[发明专利]基于大数据的职业兴趣预测方法、装置、设备及存储介质

权利要求书

1.一种职业兴趣预测方法，其特征在于，所述方法包括：

当接收到职业兴趣预测指令时，采集与所述职业兴趣预测指令对应的被预测者的属性数据；

利用BERT算法对所述属性数据进行语义匹配，得到所述被预测者的行为数据；

基于所述行为数据对预先训练的预测模型进行拟合；

当所述预测模型拟合完毕时，输出所述被预测者对应于每一预设职业的拟合分值；

对所述拟合分值进行排序，得到排序结果；

根据所述排序结果预测职业兴趣。

2.如权利要求1所述的职业兴趣预测方法，其特征在于，所述利用BERT算法对所述属性数据进行语义匹配，得到所述被预测者的行为数据包括：

基于自然语言处理技术对所述属性数据进行分割，得到至少一个分词；

调取预先训练的BERT模型；

将所述至少一个分词输入到所述BERT模型中进行处理，输出所述行为数据。

3.如权利要求1所述的职业兴趣预测方法，其特征在于，在基于所述行为数据对预先训练的预测模型进行拟合前，所述方法还包括：

当接收到训练指令时，采集样本数据；

基于自然语言处理技术对所述样本数据进行分割，得到至少一个词语；

利用所述至少一个词语，对Matrix factorization模型进行训练，得到所述预测模型。

4.如权利要求3所述的职业兴趣预测方法，其特征在于，在利用所述至少一个词语，对Matrix factorization模型进行训练时，所述方法还包括：

基于梯度下降的前后向反向传播算法，拟合下述公式：

其中，r_i表示矩阵中第i行的嵌入向量，c_j表示矩阵中第j列的嵌入向量，b_i表示第i行的属性数据，b_i与r_i的长度相同，b_j表示第j列的属性数据，n_ij表示第i行第j列的数据，即采集的样本数据。

5.如权利要求3所述的职业兴趣预测方法，其特征在于，所述方法还包括：

从所述样本数据中调取验证集，所述验证集中包括验证样本及基准数据；

将所述验证样本输入到所述Matrix factorization模型中，得到输出结果；

基于所述基准数据，计算所述输出结果的当前准确率；

当所述当前准确率不再提高时，确定所述Matrix factorization模型通过验证。

6.如权利要求1所述的职业兴趣预测方法，其特征在于，所述根据所述排序结果预测职业兴趣包括：

调取预先配置的至少一个拟合分值范围，及与所述至少一个拟合分值范围中每个拟合分值范围对应的感兴趣度；

将所述排序结果中的每个拟合分值与所述至少一个拟合分值范围进行匹配；

获取匹配的拟合分值范围对应的感兴趣度作为对每个拟合分值对应的职业的预测感兴趣度。

7.如权利要求1所述的职业兴趣预测方法，其特征在于，在根据所述排序结果预测职业兴趣后，所述方法还包括：

链接到指定职业推荐网站；

基于所述排序结果，在所述指定职业推荐网站上进行职业推荐。

8.一种职业兴趣预测装置，其特征在于，所述装置包括：

采集单元，用于当接收到职业兴趣预测指令时，采集与所述职业兴趣预测指令对应的被预测者的属性数据；

匹配单元，用于利用BERT算法对所述属性数据进行语义匹配，得到所述被预测者的行为数据；

拟合单元，用于基于所述行为数据对预先训练的预测模型进行拟合；

输出单元，用于当所述预测模型拟合完毕时，输出所述被预测者对应于每一预设职业的拟合分值；

排序单元，用于对所述拟合分值进行排序，得到排序结果；

预测单元，用于根据所述排序结果预测职业兴趣。