技術(shù)領(lǐng)域

本發(fā)明涉及人工智能應(yīng)用領(lǐng)域，具體而言，涉及一種基于人工智能的人才大數(shù)據(jù) 量化精確匹配方法和裝置。

背景技術(shù)

隨著通信技術(shù)的飛速發(fā)展，信息的爆發(fā)式增長(zhǎng)，如何從海量的數(shù)據(jù)中挑選出需要 的內(nèi)容成了信息處理領(lǐng)域重要的研究方向。目前信息匹配和有效使用影響人們工作學(xué) 習(xí)的方方面面。簡(jiǎn)歷信息也是這些海量數(shù)據(jù)中的一部分。

招聘是人力資源管理中重要的工作之一，其中簡(jiǎn)歷篩選是招聘的第一環(huán)節(jié)，目前 利用網(wǎng)絡(luò)招聘平臺(tái)獲取簡(jiǎn)歷已經(jīng)是人力資源管理人員經(jīng)常使用的方式。網(wǎng)絡(luò)招聘平臺(tái) 首先獲取其注冊(cè)用戶(hù)填寫(xiě)的簡(jiǎn)歷，然后通過(guò)簡(jiǎn)歷和職位的匹配來(lái)向企業(yè)推薦合適的簡(jiǎn) 歷，在現(xiàn)有技術(shù)中，網(wǎng)絡(luò)招聘網(wǎng)站一般按照企業(yè)粗略設(shè)置的條件進(jìn)行簡(jiǎn)單的篩選和匹 配，例如按照目標(biāo)職位、工作地點(diǎn)、學(xué)歷專(zhuān)業(yè)等進(jìn)行條件篩選，將符合這些簡(jiǎn)單條件 的簡(jiǎn)歷發(fā)送給企業(yè)。然而在使用過(guò)程中，這樣匹配方式效果較差，提供的簡(jiǎn)歷不能滿(mǎn) 足企業(yè)的要求，往往還需要招聘人員再次人工進(jìn)行篩選；另一方面，簡(jiǎn)歷的信息較多， 招聘人員缺乏對(duì)簡(jiǎn)歷進(jìn)行有效的量化評(píng)價(jià)，有可能造成遺漏需要人才的簡(jiǎn)歷。

發(fā)明內(nèi)容

本發(fā)明旨在提供一種基于人工智能的人才大數(shù)據(jù)量化精確匹配方法和裝置，以解 決上述現(xiàn)有技術(shù)中至少一個(gè)方面的問(wèn)題。

本發(fā)明的一個(gè)進(jìn)一步目的是精確地向招聘企業(yè)提供符合其要求的人才簡(jiǎn)歷。

本發(fā)明另一個(gè)進(jìn)一步目的是量化簡(jiǎn)歷的信息，從而實(shí)現(xiàn)對(duì)簡(jiǎn)歷的評(píng)分。

為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種基于人工智能的人才大 數(shù)據(jù)量化精確匹配方法。該基于人工智能的人才大數(shù)據(jù)量化精確匹配方法包括：采集 由應(yīng)聘者提供的簡(jiǎn)歷，并提取簡(jiǎn)歷中多類(lèi)信息的評(píng)分向量；抽取預(yù)定數(shù)量的簡(jiǎn)歷及其 評(píng)分向量，作為訓(xùn)練樣本；使用機(jī)器深度學(xué)習(xí)算法對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，得到人才數(shù) 據(jù)評(píng)分模型；利用人才數(shù)據(jù)評(píng)分模型對(duì)海量簡(jiǎn)歷進(jìn)行評(píng)分，得到帶有評(píng)分值的簡(jiǎn)歷庫(kù)； 由帶有評(píng)分值的簡(jiǎn)歷庫(kù)根據(jù)外部輸入的人才需求提供評(píng)分值匹配的簡(jiǎn)歷。

進(jìn)一步地，提取簡(jiǎn)歷中多類(lèi)信息的評(píng)分向量的步驟包括：獲取由人力資源專(zhuān)家根 據(jù)簡(jiǎn)歷對(duì)多類(lèi)信息分別進(jìn)行評(píng)定得到的打分值；按照每類(lèi)信息的打分值生成該類(lèi)信息 的評(píng)分向量。

進(jìn)一步地，評(píng)分向量的種類(lèi)包括以下任意一種或多種：職業(yè)經(jīng)歷評(píng)分向量；教育 背景評(píng)分向量；業(yè)務(wù)技能評(píng)分向量；以及個(gè)人素質(zhì)評(píng)分向量。

進(jìn)一步地，抽取預(yù)定數(shù)量的簡(jiǎn)歷及其評(píng)分向量的步驟包括以下任意一種方式：隨 機(jī)抽取預(yù)定數(shù)量的簡(jiǎn)歷及其評(píng)分向量；人工抽取預(yù)定數(shù)量的簡(jiǎn)歷及其評(píng)分向量；以及 按照求職行業(yè)、教育背景、工作經(jīng)歷搜索出預(yù)定數(shù)量的簡(jiǎn)歷及其評(píng)分向量。

進(jìn)一步地，由帶有評(píng)分值的簡(jiǎn)歷庫(kù)根據(jù)外部輸入的人才需求提供評(píng)分值匹配的簡(jiǎn) 歷的步驟包括：獲取人才需求，其中人才需求中至少包括：信息篩選條件及設(shè)定評(píng)分 范圍；從簡(jiǎn)歷庫(kù)中挑選滿(mǎn)足信息篩選條件的簡(jiǎn)歷，作為備選簡(jiǎn)歷；從備選簡(jiǎn)歷篩選出 其評(píng)分值屬于評(píng)分范圍的簡(jiǎn)歷，并向提出人才需求的需求方提供。

進(jìn)一步地，使用機(jī)器深度學(xué)習(xí)算法對(duì)樣本訓(xùn)練的步驟包括：利用具有多層架構(gòu)的 神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，對(duì)樣本進(jìn)行訓(xùn)練，設(shè)計(jì)出用于處理簡(jiǎn)歷的支持向量機(jī)分類(lèi) 器，作為人才數(shù)據(jù)評(píng)分模型。

根據(jù)本發(fā)明的另一個(gè)方面，還提供了一種基于人工智能的人才大數(shù)據(jù)量化精確匹 配裝置。該基于人工智能的人才大數(shù)據(jù)量化精確匹配裝置包括：簡(jiǎn)歷采集模塊，用于 采集由應(yīng)聘者提供的簡(jiǎn)歷，并提取簡(jiǎn)歷中多類(lèi)信息的評(píng)分向量；樣本抽取模塊，用于 抽取預(yù)定數(shù)量的簡(jiǎn)歷及其評(píng)分向量，作為訓(xùn)練樣本；模型訓(xùn)練模塊，用于使用機(jī)器深 度學(xué)習(xí)算法對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練，得到人才數(shù)據(jù)評(píng)分模型；簡(jiǎn)歷評(píng)分模塊，用于利用 人才數(shù)據(jù)評(píng)分模型對(duì)海量簡(jiǎn)歷進(jìn)行評(píng)分，得到帶有評(píng)分值的簡(jiǎn)歷庫(kù)；簡(jiǎn)歷輸出模塊， 用于由帶有評(píng)分值的簡(jiǎn)歷庫(kù)根據(jù)外部輸入的人才需求提供評(píng)分值匹配的簡(jiǎn)歷。

進(jìn)一步地，簡(jiǎn)歷采集模塊還用于：獲取由人力資源專(zhuān)家根據(jù)簡(jiǎn)歷對(duì)多類(lèi)信息分別 進(jìn)行評(píng)定得到的打分值；按照每類(lèi)信息的打分值生成該類(lèi)信息的評(píng)分向量，其中，評(píng) 分向量的種類(lèi)包括以下任意一種或多種：職業(yè)經(jīng)歷評(píng)分向量、教育背景評(píng)分向量、業(yè) 務(wù)技能評(píng)分向量、以及個(gè)人素質(zhì)評(píng)分向量。