[发明专利]基于人工智能的简历匹配方法、装置、设备及存储介质

权利要求书

1.一种基于人工智能的简历匹配方法，其特征在于，包括：

获取目标人才的目标简历；

从所述目标简历中提取简历数据；

根据自然语言处理NLP的文本分类算法对所述简历数据进行清洗，得到目标文本；

调用预置的模型对所述目标文本进行分析，生成预测标签；

将所述预测标签与预置关键词进行匹配，得到相匹配的多个预置职位，并确定每个预置职位的匹配度；

将所述多个预置职位按照匹配度进行排序，得到第一职位匹配顺序。

2.根据权利要求1所述的基于人工智能的简历匹配方法，其特征在于，所述调用预置的模型对所述目标文本进行分析，生成预测标签包括：

依次遍历所述目标文本中的每条简历数据，每条简历数据都对应所述目标人才填写的一条应聘信息；

根据预置的模型对每条简历数据进行分词，得到分词结果；

根据所述分词结果在预置业务词袋中进行检索，得到每条简历数据的业务关键词；

将所述业务关键词按照频数降序排列得到排序结果；

将所述排序结果中靠前的预置数目的关键词确定为预测标签。

3.根据权利要求1所述的基于人工智能的简历匹配方法，其特征在于，所述将所述预测标签与预置关键词进行匹配，得到相匹配的多个预置职位，并确定每个预置职位的匹配度包括：

定义一个目标类，所述目标类包括多个属性；

根据所述预测标签确定所述目标类中的各个属性，每个属性对应一个所述预测标签；

确定所述目标类的输出结果，所述输出结果包括多个所述预测标签的标签值；

将所述预测标签的标签值与预置关键词进行匹配；

生成相匹配的多个预置职位，每个预置职位对应一个或多个所述预置关键词；

计算得到每个预置职位的匹配度。

4.根据权利要求1所述的基于人工智能的简历匹配方法，其特征在于，所述根据自然语言处理NLP的文本分类算法对所述简历数据进行清洗，得到目标文本之后，所述调用预置的模型对所述目标文本进行分析，生成预测标签之前，所述方法还包括：

生成预置的模型，所述预置的模型用于根据简历数据生成预测标签。

5.根据权利要求4所述的基于人工智能的简历匹配方法，其特征在于，所述生成预置的模型，所述预置的模型用于根据简历数据生成预测标签包括：

获取预置数量的简历数据；

对所述预置数量的简历数据进行清洗，得到多个有效数据；

为每个有效数据确定对应的标签，得到语料库，所述语料库包括多个所述对应的标签；

将所述语料库输入到文本训练模型中；

对所述文本训练模型进行参数调整，生成预置的模型，所述预置的模型用于根据简历数据生成预测标签。

6.根据权利要求5所述的基于人工智能的简历匹配方法，其特征在于，所述对所述文本训练模型进行参数调整，生成预置的模型，所述预置的模型用于根据简历数据生成预测标签之后，所述方法还包括：

确定所述预置的模型的精确率P和召回率R；

根据所述精确率P和所述召回率R生成所述预置的模型的F1值，所述F1值满足公式：

F1＝2PR/(P+R)；

根据所述F1值判断所述预置的模型的正确率是否大于预设的阈值；

若所述预置的模型的正确率大于所述预设的阈值，则确定所述预置的模型满足生产需求。

7.根据权利要求1-6中任一所述的基于人工智能的简历匹配方法，其特征在于，所述将所述多个预置职位按照匹配度进行排序，得到第一职位匹配顺序包括：

确定所述多个预置职位中每个预置职位的匹配度，所述匹配度为匹配到的预置关键词的个数；

比较各个预置职位的匹配度大小，并按照从大到小的顺序进行排序；

生成第一职位匹配顺序。