[发明专利]一种基于人工智能的大学生兼职精确匹配方法

说明书

本发明公开了一种基于人工智能的大学生兼职精确匹配方法，该精确匹配方法包括以下步骤：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；抽取预定数量的简历及其兼职记录向量，作为训练样本；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；利用用户数据画像得出用户兼职、关系和标签三者关系；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。该基于人工智能的大学生兼职精确匹配方法，实现了对用户信息的数字化，从而便于根据用户提供相应评分值的简历，利用高效的机器深度学习算法，取代了低效的浏览行为，更加高效，满足了网络招聘平台以及用工单位的要求。

技术领域

本发明涉及人工智能技术领域，具体为一种基于人工智能的大学生兼职精确匹配方法。

背景技术

随着通信技术的飞速发展，信息的爆发式增长，将显性信息和隐性行为从海量的数据中挑选出需要的内容成了信息处理领域重要的研究方向。本发明实现基于用户灵活用工的用户画像，抓住老用户，吸引新用户，读懂用户的偏好和兴趣，挖掘用户的潜在价值,对用户市场进行规划细分，并实现精细化运营，真正做到千人千面。

以后的发展需要当下积累，兼职能使大学生在校就能提前了解社会。目前互联网是大学生寻找兼职的重要途径。网络招聘平台获取到用户注册填写的信息、日常行为以及兼职的信息建立用户和兼职画像围绕实体(Object)、关系(Link)和标签(Tag)三个元素向学生提供合适的兼职岗位。在现有的技术中网络招聘一般按照发布时间，岗位类型，兼职地点等粗略推荐给用户。这样的推荐方式效果较差，提供的方式过于死板，不能满足用户的需求，往往造成推荐即打扰的反面效果，浪费珍贵的互联网流程输出。另一方面对兼职多次浏览却极少报名也造成招聘效果的折扣。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于人工智能的大学生兼职精确匹配方法，能够使用机器深度学习算法对作为简历数据样本以及对用户行为分析预处理得到评分向量进行训练，得到用户数据评分模型，该用户数据评分模型对用户进行打标评分，实现了对用户信息的数字化，从而便于根据用户提供相应评分值的简历，利用高效的机器深度学习算法，取代了低效的浏览行为，更加高效，满足了网络招聘平台以及用工单位的要求。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：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。

优选的，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。

优选的，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。

优选的，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。

优选的，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；