[发明专利]一种人才智能推荐方法、系统、计算机设备及存储介质

说明书

本申请涉及文字处理技术领域，具体公开了一种人才智能推荐方法、系统、计算机设备及存储介质，该方法包括：通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序。本申请旨在使用自然语言处理(NLP)技术对简历进行语义理解，发掘简历亮点，精准推荐合适的候选人。

技术领域

本申请涉及文字处理技术领域，尤其涉及一种人才智能推荐方法、系统、计算机设备及存储介质。

背景技术

推荐系统的相关文献把它们分成三类：协同过滤(仅使用用户与商品的交互信息生成推荐)系统、基于内容(利用用户偏好和/或商品偏好)的系统和混合推荐模型(使用交互信息、用户和商品的元数据)。这些类别中的模型都有局限性，如数据稀疏性、用户和商品的冷启动。推荐系统的两大主流类型就是上文提到的①基于内容的推荐系统和②协同过滤(Collaborative Filtering)。协同过滤方法根据用户历史行为(例如其购买的、选择的、评价过的物品等)结合其他用户的相似决策建立模型。这种模型可用于预测用户对哪些物品可能感兴趣(或用户对物品的感兴趣程度)。基于内容推荐利用一些列有关物品的离散特征，推荐出具有类似性质的相似物品。目前，协同过滤技术已成为最广泛采用的推荐技术，已经被广泛应用到了很多商业系统中，比较著名的有Amazon、Netflix、淘宝等。

现有推荐系统主要是基于用户与商品的交互信息或者标签进行推荐，商品带有天然的标签属性，并且有大量的用户交互数据；然而在目前市面上所有的招聘系统中，仅仅是简单的通过各种条件的组合对简历进行筛选，缺失了对简历内容的理解，因为千人千面，人很难通过简单的标签去进行定义。

发明内容

本申请提供了一种人才智能推荐方法、系统、计算机设备及存储介质，旨在解决上述问题。

第一方面，本申请提供了一种人才智能推荐方法，所述方法包括：通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；

根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序。

第二方面，本申请还提供了一种人才智能推荐系统，包括：初步召回单元，用于通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；

精准排序单元，根据语义相似度的计算，对候选人的工作经历进行排序。

第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的人才智能推荐方法。

第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的人才智能推荐方法。

本申请公开了一种人才智能推荐方法、系统、设备及存储介质，通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序。本申请旨在使用自然语言处理(NLP)技术对简历进行语义理解，发掘简历亮点，精准推荐合适的候选人。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请的一实施例提供的一种人才智能推荐方法的示意流程图；

图2是本申请的一实施例提供的一种人才智能推荐方法的示意流程图；

图3是本申请的实施例的一种人才智能推荐方法的一子步骤示意流程图；