[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

说明书

本发明涉及人工智能领域，尤其涉及自然语言处理领域，公开了一种基于人工智能的简历匹配方法、装置、设备及存储介质，用于根据预置关键字分析简历与预置职位的匹配度，并根据匹配度生成职位匹配顺序，提高了简历匹配效率。本发明方法包括：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。

技术领域

本发明涉及自然语言处理领域，尤其涉及一种基于人工智能的简历匹配方法、装置、设备及存储介质。

背景技术

目前，在一些大企业招聘外包人员时，通常是由人力资源(human resource,HR)直接筛选简历，然后将筛选后的简历发送到专业部门，企业的专业部门需对HR发送的应聘人员简历进行确认，然后开始进行招聘流程。然而，HR不可能对所有岗位职能都了解，因此HR可能会发送不符合要求人员的简历，推荐不符合用人单位要求的人员参加面试。

现有方案中，HR在招聘人员时，需要自己对简历库中的简历进行筛选，挑选出符合要求的人员。企业HR招人时，可能要招不同职位的人，对于每个职位的用人专业需求，HR不一定都熟悉，导致候选人跟职位匹配度并不高，处理效率低。

发明内容

本发明提供了一种基于人工智能的简历匹配方法、装置、设备及存储介质，用于根据预置关键字分析简历与预置职位的匹配度，并根据匹配度生成职位匹配顺序，提高了简历匹配效率。

本发明实施例的第一方面提供一种基于人工智能的简历匹配方法，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。

可选的，在本发明实施例第一方面的第一种实现方式中，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。

可选的，在本发明实施例第一方面的第二种实现方式中，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。

可选的，在本发明实施例第一方面的第三种实现方式中，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。

可选的，在本发明实施例第一方面的第四种实现方式中，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。