[发明专利]一种岗位推荐方法、系统、计算机设备及存储介质

权利要求书

1.一种岗位推荐方法，其特征在于，包括：

获取互联网中的中文维基百科数据与百度百科数据、校园大数据系统中的学生数据、学校招聘系统中的岗位数据以及互联网中的岗位数据；

根据所述中文维基百科数据与百度百科数据构建自定义词向量模型；

根据所述学生数据与所述自定义词向量模型构建学生专业技能评价模型，根据所述学校招聘系统中的岗位数据、互联网中的岗位数据以及所述自定义词向量模型构建岗位能力素质模型；

根据所述学生专业技能评价模型和岗位能力素质模型，实现学生的专业技能与岗位能力素质的匹配。

2.如权利要求1所述的岗位推荐方法，其特征在于，所述根据所述中文维基百科数据与百度百科数据构建自定义词向量模型的步骤包括：

对所述中文维基百科数据与百度百科数据进行聚合清洗处理和统一的标准化转换处理、关联及取值，以形成自定义词向量模型关键数据；

通过自然语言处理技术对所述自定义词向量模型关键数据中的文本信息进行提取和分词，并生成各个词的唯一词向量；

根据所述词向量构建自定义词向量模型。

3.如权利要求2所述的岗位推荐方法，其特征在于，所述根据所述学生数据与所述自定义词向量模型构建学生专业技能评价模型的步骤包括：

对所述学生数据进行聚合清洗处理和统一的标准化转换处理、关联及取值，以形成学生专业技能评价模型关键数据；

通过自然语言处理技术对所述学生专业技能评价模型关键数据中的文本信息进行提取和分词，并通过所述自定义词向量模型构建学生专业技能评价模型。

4.如权利要求3所述的岗位推荐方法，其特征在于，所述根据所述学校招聘系统中的岗位数据、互联网中的岗位数据以及所述自定义词向量模型构建岗位能力素质模型的步骤包括：

对所述学校招聘系统中的岗位数据及互联网中的岗位数据进行聚合清洗处理和统一的标准化转换处理、关联及取值，以形成岗位能力素质模型关键数据；

通过自然语言处理技术对所述岗位能力素质模型关键数据中的文本信息进行提取和分词，并通过所述自定义词向量模型构建岗位能力素质模型。

5.如权利要求4所述的岗位推荐方法，其特征在于，所述根据所述学生专业技能评价模型和岗位能力素质模型，实现学生的专业技能与岗位能力素质的匹配的步骤包括：

计算所述学生专业技能评价模型中的专业技能向量与所述岗位能力素质模型中的岗位能力向量的余弦相似度；

将余弦相似度最高的岗位能力向量所对应的岗位作为该学生的推荐岗位。

6.如权利要求5所述的岗位推荐方法，其特征在于，按岗位所对应余弦相似度从大到小的顺序对岗位进行排列，以生成岗位推荐列表。

7.如权利要求6所述的岗位推荐方法，其特征在于，根据学生对所述推荐岗位列表的满意度反馈情况，对所述推荐岗位列表的顺序进行优化。