和第k个联合特征的相关性值，i∈[1..N]，k∈[1..N]，N是所述联合特征表中联合特征数，R_threshold是预先设定的阈值；

所述联合特征数值化样本生成步骤用于根据输入的学生的画像信息和岗位的特征信息，基于所述联合特征表构建联合样本的数值化向量；

所述联合特征离散化样本生成步骤用于根据输入的学生的画像信息、岗位的特征信息，基于所述联合特征表构建联合样本的低维稠密的实数化嵌入向量；

所述模型训练步骤包括以下步骤：

S21：获取历史学生的画像信息以及历史学生与岗位的交互关注记录；所述交互关注记录包括关注记录和交互记录；

S22：若某个历史学生is和某个岗位iw之间存在相应的交互关注记录，则通过所述联合特征数值化样本生成步骤生成联合样本的数值化向量S_p、通过所述联合特征离散化样本生成步骤生成联合样本对应的低维稠密的实数化嵌入向量E_p和该联合样本的样本标签Y_p；各联合样本的数值化向量S_p、低维稠密的实数化嵌入向量E_p和该联合样本的样本标签Y_p组成联合样本集S＝{{S_p,E_p,Y_p,is,iw}|p∈[1..Q]}，Q为联合样本数；

S_p为第p个联合样本的数值化向量：