1.一种岗位推荐方法,其特征在于,应用于网络招聘平台的当前客户端,该网络招聘平台还包括服务器,所述方法包括:
获得当前客户端的目标个人简历中指定的简历特征,作为本地简历特征信息;
获得用户通过所述当前客户端在所述网络招聘平台浏览过的目标岗位及各个目标岗位的目标岗位特征信息;
针对每个目标岗位,将该目标岗位的目标岗位特征信息和所述本地简历特征信息输入至预先与服务器共同训练的横向联邦学习算法模型;
获得所述横向联邦学习算法模型基于所述本地简历特征信息与各个所述目标岗位特征信息进行比对输出的各个目标岗位的岗位评分;
将当前客户端的所述各个目标岗位及岗位评分发送至所述服务器,以使所述服务器基于当前客户端的所述目标岗位及岗位评分,获得满足与所述当前客户端预设相似度条件的相似客户端,从相似客户端发送的目标岗位中获得推荐岗位,将推荐岗位发送至所述当前客户端。
2.根据权利要求1所述的方法,其特征在于,所述横向联邦学习算法模型,采用如下步骤训练:
获得用户通过所述当前客户端对预先指定的各个样本岗位的评分;
获得各个样本岗位的岗位特征信息,作为各个样本岗位的样本岗位特征信息;
基于所述各个样本岗位的样本岗位特征信息和所述本地简历特征信息,对待训练的横向联邦学习算法模型进行本地训练,获得所述当前客户端的本地训练参数;
将本地训练参数发送至所述服务器,以使所述服务器对各个参与训练的客户端发送的本地训练参数做安全聚合操作,生成更新后训练参数,并判断所述待训练的横向联邦学习算法模型是否收敛,将更新后训练参数和是否收敛的结果发送给各个客户端;
接收服务器发送的更新后训练参数和是否收敛的结果;
如果所述待训练的横向联邦学习算法模型收敛,则将所述更新后训练参数作为训练完成的横向联邦学习算法模型的模型参数;
如果所述待训练的横向联邦学习算法模型不收敛,则将所述更新后训练参数,作为本地训练的初始训练参数,返回所述基于所述各个样本岗位的样本岗位特征信息和所述本地简历特征信息,对待训练的横向联邦学习算法模型进行本地训练,获得所述当前客户端的本地训练参数的步骤。
3.根据权利要求2所述的方法,其特征在于,
在所述获得用户通过所述当前客户端对预先指定的各个样本岗位的评分的步骤之前,还包括:
接收服务器发送的指定的各个样本岗位特征;
在各终端之间进行特征对齐后,从所述目标个人简历中获取指定的简历特征字段及字段值,作为指定的简历特征。
4.根据权利要求2所述的方法,其特征在于,
所述将本地训练参数发送至所述服务器,以使所述服务器对各个参与训练的客户端发送的本地训练参数做安全聚合操作,生成更新后训练参数,并判断所述待训练的横向联邦学习算法模型是否收敛,将更新后训练参数和是否收敛的结果发送给各个参与训练客户端的步骤,包括:
将本地训练参数加密后发送至所述服务器,以使所述服务器对各个客户端发送的本地训练参数解密后做安全聚合操作,生成更新后训练参数,并判断所述待训练的横向联邦学习算法模型是否收敛,将更新后训练参数和是否收敛的结果加密后发送给各个客户端;
所述接收服务器发送的更新后训练参数和是否收敛的结果的步骤,包括:
接收服务器发送的加密后的更新后训练参数和是否收敛的结果并解密。
5.根据权利要求1所述的方法,其特征在于:
所述的横向联邦学习算法模型,为:协同过滤模型;
所述横向联邦学习算法模型输出的目标岗位的岗位评分,为:所述横向联邦学习算法模型将本地简历特征信息与目标岗位特征信息进行比对计算,得出的本地简历特征信息与目标岗位特征信息之间的相似度值。
6.一种岗位推荐方法,其特征在于,应用于网络招聘平台的服务器,该网络招聘平台还包括多个客户端,所述方法包括:
接收当前客户端发送的目标岗位及岗位评分;所述目标岗位及岗位评分,为:所述当前客户端针对每个目标岗位,将该目标岗位的目标岗位特征信息和本地简历特征信息输入至预先与服务器共同训练的横向联邦学习算法模型后,获得的所述横向联邦学习算法模型基于所述本地简历特征信息与各个所述目标岗位特征信息进行比对输出的各个目标岗位的岗位评分;
基于当前客户端的所述目标岗位及岗位评分,获得满足与所述当前客户端预设相似度条件的相似客户端,从相似客户端发送的目标岗位中获得推荐岗位,将推荐岗位发送至所述当前客户端。
7.根据权利要求6所述的方法,其特征在于,所述横向联邦学习算法模型,采用如下步骤训练:
接收各个参与训练的客户端发送的本地训练参数;所述本地训练参数,为:各个参与训练的客户端分别基于指定的各个样本岗位的样本岗位特征信息和本地简历特征信息,对待训练的横向联邦学习算法模型进行本地训练后获得的;所述参与训练的客户端包括所述当前客户端;
对各个参与训练的客户端发送的本地训练参数做安全聚合操作,生成更新后训练参数;
判断所述待训练的横向联邦学习算法模型是否收敛;
将更新后训练参数和是否收敛的结果发送给各个参与训练的客户端,以使各个参与训练的客户端在所述待训练的横向联邦学习算法模型收敛的情况下,将所述更新后训练参数作为训练完成的横向联邦学习算法模型的模型参数,以及在所述待训练的横向联邦学习算法模型不收敛的情况下,将所述更新后训练参数,作为本地训练的初始训练参数,对待训练的横向联邦学习算法模型进行下一轮本地训练,获得各个参与训练的客户端的本地训练参数并发送至服务器。
8.根据权利要求7所述的方法,其特征在于,
在所述接收各个参与训练的客户端发送的本地训练参数的步骤之前,还包括:
向各个参与训练的客户端发送指定的各个样本岗位特征。
9.根据权利要求7所述的方法,其特征在于,
所述接收各个参与训练的客户端发送的本地训练参数的步骤,包括:接收各个参与训练的客户端发送的加密后的本地训练参数;
所述对各个参与训练的客户端发送的本地训练参数做安全聚合操作,生成更新后训练参数的步骤,包括:
对各个参与训练的客户端发送的本地训练参数解密后做安全聚合操作,生成更新后训练参数;
所述将更新后训练参数和是否收敛的结果发送给各个参与训练的客户端的步骤,包括:
将更新后训练参数和是否收敛的结果加密后发送给各个客户端,以使各个参与训练的客户端接收服务器发送的加密后的更新后训练参数和是否收敛的结果并解密。
10.根据权利要求7所述的方法,其特征在于,
所述服务器对各个参与训练的客户端发送的本地训练参数做安全聚合操作,生成更新后训练参数的步骤,包括:
按如下公式计算获得更新后训练参数:
其中,nk为第k个客户端的样本岗位特征信息和本地简历特征信息,n为所有客户端的样本岗位特征信息和本地简历特征信息,
所述判断所述待训练的横向联邦学习算法模型是否收敛的步骤,包括:
按如下损失函数公式计算损失值:
基于损失值判断所述待训练的横向联邦学习算法模型是否收敛。
11.根据权利要求6~10所述的方法,其特征在于:
所述的横向联邦学习算法模型,为:协同过滤模型;
所述横向联邦学习算法模型输出的目标岗位的岗位评分,为:所述横向联邦学习算法模型将本地简历特征信息与目标岗位特征信息进行比对计算,得出的本地简历特征信息与目标岗位特征信息之间的相似度值。
12.根据权利要求6所述的方法,其特征在于:
所述基于当前客户端的所述目标岗位及岗位评分,获得满足与所述当前客户端预设相似度条件的相似客户端,从相似客户端发送的目标岗位中获得推荐岗位,将推荐岗位返回至所述当前客户端的步骤,包括:
获得所述当前客户端所对应的横向联邦学习算法模型的第一模型参数;
获得已训练完成的多个其他横向联邦学习算法模型的多个第二模型参数;所述其他横向联邦学习算法模型为:不包含当前客户端的多个其他客户端与服务器共同训练的横向联邦学习算法模型;
计算所述第一模型参数与各个第二模型参数的模型参数差异,将模型参数差异最小的横向联邦学习算法模型作为相似算法模型;
将参与所述相似算法模型训练的各个其他客户端作为相似客户端;
将相似客户端中评分高于预设阈值的目标岗位返回至所述当前客户端。
13.一种岗位推荐装置,其特征在于,应用于网络招聘平台的当前客户端,该网络招聘平台还包括服务器,所述装置包括:
简历特征信息获得模块,用于获得当前客户端的目标个人简历中指定的简历特征,作为本地简历特征信息;
岗位特征信息获得模块,用于获得用户通过所述当前客户端在所述网络招聘平台浏览过的目标岗位及各个目标岗位的目标岗位特征信息;
模型输入模块,用于针对每个目标岗位,将该目标岗位的目标岗位特征信息和所述本地简历特征信息输入至预先与服务器共同训练的横向联邦学习算法模型;
岗位评分获得模块,用于获得所述横向联邦学习算法模型基于所述本地简历特征信息与各个所述目标岗位特征信息进行比对输出的各个目标岗位的岗位评分;
目标岗位发送模块,用于将当前客户端的所述各个目标岗位及岗位评分发送至所述服务器,以使所述服务器基于当前客户端的所述目标岗位及岗位评分,获得满足与所述当前客户端预设相似度条件的相似客户端,从相似客户端发送的目标岗位中获得推荐岗位,将推荐岗位返回至所述当前客户端。
14.一种岗位推荐装置,其特征在于,应用于网络招聘平台的服务器,该网络招聘平台还包括多个客户端,所述装置包括:
目标岗位接收模块,用于接收当前客户端目标岗位及岗位评分;所述目标岗位及岗位评分,为:所述当前客户端针对每个目标岗位,将该目标岗位的目标岗位特征信息和本地简历特征信息输入至预先与服务器共同训练的横向联邦学习算法模型后,获得的所述横向联邦学习算法模型基于所述本地简历特征信息与各个所述目标岗位特征信息进行比对输出的各个目标岗位的岗位评分;
推荐岗位发送模块,用于基于当前客户端的所述目标岗位及岗位评分,获得满足与所述当前客户端预设相似度条件的相似客户端,从相似客户端发送的目标岗位中获得推荐岗位,将推荐岗位返回至所述当前客户端。
15.一种客户端设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
16.一种服务器,特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求6-12任一所述的方法步骤。
17.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5或6-12任一所述的方法步骤。