[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

说明书

本申请涉及大数据领域，揭示了基于深度学习模型粗召回的简历推荐方法，包括：获取当前人力资源用户对应的历史数据特征，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；计算粗召回简历集中每个简历分别对应的推荐指数；按照推荐指数对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；将降序排列中的排在靠前位置的指定数量的简历推送至当前人力资源用户所在终端；或将升序排列中的排在靠后位置的指定数量的简历推送至当前人力资源用户所在终端。根据历史数据特征进行简历挖掘和匹配快速粗召回，根据推荐指数实现精准推送。

技术领域

本申请涉及大数据领域，特别是涉及到基于深度学习模型的简历推荐方法、装置及设备。

背景技术

随着互联网技术的不断发展，企业普遍选择通过互联网来寻求合适的候选人，同时候选人通过上传到互联网的简历进行职位筛选，招聘企业会根据职位需求累积非常多的简历。

现平台对简历和职位的匹配推送，基于招聘职位名称或者项目名称的相似度或重合度，向投递者推荐新职位，或向企业推荐合适的简历，该推荐方式过于简单、粗略，推荐的效果较差。

发明内容

本申请的主要目的为提供基于深度学习模型的简历推荐方法，旨在解决现有简历推荐方式过于简单、粗略，推荐不精准的技术问题。

本申请提出一种基于深度学习模型的简历推荐方法，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；

将所述降序排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；或将所述升序排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。

优选地，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。

优选地，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；