[发明专利]一种基于人工智能的大学生兼职精确匹配方法

权利要求书

1.一种基于人工智能的大学生兼职精确匹配方法，其特征在于：该精确匹配方法包括以下步骤：

步骤S102，采集数据从应聘者提供的简历、以往的兼职记录、浏览兼职的习性；

步骤S104，抽取预定数量的简历及其兼职记录向量，作为训练样本；

步骤S106，使用机器深度学习算法对训练样本进行训练，构建用户数据画像；

步骤S108，利用用户数据画像得出用户兼职、关系和标签三者关系；

步骤S110，通过用户和兼职实体标签通过协同过滤算法建立稀疏矩阵转化成真实的匹配结果;

所述协同过滤推荐算法将计算对象分为两类，分别是基于用户的协同过滤算法和基于工作内容的协同过滤算法，其中，基于用户的协同过滤算法与基于工作内容的协同过滤算法分别通过用户维度与兼职维度表示，其具体内容分别是：

用户维度：用户维度主要是用户的基本属性、浏览轨迹、工作轨迹以及评价的打标；

兼职维度：通过兼职发布内的报名数据/浏览数+用户评价为兼职打标；

在步骤S106中，使用机器深度学习算法对训练样本进行训练，利用具有多层架构的神经网络的深度学习算法，对样本进行训练，设计出用于处理简历的支持向量机分类器，作为人才数据评分模型。

2.根据权利要求1所述的一种基于人工智能的大学生兼职精确匹配方法，其特征在于：在步骤S102中，采集数据用户提供的简历利用互联网技术进行简历的采集。

3.根据权利要求2所述的一种基于人工智能的大学生兼职精确匹配方法，其特征在于：提取简历中多类信息的评分向量的步骤包括：

S1：获取由大数据专家根据简历对多类信息分别进行评定进行定向打标；

S2：按照每类信息的打分值生成该类信息的向量。

4.根据权利要求3所述的一种基于人工智能的大学生兼职精确匹配方法，其特征在于：向量的种类主要分为活动范围评分向量、教育背景评分向量、业务技能评分向量以及个人素质评分向量。

5.根据权利要求1所述的一种基于人工智能的大学生兼职精确匹配方法，其特征在于：在步骤S104中，可以采用以下任意一种方式：

方式一、抽取预定数量的简历及其标签向量；

方式二、人工抽取预定数量的简历及其评分向量，以及按照投递行业、教育背景、兼职经历搜索出预定数量的简历及其评分向量。

6.根据权利要求1所述的一种基于人工智能的大学生兼职精确匹配方法，其特征在于：在步骤S110中，协同过滤算法是一种基于关联规则的算法，协同过滤算法是通过静态数据和动态数据的整合，转化成系统分数，建立基于用户和兼职的各自稀疏矩阵，并根据Pearson相关性系数计算，将隐含的关系因素转化成真实的匹配结果。