[发明专利]一种用户兴趣模型生成方法、职位推荐方法及计算设备

说明书

本发明公开了一种用于职位推荐的用户兴趣模型生成方法、职位推荐方法及计算设备，用户兴趣模型生成方法包括：根据当前用户关联的用户初始求职信息，初始化相应的用户兴趣模型；收集当前用户在预设的时间段内的一个或多个求职行为；对收集到的每一个求职行为，将该求职行为映射成相应的一个或多个第一求职特征；将映射出的各第一求职特征分解成其所包括的一个或多个第二求职特征，并获取所分解出的各第二求职特征的一个或多个属性；对获取到的每一个属性，从行为权重集中获取与该属性所源于的求职行为对应的求职行为权重，以计算该属性的权重；根据分解出的各第二求职特征的属性及属性的权重，更新用户兴趣模型。

技术领域

本发明涉及互联网技术领域，特别涉及一种用于职位推荐的用户兴趣模型生成方法、职位推荐方法及计算设备。

背景技术

随着互联网技术的快速发展，越来越多的人开始享受互联网为工作和生活带来的各种便利。以传统的招聘行业为例，现在人们可以通过招聘网站来搜索职位信息、投递简历、与心仪的用人单位联系等。当用户登录后，招聘网站会通过收集用户行为来获取用户求职意向，根据用户求职意向来向用户推荐相关的职位。

一般而言，如何给找工作的用户推荐满意的候选职位，很大程度上取决于招聘系统下推荐模块对服务对象的认知，用户画像和用户标签则是通常采用的技术手段。用户画像是初期定位用户的较好方式，但随着用户兴趣的变迁或者信息的变动，用户画像不够动态精确，不能很好地实时调整。而用户行为往往具有周期性，即在时间线上是跳跃式的，用户标签虽然能够及时地刻画用户兴趣，但是从时间维度上并不能很好地表征用户的信息变迁，同时也因为其本身的抽象性，存在遗漏互补信息的可能。

发明内容

为此，本发明提供一种用于职位推荐的用户兴趣模型生成方案，并提出了基于该用户兴趣模型的职位推荐方案，以力图解决或者至少缓解上面存在的问题。

根据本发明的一个方面，提供一种用于职位推荐的用户兴趣模型生成方法，适于在计算设备中执行，计算设备包括数据存储装置，数据存储装置中存储有初始求职信息集和行为权重集，初始求职信息集包括多条用户初始求职信息，每条用户初始求职信息关联于其对应的一个用户，行为权重集包括多个求职行为权重，该方法包括如下步骤：首先，根据从初始求职信息集中获取的当前用户关联的用户初始求职信息，初始化相应的用户兴趣模型，用户兴趣模型关联有一个或多个第一求职特征，每个第一求职特征包括一个或多个第二求职特征；收集当前用户在预设的时间段内的一个或多个求职行为；对收集到的每一个求职行为，将该求职行为映射成相应的一个或多个第一求职特征；将映射出的各第一求职特征分解成其所包括的一个或多个第二求职特征，并获取所分解出的各第二求职特征的一个或多个属性；对获取到的每一个属性，从行为权重集中获取与该属性所源于的求职行为对应的求职行为权重，以计算该属性的权重；根据分解出的各第二求职特征的属性及属性的权重，更新用户兴趣模型。

可选地，在根据本发明的用于职位推荐的用户兴趣模型生成方法中，用户初始求职信息包括用户的个人信息、在线简历、附件简历和/或位置信息。

可选地，在根据本发明的用于职位推荐的用户兴趣模型生成方法中，第一求职特征为职位标签、职位要求、职位薪资、职位城市、职位类型和公司要求中的任一种。

可选地，在根据本发明的用于职位推荐的用户兴趣模型生成方法中，求职行为包括投递、收藏、浏览、约谈、评论、订阅、期望、工作经历和/或搜索。

可选地，在根据本发明的用于职位推荐的用户兴趣模型生成方法中，每个求职行为权重关联于其对应的一种求职行为类型，从行为权重集中获取与该属性所源于的求职行为对应的求职行为权重的步骤包括：判断该属性所源于的求职行为的求职行为类型；从行为权重集中查找与该求职行为类型关联的求职行为权重，作为该求职行为对应的求职行为权重。