[发明专利]基于深度学习模型的简历推荐方法、装置、设备及介质

权利要求书

1.一种基于深度学习模型的简历推荐方法，其特征在于，包括：

获取当前人力资源用户对应的历史数据特征，其中，所述历史数据特征包括岗位信息特征和/或浏览简历数据的信息特征；

根据所述岗位信息特征和/或浏览简历数据的信息特征，对简历库中的简历进行粗召回，得到粗召回简历集；

根据预设计算方式计算所述粗召回简历集中每个简历分别对应的推荐指数，其中，所述预设计算方式包括依据待筛选简历与所述岗位信息特征计算岗位匹配度，和/或依据待筛选简历与所述浏览简历数据的信息特征计算简历相似度；

按照所述推荐指数对所述粗召回简历集中所有简历进行排序，形成降序队列或升序队列；

将所述降序队列 中的排在靠前位置的指定数量的简历推送至所述当前人力资源用户所在终端；或将所述升序队列 中的排在靠后位置的指定数量的简历推送至所述当前人力资源用户所在终端；

所述历史数据特征包括浏览简历数据的信息特征，所述根据所述岗位信息特征和/或浏览简历数据的信息特征，对简历库中的简历进行粗召回，得到粗召回简历集的步骤，包括：

汇总指定时间段内所述当前人力资源用户对应浏览和/或收藏的所有简历，并组成第二简历集合；

将所述第二简历集合中各简历分别对应的信息特征，根据简历岗位类别进行分类；

将第一岗位分类对应的信息特征输入至第二深度学习模型，以便从所述简历库中筛选与所述第一岗位分类满足相似阈值的简历集合，其中，所述第一岗位分类为所有简历岗位类中的任一种；

将所有简历岗位类分别对应的简历集合，作为所述粗召回简历集；

所述根据预设计算方式计算所述粗召回简历集中每个简历分别对应的推荐指数的步骤，包括：

获取第二简历所属的第一子集合，其中，所述第二简历为所述粗召回简历集中的任意一简历，所述第一子集合为所述粗召回简历集中的任意一集合；

根据第二公式计算所述第二简历与第一子集合的简历相关度，其中，所述第二公式为N代表第一子集合中的简历总量，i代表第一子集合中的第i份简历，V_i代表第i份简历的被浏览次数，C_i代表第i份简历的被收藏状态，R_i代表第二简历与第i份简历的相似度，R_all代表所述第二简历与第一子集合的简历相关度；

将所述第二简历与第一子集合的简历相关度，作为所述第二简历对应的推荐指数。

2.根据权利要求1所述的基于深度学习模型的简历推荐方法，其特征在于，所述历史数据特征包括各待招聘岗位分别对应的岗位信息特征，所述根据所述岗位信息特征和/或浏览简历数据的信息特征，对简历库中的简历进行粗召回，得到粗召回简历集的步骤，包括：

将第一岗位的岗位信息特征与指定简历的简历信息特征进行对比分析，得到对比分析结果，其中，所述指定简历为所述简历库中的任意一简历，所述第一岗位为所有所述待招聘岗位中的任意一岗位；

将所述对比分析结果输入第一深度学习模型，计算出所述指定简历与所述第一岗位的岗位相关度；

将与所述第一岗位的岗位相关度满足相关度阈值条件的所有简历，形成第一简历集合；

按照所述第一岗位对应的第一简历集合的形成方式，分别形成所有待招聘岗位一一对应的简历集合；

将所有待招聘岗位分别对应的简历集合，作为所述粗召回简历集。

3.根据权利要求2所述的基于深度学习模型的简历推荐方法，其特征在于，所述根据预设计算方式计算所述粗召回简历集中每个简历分别对应的推荐指数的步骤，包括：

获取第一简历与各所述待招聘岗位分别对应的岗位匹配度，其中，所述第一简历为所述粗召回简历集中的任意一简历；

根据第一公式分别计算所述第一简历与各所述待招聘岗位的岗位匹配度的最大值，其中，所述第一公式为M_max＝Max(M_AB)，A表示所述第一简历，B表示各所述待招聘岗位组成的岗位集合，M_AB代表所述第一简历与岗位集合中各所述待招聘岗位分别对应的岗位匹配度的值集合,Max()表示取最大值运算，Max(M_AB)表示取M_AB的最大值，M_max表示最大值，0≤M_max≤1；

将所述第一简历对应的岗位匹配度的最大值，作为所述第一简历对应的推荐指数。