[发明专利]一种基于深度学习的数据推荐方法、装置及终端设备

说明书

本申请公开了一种基于深度学习的数据推荐方法、装置及终端设备，方法包括：获取多个应聘人员的人物画像；应聘人员与应聘人员的人物画像一一对应；应聘人员的人物画像包括应聘人员的多维度信息；对获取到的所述多个应聘人员的人物画像分别进行特征提取；将提取出的第一特征输入到训练好的训练模型，分别获得多个应聘人员的评分；多个应聘人员中每一个应聘人员的评分分别与每一个应聘人员一一对应从所述多个应聘人员中确定出评分大于或等于预设阈值的目标应聘人员。采用本申请，可快速及准确完成对海量的应聘人员的初步筛选，提高了工作效率，节省了人力成本。

技术领域

本申请涉及计算机及网络技术领域，尤其涉及一种基于深度学习的数据推荐方法、装置及终端设备。

背景技术

目前互联网的人才服务使得招聘由线下走到了线上，规模之大，前所未有，人才招聘网站动辄上百万简历，相比于传统的人才服务有时效长、成本低、触及面广等方面的优势，但是也存在着些许不足，如简历量大，不智能，精准匹配难以优化，人力资源顾问(HR)在筛选简历阶段就需要大量的重复劳动。

发明内容

本申请提供一种基于深度学习的数据推荐方法、装置及终端设备，可快速确定出应聘人员是否符合企业的相应岗位的要求，并快速、准确地完成对应聘人员的初步筛选，提高了工作效率，也节省了人力成本。

第一方面，本申请提供了一种基于深度学习的数据推荐方法，该方法包括：

获取多个应聘人员的人物画像；应聘人员与所述应聘人员的人物画像一一对应；所述应聘人员的人物画像包括所述应聘人员的多维度信息；

对获取到的所述多个应聘人员的人物画像分别进行特征提取；

将提取出的第一特征输入到训练好的训练模型，分别获得所述多个应聘人员的评分；所述多个应聘人员中每一个应聘人员的评分分别与所述每一个应聘人员一一对应；

从所述多个应聘人员中确定出评分大于或等于预设阈值的目标应聘人员。

结合第一方面，在一些可能的实施例中，

所述将提取出的第一特征输入到训练好的训练模型之前，还包括：

获取多个绩优的在职人员的人物画像；

对获取到的所述多个绩优的在职人员的人物画像分别进行特征提取；

对提取出的第二特征进行训练以获得所述训练好的训练模型，所述训练模型用于根据输入的特征生成评分。

结合第一方面，在一些可能的实施例中，输入到所述训练模型的特征与所述第二特征的相似度越高则所述训练模型生成的评分越高。

结合第一方面，在一些可能的实施例中，

所述获取多个应聘人员的人物画像之前，还包括：

获取多个应聘人员的简历信息；所述简历信息包括以下至少一项：应聘人员的年龄、性别、学历、表达能力、工作技能、学历、期望薪资、期望工作地区、应聘岗位或专业；

根据获取到的所述多个应聘人员的简历信息，对所述多个应聘人员中每一个应聘人员分别进行人物画像，以生成所述每一个应聘人员的人物画像。

结合第一方面，在一些可能的实施例中，所述根据获取到的所述多个应聘人员的简历信息，在多个维度下，对所述多个应聘人员中每一个应聘人员分别进行人物画像，以生成所述每一个应聘人员的人物画像，包括：

根据获取到的所述多个应聘人员的简历信息，筛选出每一个应聘人员在多个维度下的信息；

通过岗位胜任素质模型对每一个应聘人员在多个维度下的信息进行训练，从而生成所述每一个应聘人员的人物画像。

结合第一方面，在一些可能的实施例中，