应用于招聘信息化系统的信息推荐方法及系统与流程

本申请涉及计算机，具体而言，涉及一种应用于招聘信息化系统的信息推荐方法及系统。

背景技术：

1、在现代招聘信息环境中，信息化系统对于处理大量的招聘和求职数据起着至关重要的作用。这些系统需要有效地从复杂的招聘对话和求职者简历中提取有价值的信息，并据此推荐最匹配的候选人或职位。

2、然而，传统的招聘信息化系统面临着一些挑战。首先，由于招聘对话和求职者简历数据的复杂性和多样性，传统的招聘信息化系统可能难以准确理解和处理这些数据。其次，现有的招聘信息化系统通常缺乏针对个别招聘情况的定制化学习和推荐能力，从而可能无法为特定的招聘需求提供最优的推荐结果。

3、为了解决这些问题，已经有一些方法尝试通过使用机器学习技术来提高信息推荐的精准度。然而，这些方法往往只考虑了全局的训练知识，忽略了每个招聘挖掘实例可能具有的独特需求和特性。因此，如何有效地结合全局和局部的训练知识，以适应各种不同的需求，并生成更精准的推荐结果，是当前招聘信息化系统面临的一个重要问题。

技术实现思路

1、为了至少克服现有技术中的上述不足，本申请的目的在于提供一种应用于招聘信息化系统的信息推荐方法及系统。

2、第一方面，本申请提供一种应用于招聘信息化系统的信息推荐方法，所述方法包括：

3、获取候选人招聘对话数据序列和求职者简历数据序列；

4、依据所述候选人招聘对话数据序列和所述求职者简历数据序列，对招聘对话理解网络和求职者画像挖掘网络的训练知识信息进行知识学习，生成知识学习后的训练知识信息，所述知识学习后的训练知识信息包括k个招聘挖掘实例的k份训练知识参数，所述k份训练知识参数中的每份训练知识参数用于针对一个招聘挖掘实例为所述招聘对话理解网络和所述求职者画像挖掘网络加载挖掘引导信息，k为不小于2的正整数；所述每份训练知识参数包含全局训练知识参数和局部训练知识参数，所述k个招聘挖掘实例中至少部分招聘挖掘实例互用所述全局训练知识参数，所述k个招聘挖掘实例各自独用所述局部训练知识参数；

5、基于所述招聘对话理解网络、所述求职者画像挖掘网络和所述k份训练知识参数，对对应的招聘挖掘实例关联的候选人招聘对话数据序列和求职者简历数据序列进行挖掘，生成对应的招聘推荐信息。

6、第二方面，本申请实施例还提供一种应用于招聘信息化系统的信息推荐系统，所述应用于招聘信息化系统的信息推荐系统包括处理器和机器可读存储介质，所述机器可读存储介质中存储有计算机程序，所述计算机程序结合该处理器加载并执行以实现以上第一方面的应用于招聘信息化系统的信息推荐方法。

7、采用以上任意方面的技术方案，本申请实施例通过获取候选人招聘对话数据序列和求职者简历数据序列，利用招聘对话理解网络和求职者画像挖掘网络进行知识学习，并生成包含全局和局部训练知识参数的训练知识信息，能够针对不同的招聘挖掘实例加载相应的挖掘引导信息，以优化对招聘信息的处理效率和准确性。至少部分招聘挖掘实例可共享全局训练知识参数，而每个招聘挖掘实例都可独享其局部训练知识参数，进一步提高了信息推荐的精准度。最后，基于所述网络和训练知识参数，对招聘挖掘实例关联的数据序列进行挖掘，从而生成对应的招聘推荐信息，由此提升了招聘信息的匹配和推荐的准确性，同时增强了对复杂和多变招聘场景的适应性。通过将全局和局部训练知识参数相结合，既保证了各个招聘挖掘实例的个性化需求，又保留了全局性的学习和推荐能力，从而提高了招聘信息化系统的整体性能。

技术特征：

1.一种应用于招聘信息化系统的信息推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的应用于招聘信息化系统的信息推荐方法，其特征在于，所述k个招聘挖掘实例包含目标招聘挖掘实例，所述目标招聘挖掘实例的一份训练知识参数包含对话训练知识参数和简历训练知识参数；

3.根据权利要求2所述的应用于招聘信息化系统的信息推荐方法，其特征在于，所述招聘对话理解网络包含一组对话嵌入表示单元，所述求职者画像挖掘网络包含一组简历嵌入表示单元；

4.根据权利要求3所述的应用于招聘信息化系统的信息推荐方法，其特征在于，所述将所述候选人招聘对话数据和初始对话意图标签加载至所述一组对话嵌入表示单元，生成末个对话嵌入表示单元的嵌入表示结果，包括：

5.根据权利要求3所述的应用于招聘信息化系统的信息推荐方法，其特征在于，基于所述对话意图标签、所述求职者画像描述向量以及所述目标招聘挖掘实例的目标训练标签数据，对所述目标招聘挖掘实例的所述一份训练知识参数进行优化更新，包括：

6.根据权利要求5所述的应用于招聘信息化系统的信息推荐方法，其特征在于，所述基于所述对话意图向量和所述求职者简历匹配向量，确定目标招聘推荐预测数据，包括：

7.根据权利要求1所述的应用于招聘信息化系统的信息推荐方法，其特征在于，在依据所述候选人招聘对话数据序列和所述求职者简历数据序列，对招聘对话理解网络和求职者画像挖掘网络的训练知识信息进行知识学习之前，所述方法还包括：

8.根据权利要求7所述的应用于招聘信息化系统的信息推荐方法，其特征在于，所述基于所述k份目标训练代价参数，对所述k个招聘挖掘实例进行聚簇，包括：

9.根据权利要求1-8中任意一项所述的应用于招聘信息化系统的信息推荐方法，其特征在于，所述基于所述招聘对话理解网络、所述求职者画像挖掘网络和所述k份训练知识参数，对对应的招聘挖掘实例关联的候选人招聘对话数据序列和求职者简历数据序列进行挖掘，生成对应的招聘推荐信息的步骤，包括：

10.一种应用于招聘信息化系统的信息推荐系统，其特征在于，所述应用于招聘信息化系统的信息推荐系统包括处理器和机器可读存储介质，该机器可读存储介质中存储有机器可执行指令，该机器可执行指令由该处理器加载并执行以实现权利要求1-9中任意一项所述的应用于招聘信息化系统的信息推荐方法。

技术总结
本申请实施例提供一种应用于招聘信息化系统的信息推荐方法及系统，能够针对不同的招聘挖掘实例加载相应的挖掘引导信息，以优化对招聘信息的处理效率和准确性。至少部分招聘挖掘实例可共享全局训练知识参数，而每个招聘挖掘实例都可独享其局部训练知识参数，进一步提高了信息推荐的精准度。最后，基于所述网络和训练知识参数，对招聘挖掘实例关联的数据序列进行挖掘，从而生成对应的招聘推荐信息，由此提升了招聘信息的匹配和推荐的准确性，同时增强了对复杂和多变招聘场景的适应性。通过将全局和局部训练知识参数相结合，既保证了各个招聘挖掘实例的个性化需求，又保留了全局性的学习和推荐能力，从而提高了招聘信息化系统的整体性能。

技术研发人员：刘强,周峰
受保护的技术使用者：成都鱼泡科技有限公司
技术研发日：
技术公布日：2024/4/29