[发明专利]人才画像的生成方法、装置、设备及存储介质在审

专利信息
申请号: 201910524634.X 申请日: 2019-06-18
公开(公告)号: CN110399476A 公开(公告)日: 2019-11-01
发明(设计)人: 马琳 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06F16/335 分类号: G06F16/335;G06F16/35;G06F17/27
代理公司: 北京市京大律师事务所 11321 代理人: 刘挽澜
地址: 518033 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标文本 画像 自然语言处理 存储介质 简历数据 技能 预测 标签 人工智能领域 文本分类算法 标签生成 获取目标 训练模型 指示目标 预置 调用 清洗 提炼 筛选 分析
【权利要求书】:

1.一种人才画像的生成方法,其特征在于,包括:

获取目标简历;

从所述目标简历中提取简历数据;

基于自然语言处理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,所述目标文本指示目标人才的核心技能;

调用预置的训练模型对所述目标文本进行分析,生成预测标签,每个预测标签都对应所述目标人才的一个核心技能;

根据所述预测标签生成所述目标人才的人才画像。

2.根据权利要求1所述的人才画像的生成方法,其特征在于,所述调用预置的训练模型对所述目标文本进行分析,生成预测标签,每个预测标签都对应所述目标人才的一个核心技能包括:

依次遍历所述目标文本中的每条应聘信息,每条应聘信息都对应所述目标人才的一个核心技能;

基于预置的训练模型对每条应聘信息进行分词,得到分词结果;

根据所述分词结果在业务词袋中进行检索,得到每条应聘信息的业务关键词;

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所述的人才画像的生成方法,其特征在于,所述根据所述预测标签生成所述目标人才的人才画像包括:

创建一个目标类,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;

根据所述输出结果中各个预测标签的标签值生成所述目标人才的人才画像。

4.根据权利要求1所述的人才画像的生成方法,其特征在于,所述基于自然语言处理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,所述目标文本指示目标人才的核心技能之后,所述调用预置的训练模型对所述目标文本进行分析,生成预测标签,每个预测标签都对应所述目标人才的一个核心技能之前,所述方法还包括:

生成预置的训练模型,所述预置的训练模型用于根据文本数据生成预测标签。

5.根据权利要求4所述的人才画像的生成方法,其特征在于,所述生成预置的训练模型,所述预置的训练模型用于根据文本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,得到有效数据;

为每个有效数据确定对应的标签,得到语料库;

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,生成预置的训练模型,所述预置的训练模型用于根据文本数据生成预测标签。

6.根据权利要求5所述的人才画像的生成方法,其特征在于,所述对所述文本训练模型进行参数调整,生成预置的训练模型,所述预置的训练模型用于根据文本数据生成预测标签之后,所述方法还包括:

确定所述预置的训练模型的精确率P和召回率R;

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

Fα=(α2+1)PR/(α2P+R),其中,所述α大于或等于1;

根据所述Fα值判断训练模型的正确率是否大于预设的阈值;

若所述训练模型的正确率大于预设的阈值,则确定所述预置的训练模型满足生产需求。

7.根据权利要求1-6中任一所述的人才画像的生成方法,其特征在于,所述根据所述预测标签生成所述目标人才的人才画像之后,所述方法还包括:

对所述目标人才的人才画像按照预设标准进行评分得到目标分值;

判断所述目标人才的人才画像的目标分值是否大于预设的分值;

若所述目标人才的人才画像的目标分值大于预设的分值,则确定所述目标人才的人才画像满足要求,并将所述目标人才的人才画像进行保存;

若所述目标人才的人才画像的目标分值小于或等于所述预设的分值,则确定所述目标人才的人才画像不满足要求,并将所述目标人才的人才画像进行标记。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910524634.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top