[发明专利]职位名称的识别方法、装置、计算处理设备、程序及介质

权利要求书

1.一种职位名称的识别方法，其特征在于，所述方法包括：

接收待输出的原始职位信息；

将所述原始职位信息输入至预先训练的职位信息表征模型进行预测，得到所述原始职位信息的原始职位特征，其中，所述职位信息表征模型是利用与标准职位特征相匹配的正样本、与标准职位特征不匹配的负样本，对预训练语言表征模型基于目标损失函数进行训练得到，所述目标损失函数的值与所述职位信息表征模型的稳定性和充分性相关；

在所述标准职位特征中查询与所述原始职位特征相匹配的目标标准职位特征；

输出所述目标标准职位特征相对应的标准职位名称。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于样本职位信息与标准职位名称之间的匹配关系对所述样本职位信息进行标注，得到与标准职位特征相匹配的正样本、与标准职位特征不匹配的负样本；

分别将所述正样本和所述负样本输入至预训练语言表征模型进行预测，得到所述正样本的正样本预测特征、所述负样本的负样本预测特征；

将所述正样本的正样本预测特征、所述负样本的负样本预测特征、所述标准职位名称的标准职位特征输入至目标损失函数，得到目标损失值；

在所述目标损失值小于损失值阈值的情况下结束训练，将训练后的预训练语言表征模型作为所述职位信息表征模型，所述目标损失函数的损失值是与所述职位信息表征模型的稳定性和充分性呈负相关关系。

3.根据权利要求2所述的方法，其特征在于，所述将所述正样本的正样本预测特征、所述负样本的负样本预测特征、所述标准职位名称的标准职位特征输入至目标损失函数，得到目标损失值，包括：

计算所述正样本预测特征与所述标准职位特征之间的第一余弦相似度，所述负样本预测特征与所述标准职位特征之间的第二余弦相似度；

计算所述第一余弦相似度与综合余弦相似度之间比例的相反数，得到目标损失值，所述综合余弦相似度是将所述第一余弦相似度和所述第二余弦相似度结合得到。

4.根据权利要求3所述的方法，其特征在于，所述计算所述第一余弦相似度与综合余弦相似度之间比例的相反数，得到目标损失值，包括：

通过下述公式计算得到目标损失值：

其中，所述Loss为目标损失值，所述h_i表示第i个标准职位名称的所述标准职位特征，所述表示第i个正样本的所述正样本预测特征，所述表示第j个所述负样本的所述负样本预测特征，所述表示第j个所述正样本的所述正样本预测特征，所述N表示所述正样本和所述负样本的总数量，所述τ表示预设参数,所述e为自然常数，所述sim()为正弦函数，所述N为样本数量。

5.根据权利要求1所述的方法，其特征在于，所述在所述标准职位特征中查询与所述原始职位特征相匹配的目标标准职位特征，包括：

获取所述标准职位特征与所述原始职位特征之间的相似度；

将所述相似度符合相似度要求的标准职位特征作为目标标准职位特征。

6.根据权利要求5所述的方法，其特征在于，所述相似度包括：余弦相似度；

所述将所述相似度符合相似度要求的标准职位特征作为目标标准职位特征，包括：

将与所述原始职位特征之间的余弦相似度最大的标准职位特征作为目标标准职位特征。

7.一种职位名称的识别装置，其特征在于，所述装置包括：

接收模块，被配置为接收待输出的原始职位信息；

预测模块，被配置为将所述原始职位信息输入至预先训练的职位信息表征模型进行预测，得到所述原始职位信息的原始职位特征，其中，所述职位信息表征模型是利用与标准职位特征相匹配的正样本、与标准职位特征不匹配的负样本，对预训练语言表征模型基于目标损失函数进行训练得到，所述目标损失函数的值与所述职位信息表征模型的稳定性和充分性相关；

查询模块，被配置为在所述标准职位特征中查询与所述原始职位特征相匹配的目标标准职位特征；

输出模块，被配置为输出所述目标标准职位特征相对应的标准职位名称。