CN111861514A - 一种人员推荐方法及人员推荐系统 - Google Patents

Abstract

本申请提供了一种人员推荐方法及人员推荐系统，通过获取待匹配用户的需求特征信息、待匹配用户的综合评估结果，以及至少一个候选匹配用户中每个候选匹配用户的工作特征信息和该候选匹配用户的综合评估结果，通过训练好的匹配模型，确定出待匹配用户与每一个候选匹配用户之间的匹配结果，最终，根据确定出的多个匹配结果，为待匹配用户推荐相应的目标匹配用户。这样，便能够根据待匹配用户的需求特征信息，为该待匹配用户推荐更加合适的目标匹配用户为其提供服务，进而有助于提高待匹配用户的服务满意度，以及提高匹配结果的准确性。

Description

一种人员推荐方法及人员推荐系统

技术领域

本申请涉及计算机技术领域，尤其是涉及一种人员推荐方法及人员推荐系统。

背景技术

随着互联网行业的飞速发展，网络业务规模日益扩大，线上业务订单量突飞猛进，当用户在网上进行订单咨询时，通常需要为其分配一个相应的服务人员，以对其提出的问题进行解答。

目前，派单方式几经演进，从最初的订单池抢单转变到后来的调度员派单，然而，订单池抢单这种派单模式可以让服务人员对现有的订单进行挑选，从而挑选出有利于自身的订单，进而出现刷单作弊以及应答不及时等情况，而调度员派单这种派单模式，在调度员对服务人员所擅长的领域不了解时，常常会出现派单失误的情况，例如，服务人员不能够解决用户所提出的问题，造成的订单处理不够及时以及用户满意度较低的问题。

发明内容

有鉴于此，本申请的目的在于提供一种人员推荐方法及人员推荐系统，能够为待匹配用户推荐更加适合的候选匹配用户，有助于提高待匹配用户的服务满意度，以及提高匹配结果的准确性。

本申请实施例提供了一种人员推荐方法，所述人员推荐方法包括：

获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；

将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果；

按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户。

进一步的，通过以下步骤确定所述综合评估结果：

获取目标匹配用户的目标特征信息，以及所述目标特征信息所指示的每个评估维度的单项评估分值，其中，当所述目标匹配用户为所述待匹配用户时，所述评估维度为匹配维度；当所述目标匹配用户为所述候选匹配用户时，所述评估维度为推荐维度；

将所述目标特征信息输入至评分模型的特征变换子模型，得到所述目标匹配用户对应的目标特征向量；

将所述目标特征向量输入至所述评分模型的特征权重配比子模型，确定每个评估维度对于所述目标匹配用户的评估权重；

基于每个评估维度的单项评估分值以及每个评估维度的评估权重，确定所述目标匹配用户对应的综合评估结果。

进一步的，所述将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果，包括：

通过获取到的所述待匹配用户的前一匹配用户对应的匹配模型参数配置所述匹配模型，得到配置完成的目标匹配模型；

将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

进一步的，通过以下步骤确定所述待匹配用户对应的匹配模型参数：

获取所述待匹配用户的需求特征信息以及所述待匹配用户对应的综合评估结果；

通过所述需求特征信息以及所述待匹配用户对应的综合评估结果，训练所述匹配模型，得到所述待匹配用户对应的匹配模型参数，以供所述待匹配用户的下一匹配用户用于配置所述匹配模型。

进一步的，当所述待匹配用户为第一个匹配用户时，通过以下步骤确定所述匹配模型参数：

从样本数据库中获取每个样本待匹配用户的样本需求特征信息和每个样本待匹配用户的样本综合评估结果，每个样本候选匹配用户的样本工作信息和每个样本候选匹配用户的样本综合评估结果，以及每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果；

将获取到的样本需求特征信息和样本工作信息，以及每个样本待匹配用户的样本综合评估结果和每个样本候选匹配用户的样本综合评估结果作为输入特征，将每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果作为输出特征，训练构建好的离线分层子模型，得到所述匹配模型的匹配模型参数。

进一步的，所述将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果，包括：

将所述需求特征信息与所述待匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到所述待匹配用户对应的第一特征向量；

将每个候选匹配用户的工作特征信息与每个候选匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到每个候选匹配用户对应的第二特征向量；

基于所述第一特征向量以及每个候选用户对应的第二特征向量，通过所述目标匹配模型中的在线分层子模型确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

进一步的，通过以下步骤训练所述评分模型：

从样本数据库中获取每个样本目标匹配用户的样本目标特征信息和所述样本目标特征信息所指示的每个评估维度的样本评估分值，以及所述样本目标匹配用户对应的真实评估结果；

将获取到的所述样本目标特征信息以及每个样本评估分值作为输入特征，将所述样本目标匹配用户对应的真实评估结果作为输出特征，训练构建好的深度学习模型，得到训练好的评分模型。

进一步的，所述按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户，包括：

从多个所述匹配结果中确定出所述待匹配用户与各个候选匹配用户之间的匹配相似度；

基于多个所述匹配相似度，从所述至少一个候选匹配用户中确定出与所述待匹配用户之间匹配相似度最高的目标匹配用户，并将所述目标匹配用户推荐给待匹配用户。

本申请实施例还提供了一种人员推荐系统，所述人员推荐系统包括：

获取模块，用于获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；

匹配模块，用于将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果；

推荐模块，用于按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户。

进一步的，所述人员推荐系统还包括确定模块，所述确定模块用于：

获取目标匹配用户的目标特征信息，以及所述目标特征信息所指示的每个评估维度的单项评估分值，其中，当所述目标匹配用户为所述待匹配用户时，所述评估维度为匹配维度；当所述目标匹配用户为所述候选匹配用户时，所述评估维度为推荐维度；

将所述目标特征信息输入至评分模型的特征变换子模型，得到所述目标匹配用户对应的目标特征向量；

将所述目标特征向量输入至所述评分模型的特征权重配比子模型，确定每个评估维度对于所述目标匹配用户的评估权重；

基于每个评估维度的单项评估分值以及每个评估维度的评估权重，确定所述目标匹配用户对应的综合评估结果。

进一步的，所述匹配模块在用于将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果时，所述匹配模块用于：

通过获取到的所述待匹配用户的前一匹配用户对应的匹配模型参数配置所述匹配模型，得到配置完成的目标匹配模型；

将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

进一步的，所述人员推荐系统还包括第一参数确定模块，所述第一参数确定模块用于：

获取所述待匹配用户的需求特征信息以及所述待匹配用户对应的综合评估结果；

通过所述需求特征信息以及所述待匹配用户对应的综合评估结果，训练所述匹配模型，得到所述待匹配用户对应的匹配模型参数，以供所述待匹配用户的下一匹配用户用于配置所述匹配模型。

进一步的，当所述待匹配用户为第一个匹配用户时，所述人员推荐系统还包括第二参数确定模块，所述第二参数确定模块用于：

从样本数据库中获取每个样本待匹配用户的样本需求特征信息和每个样本待匹配用户的样本综合评估结果，每个样本候选匹配用户的样本工作信息和每个样本候选匹配用户的样本综合评估结果，以及每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果；

将获取到的样本需求特征信息和样本工作信息，以及每个样本待匹配用户的样本综合评估结果和每个样本候选匹配用户的样本综合评估结果作为输入特征，将每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果作为输出特征，训练构建好的离线分层子模型，得到所述匹配模型的匹配模型参数。

进一步的，所述匹配模块在用于将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果时，所述匹配模块用于：

将所述需求特征信息与所述待匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到所述待匹配用户对应的第一特征向量；

将每个候选匹配用户的工作特征信息与每个候选匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到每个候选匹配用户对应的第二特征向量；

基于所述第一特征向量以及每个候选用户对应的第二特征向量，通过所述目标匹配模型中的在线分层子模型确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

进一步的，所述人员推荐系统还包括训练模块，所述训练模块用于：

从样本数据库中获取每个样本目标匹配用户的样本目标特征信息和所述样本目标特征信息所指示的每个评估维度的样本评估分值，以及所述样本目标匹配用户对应的真实评估结果；

将获取到的所述样本目标特征信息以及每个样本评估分值作为输入特征，将所述样本目标匹配用户对应的真实评估结果作为输出特征，训练构建好的深度学习模型，得到训练好的评分模型。

进一步的，所述推荐模块在用于按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户时，所述推荐模块用于：

从多个所述匹配结果中确定出所述待匹配用户与各个候选匹配用户之间的匹配相似度；

基于多个所述匹配相似度，从所述至少一个候选匹配用户中确定出与所述待匹配用户之间匹配相似度最高的目标匹配用户，并将所述目标匹配用户推荐给待匹配用户。

本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的人员推荐方法的步骤。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述的人员推荐方法的步骤。

本申请实施例提供的人员推荐方法及人员推荐系统，获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果；按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户。

这样，本申请通过获取待匹配用户的需求特征信息、待匹配用户的综合评估结果，以及至少一个候选匹配用户中每个候选匹配用户的工作特征信息和该候选匹配用户的综合评估结果，通过训练好的匹配模型，确定出待匹配用户与每一个候选匹配用户之间的匹配结果，最终，根据确定出的多个匹配结果，为待匹配用户推荐相应的目标匹配用户。这样，便能够根据待匹配用户的需求特征信息，为该待匹配用户推荐更加合适的目标匹配用户为其提供服务，进而有助于提高待匹配用户的服务满意度，可以提高匹配结果的准确性。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例所提供的一种人员推荐方法的流程图；

图2为本申请另一实施例提供的一种人员推荐方法的流程图；

图3为本申请实施例所提供的一种人员推荐系统的结构示意图之一；

图4为本申请实施例所提供的一种人员推荐系统的结构示意图之二；

图5为本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。

首先，对本申请可适用的应用场景进行介绍。本申请可应用于计算机技术领域，通过获取待匹配用户的需求特征信息、待匹配用户的综合评估结果，以及至少一个候选匹配用户中每个候选匹配用户的工作特征信息和该候选匹配用户的综合评估结果，通过训练好的匹配模型，为待匹配用户推荐相应的目标匹配用户。本申请提供的人员推荐系统获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；将获取到的待匹配用户的需求特征信息和综合评估结果，以及每个候选匹配用户的工作特征信息和综合评估结果，输入至训练好的匹配模型中，确定出待匹配用户与每个候选匹配用户之间的匹配结果，进而根据确定出的多个匹配结果，为待匹配用户推荐相应的目标匹配用户。这样，便能够根据待匹配用户的需求特征信息，更有针对性地为每个待匹配用户推荐相应的目标匹配用户，进而有助于提高待匹配用户的服务满意度，可以提高匹配结果的准确性。

经研究发现，目前，派单方式几经演进，从最初的订单池抢单转变到后来的调度员派单，然而，订单池抢单这种派单模式可以让服务人员对现有的订单进行挑选，从而挑选出有利于自身的订单，进而出现刷单作弊以及应答不及时等情况，而调度员派单这种派单模式，在调度员对服务人员所擅长的领域不了解时，常常会出现派单失误的情况，例如，服务人员不能够解决用户所提出的问题，造成的订单处理不够及时以及用户满意度较低的问题。

基于此，本申请实施例提供了一种人员推荐方法，能够有针对性的为待匹配用户推荐更加合适的目标匹配用户，从而有助于提高匹配结果的准确性。

请参阅图1，图1为本申请实施例所提供的一种人员推荐方法的流程图。如图1中所示，本申请实施例提供的人员推荐方法，包括：

S101、获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果。

该步骤中，每个待匹配用户都会存在至少一个候选匹配用户，在为待匹配用户推荐相应的候选匹配用户之前，获取待匹配用户的需求特征信息和该待匹配用户的综合评估结果，同时，获取至少一个候选匹配用户中，每一个候选匹配用户的工作特征信息和每一个候选匹配用户的综合评估结果，以用于后续的人员推荐过程之中。

这里，待匹配用户的需求特征信息包括：需求类型，年龄，地区，性别等信息；候选匹配用户的工作特征信息包括：擅长领域，年龄偏好，地区偏好，性别偏好等信息。

其中，对于不同的待匹配用户来说，获取到的需求特征信息的维度也不同，例如，对于待匹配用户A来说获取到的需求特征信息包括维度1、维度2以及维度3，而对于待匹配用户B获取到的需求特征信息中仅包括维度1和维度2。

S102、将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

该步骤中，将获取到的待匹配用户的需求特征信息、待匹配用户的综合评估结果、每个候选匹配用户的工作特征信息以及每个候选匹配用户的综合评估结果，输入至预先训练好的匹配模型中，确定出该待匹配用户与至少一个候选匹配用户中的每一个候选匹配用户之间的匹配结果。

S103、按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户。

该步骤中，按照确定出的待匹配用户与每个候选匹配用户匹配结果，从所述至少一个候选匹配用户中为待匹配用户推荐更加适合的目标匹配用户。

具体的，匹配结果中可以包括待匹配用户与每个候选匹配用户之间的匹配相似度，根据匹配相似度的大小，按照降序的顺序排列至少一个候选匹配用户，将排名位于前预设位数的候选匹配用户确定为目标匹配用户推荐给待匹配用户。

本申请实施例提供的人员推荐方法，获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果；按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户。

这样，本申请通过获取待匹配用户的需求特征信息、待匹配用户的综合评估结果，以及至少一个候选匹配用户中每个候选匹配用户的工作特征信息和该候选匹配用户的综合评估结果，通过训练好的匹配模型，确定出待匹配用户与每一个候选匹配用户之间的匹配结果，最终，根据确定出的多个匹配结果，为待匹配用户推荐相应的目标匹配用户。这样，便能够根据待匹配用户的需求特征信息，为该待匹配用户推荐更加合适的目标匹配用户为其提供服务，进而有助于提高待匹配用户的服务满意度，以及提高匹配结果的准确性。

请参阅图2，图2为本申请另一实施例提供的一种人员推荐方法的流程图。如图2中所示，本申请实施例提供的人员推荐方法，包括：

S201、获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果。

S202、将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

S203、从多个所述匹配结果中确定出所述待匹配用户与各个候选匹配用户之间的匹配相似度。

该步骤中，从确定出的多个匹配结果中，确定出待匹配用户与每一个候选匹配用户之间的匹配相似度，其中，匹配相似度表明候选匹配用户与待匹配用户之间的契合程度，匹配相似度越高说明待匹配用户与候选匹配用户之间的契合程度越高，相反的，匹配相似度越低说明待匹配用户与候选匹配用户之间的契合程度越低。

S204、基于多个所述匹配相似度，从所述至少一个候选匹配用户中确定出与所述待匹配用户之间匹配相似度最高的目标匹配用户，并将所述目标匹配用户推荐给待匹配用户。

该步骤中，根据确定出的多个匹配相似度，从至少一个候选匹配用户中确定出与待匹配用户之间匹配相似度最高的目标匹配用户，并将确定出的目标匹配用户推荐给待匹配用户。

其中，S201至S202的描述可以参照S101至S102的描述，并且能达到相同的技术效果，对此不做赘述。

进一步的，通过以下步骤确定所述综合评估结果：获取目标匹配用户的目标特征信息，以及所述目标特征信息所指示的每个评估维度的单项评估分值，其中，当所述目标匹配用户为所述待匹配用户时，所述评估维度为匹配维度；当所述目标匹配用户为所述候选匹配用户时，所述评估维度为推荐维度；将所述目标特征信息输入至评分模型的特征变换子模型，得到所述目标匹配用户对应的目标特征向量；将所述目标特征向量输入至所述评分模型的特征权重配比子模型，确定每个评估维度对于所述目标匹配用户的评估权重；基于每个评估维度的单项评估分值以及每个评估维度的评估权重，确定所述目标匹配用户对应的综合评估结果。

该步骤中，获取目标匹配用户的目标特征信息，并且确定出目标特征信息所指示的每个评估维度的单项评估分值。

其中，当目标匹配用户为待匹配用户时，评估维度为匹配维度，此时，目标特征信息包括：城市，年龄，性别，收入，负债，健康状况，是否有社保等信息；当目标匹配用户为候选匹配用户时，评估维度为推荐维度，此时，目标特征信息包括：从业年限、行业资质、个人产能、服务评价、平台合作度等信息。

将获取到的目标特征信息输入至预先训练好的评分模型中的特征变换子模型，将获取到的目标特征信息转换成该目标匹配用户对应的目标特征向量。

再将目标特征向量输入至预先训练好的评分模型中的特征权重配比子模型，确定出每个评估维度对于目标匹配用户的评估权重；基于确定出的每个评估维度的评估权重以及获取到的每个评估维度的单项评估分值，确定出目标匹配用户对应的综合评估结果。

其中，特征变换子模型可以包括逻辑斯蒂回归模型、梯度提升迭代决策树模型以及与上述模型达到同样效果的任意模型中的一种或多种组合，在此不做限制。同样的，特征权重配比子模型可以为逻辑斯蒂回归模型或者可以与其达到同样效果的其他模型。

示例性的，特征变换子模型中可以包括逻辑斯蒂回归模型和梯度提升迭代决策树模型，其中，梯度提升迭代决策树模型可以用于将获取到的目标匹配用户的目标特征信息转换成为相应的目标特征向量，而后，通过逻辑斯蒂回归模型得到目标匹配用户对应的稀疏特征向量，再将目标特征向量与稀疏特征向量拼接在一起，得到用于得到目标匹配用户的评估结果的目标特征向量。最后，再将目标特征向量输入至逻辑斯蒂回归模型中，确定出目标匹配用户的综合评估结果。

进一步的，在所述获取目标匹配用户的目标特征信息，以及所述目标特征信息所指示的每个评估维度的单项评估分值之后，所述人员推荐方法还包括：对获取到的目标特征信息进行数据预处理，得到处理后的目标特征信息。

该步骤中，在获取到目标匹配用户的目标特征信息后，对目标特征信息进行数据预处理，将目标特征信息中的异常信息、缺失数据以及隐秘数据等非必要维度字段数据进行过滤，得到处理后的目标匹配用户的目标特征信息。

其中，数据预处理包括：数据清理、数据集成、数据归约以及数据变换中的至少一种。

数据清理是指对目标特征信息中的噪声信息等特征信息进行纠正。

数据集成是指将目标特征信息中的多条信息合并成一个一致的信息，并将合并后的信息存储至相应的数据仓库中。

数据归约是指将目标特征信息中的冗余信息通过删除或聚类的方式来降低数据的规模。

数据变换是指将目标特征信息中的信息数据压缩到较小的区间，如归一化，标准化等，这可以进一步提高模型的准确率以及在该模型中向量度量的运算效率。

这样，能够有助于避免由于信息数量较多使得后续评估过程中数据的处理时间较长。

进一步的，步骤S202包括：通过获取到的所述待匹配用户的前一匹配用户对应的匹配模型参数配置所述匹配模型，得到配置完成的目标匹配模型；将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

该步骤中，当待匹配用户为非第一个匹配用户时，即待匹配用户不是每个使用周期内第一个使用匹配模型的用户，获取该待匹配用户的前一匹配用户对应的匹配模型参数，以及匹配模型中的各个模型配置参数，将前一匹配用户对应的匹配模型参数与各个模型配置参数进行比较，使用匹配模型参数与模型配置参数中残差低的参数配置匹配模型，得到配置完成的目标匹配模型，将获取的待匹配用户的需求特征信息、待匹配用户的综合评估结果、每个候选匹配用户的工作特征信息以及每个候选匹配用户的综合评估结果输入至配置完成的目标匹配模型中，通过目标匹配模型确定出每个候选匹配用户与待匹配用户之间的匹配结果。

进一步的，通过以下步骤确定所述待匹配用户对应的匹配模型参数：获取所述待匹配用户的需求特征信息以及所述待匹配用户对应的综合评估结果；通过所述需求特征信息以及所述待匹配用户对应的综合评估结果，训练所述匹配模型，得到所述待匹配用户对应的匹配模型参数，以供所述待匹配用户的下一匹配用户用于配置所述匹配模型。

该步骤中，获取待匹配用户的需求特征信息，以及待匹配用户的综合评估结果，使用获取到的待匹配用户的需求特征信息以及综合评估结果以迭代更新的方式训练匹配模型，得到待匹配用户对应的匹配模型参数，以供该待匹配用户的下一匹配用户在配置匹配模型时使用。

进一步的，当所述待匹配用户为第一个匹配用户时，通过以下步骤确定所述匹配模型参数：

从样本数据库中获取每个样本待匹配用户的样本需求特征信息和每个样本待匹配用户的样本综合评估结果，每个样本候选匹配用户的样本工作信息和每个样本候选匹配用户的样本综合评估结果，以及每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果；将获取到的样本需求特征信息和样本工作信息，以及每个样本待匹配用户的样本综合评估结果和每个样本候选匹配用户的样本综合评估结果作为输入特征，将每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果作为输出特征，训练构建好的离线分层子模型，得到所述匹配模型的预设模型参数。

该步骤中，从样本数据库中获取每个样本待匹配用户的样本需求特征信息，以及每个样本待匹配用户的样本综合评估结果，同时，获取每个样本候选匹配用户的样本工作信息，以及每个样本候选匹配用户的样本综合评估结果，并获取每个样本待匹配用户与每个样本候选匹配用户之间的真实匹配结果。

将获取到的每个样本待匹配用户的样本需求特征、每个样本待匹配用户的样本综合评估结果、每个样本候选匹配用户的样本工作信息以及每个样本候选匹配用户的样本综合评估结果作为输入特征，将每个样本待匹配用户与每个样本候选匹配用户之间的真实匹配结果作为输出特征，训练构建好的离线分层子模型，训练完成后得到匹配模型的预设模型参数。

其中，离线分层子模型可以为任意的神经网络模型，或者深度学习模型等可以作为离线分层模型的模型。

另外，样本数据库存储有人员行为数据及业务相关数据，包含ETL、操作性数据、数据仓库和数据集市等。

ETL，Extraction-Transformation-Loading的缩写，负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

操作性数据(Operational Data Store，ODS)，在业务系统和数据仓库之间形成一个隔离，ODS直接存放从业务系统抽取过来的数据，这些数据从结构和数据上与业务系统保持一致，降低了数据抽取的复杂性。转移一部分业务系统的细节查询功能，ODS存放的数据与业务系统相同，原有业务系统的报表可以从ODS中产生。在数据仓库中承上启下，ODS存放的是明细数据，DW或DM存放的是汇聚数据，ODS提供查询明细的功能。

数据仓库(Data Warehouse，DW)，为企业级决策定制过程提供所有类型数据支持的战略集合，是一个包含所有主题的通用的集合。效率足够高，能对进入的数据快速处理；数据质量，数据仓库是提供很多决策系统的支撑数据，所以数据准确非常重要；扩展性，企业业务扩展和降低企业建设数据仓库的成本考虑。面向主题，数据仓库中数据是按照一定的主题域进行组织的，每一个主题对应一个宏观的分析领域，数据仓库排除对决策无用的数据，提供特定主题的简明视图。

数据集市(DataMart，DM)，以某个业务应用为出发点而建设的局部DW，DW只关心自己需要的数据，不会全盘考虑企业整体的数据架构和应用，每个应用有自己的DM。

进一步的，所述将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果，包括：

将所述需求特征信息与所述待匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到所述待匹配用户对应的第一特征向量。

将每个候选匹配用户的工作特征信息与每个候选匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到每个候选匹配用户对应的第二特征向量。

基于所述第一特征向量以及每个候选用户对应的第二特征向量，通过所述目标匹配模型中的在线分层子模型确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

该步骤中，将获取到的待匹配用户的需求特征信息以及该待匹配用户的综合评估结果输入至配置好的目标匹配模型中的特征变换子模型，将该待匹配用户的需求特征信息以及综合评估结果转换为该待匹配用户对应的第一特征向量。

同样的，将获取到的每个候选匹配用户的工作特征信息以及该候选匹配用户的综合评估结果输入至配置好的目标匹配模型的特征变换子模型，将该候选匹配用户的工作特征信息以及综合评估结果转换为该候选匹配用户对应的第二特征向量。

将待匹配用户的第一特征向量与每个候选匹配用户的第二特征向量输入至配置好的目标匹配模型的在线分层子模型中，确定出每个候选匹配用户与待匹配用户之间的匹配结果。

其中，在线分层子模型可以为任意的神经网络模型，或者深度学习模型等可以作为在线分层模型的模型。

进一步的，通过以下步骤训练所述评分模型：

(1)从样本数据库中获取每个样本目标匹配用户的样本目标特征信息和所述样本目标特征信息所指示的每个评估维度的样本评估分值，以及所述样本目标匹配用户对应的真实评估结果。

该步骤中，从样本数据库中获取每个样本目标匹配用户的样本目标特征信息，以及样本目标特征信息所指示的每个评估维度对应的样本评估分值，同时，获取样本目标匹配用户对应的真实评估结果，以用于训练得到评分模型。

(2)将获取到的所述样本目标特征信息以及每个样本评估分值作为输入特征，将所述样本目标匹配用户对应的真实评估结果作为输出特征，训练构建好的深度学习模型，得到训练好的评分模型。

该步骤中，将获取到的样本目标匹配用户的样本目标特征信息，以及每个评估维度对应的样本评估分值作为构建好的深度学习模型的输入特征；将样本目标匹配用户对应的真实评估结果作为构建好的深度学习模型的输出特征，训练构建好的深度学习模型，得到训练好的评分模型。

其中，深度学习模型可以包括逻辑斯蒂回归模型、梯度提升迭代决策树模型以及与上述模型能达到同样效果的任意模型中的一种或多种组合，在此不做限制。

本申请实施例提供的人员推荐方法，获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果；从多个所述匹配结果中确定出所述待匹配用户与各个候选匹配用户之间的匹配相似度；基于多个所述匹配相似度，从所述至少一个候选匹配用户中确定出与所述待匹配用户之间匹配相似度最高的目标匹配用户，并将所述目标匹配用户推荐给待匹配用户。

这样，本申请通过获取待匹配用户的需求特征信息、待匹配用户的综合评估结果，以及至少一个候选匹配用户中每个候选匹配用户的工作特征信息和该候选匹配用户的综合评估结果，通过训练好的匹配模型，确定出待匹配用户与每一个候选匹配用户之间的匹配结果，最终，从多个匹配结果中确定出待匹配用户与每个候选匹配用户之间的匹配相似度，从而按照匹配相似度从至少一个候选匹配用户中确定出与待匹配用户相似度最高的目标匹配用户，为待匹配用户推荐相应的目标匹配用户。这样，便能够根据待匹配用户的需求特征信息，为该待匹配用户推荐更加合适的目标匹配用户为其提供服务，进而有助于提高待匹配用户的服务满意度，以及提高匹配结果的准确性。

请参阅图3、图4，图3为本申请实施例所提供的一种人员推荐系统的结构示意图之一，图4为本申请实施例所提供的一种人员推荐系统的结构示意图之二。如图3中所示，所述人员推荐系统300包括：

获取模块310，用于获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；

匹配模块320，用于将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果；

推荐模块330，用于按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户。

进一步的，如图4所示，所述人员推荐系统300还包括确定模块340，所述确定模块340用于：

获取目标匹配用户的目标特征信息，以及所述目标特征信息所指示的每个评估维度的单项评估分值，其中，当所述目标匹配用户为所述待匹配用户时，所述评估维度为匹配维度；当所述目标匹配用户为所述候选匹配用户时，所述评估维度为推荐维度；

将所述目标特征信息输入至评分模型的特征变换子模型，得到所述目标匹配用户对应的目标特征向量；

将所述目标特征向量输入至所述评分模型的特征权重配比子模型，确定每个评估维度对于所述目标匹配用户的评估权重；

基于每个评估维度的单项评估分值以及每个评估维度的评估权重，确定所述目标匹配用户对应的综合评估结果。

进一步的，如图4所示，所述人员推荐系统300还包括第一参数确定模块350，所述第一参数确定模块350用于：

获取所述待匹配用户的需求特征信息以及所述待匹配用户对应的综合评估结果；

通过所述需求特征信息以及所述待匹配用户对应的综合评估结果，训练所述匹配模型，得到所述待匹配用户对应的匹配模型参数，以供所述待匹配用户的下一匹配用户用于配置所述匹配模型。

进一步的，如图4所示，当所述待匹配用户为第一个匹配用户时，所述人员推荐系统还包括第二参数确定模块360，所述第二参数确定模块360用于：

从样本数据库中获取每个样本待匹配用户的样本需求特征信息和每个样本待匹配用户的样本综合评估结果，每个样本候选匹配用户的样本工作信息和每个样本候选匹配用户的样本综合评估结果，以及每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果；

将获取到的样本需求特征信息和样本工作信息，以及每个样本待匹配用户的样本综合评估结果和每个样本候选匹配用户的样本综合评估结果作为输入特征，将每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果作为输出特征，训练构建好的离线分层子模型，得到所述匹配模型的匹配模型参数。

进一步的，如图4所示，所述人员推荐系统300还包括训练模块370，所述训练模块370用于：

从样本数据库中获取每个样本目标匹配用户的样本目标特征信息和所述样本目标特征信息所指示的每个评估维度的样本评估分值，以及所述样本目标匹配用户对应的真实评估结果；

将获取到的所述样本目标特征信息以及每个样本评估分值作为输入特征，将所述样本目标匹配用户对应的真实评估结果作为输出特征，训练构建好的深度学习模型，得到训练好的评分模型。

进一步的，所述匹配模块320在用于将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果时，所述匹配模块320用于：

通过获取到的所述待匹配用户的前一匹配用户对应的匹配模型参数配置所述匹配模型，得到配置完成的目标匹配模型；

将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

进一步的，所述匹配模块320在用于将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果时，所述匹配模块320用于：

将所述需求特征信息与所述待匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到所述待匹配用户对应的第一特征向量；

将每个候选匹配用户的工作特征信息与每个候选匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到每个候选匹配用户对应的第二特征向量；

基于所述第一特征向量以及每个候选用户对应的第二特征向量，通过所述目标匹配模型中的在线分层子模型确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

进一步的，所述推荐模块330在用于按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户时，所述推荐模块330用于：

从多个所述匹配结果中确定出所述待匹配用户与各个候选匹配用户之间的匹配相似度；

基于多个所述匹配相似度，从所述至少一个候选匹配用户中确定出与所述待匹配用户之间匹配相似度最高的目标匹配用户，并将所述目标匹配用户推荐给待匹配用户。

本申请实施例提供的人员推荐系统，获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果；按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户。

这样，本申请通过获取待匹配用户的需求特征信息、待匹配用户的综合评估结果，以及至少一个候选匹配用户中每个候选匹配用户的工作特征信息和该候选匹配用户的综合评估结果，通过训练好的匹配模型，确定出待匹配用户与每一个候选匹配用户之间的匹配结果，最终，根据确定出的多个匹配结果，为待匹配用户推荐相应的目标匹配用户。这样，便能够根据待匹配用户的需求特征信息，为该待匹配用户推荐更加合适的目标匹配用户为其提供服务，进而有助于提高待匹配用户的服务满意度，以及提高匹配结果的准确性。

请参阅图5，图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示，所述电子设备500包括处理器510、存储器520和总线530。

所述存储器520存储有所述处理器510可执行的机器可读指令，当电子设备500运行时，所述处理器510与所述存储器520之间通过总线530通信，所述机器可读指令被所述处理器510执行时，可以执行如上述图1以及图2所示方法实施例中的人员推荐方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时可以执行如上述图1以及图2所示方法实施例中的人员推荐方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种人员推荐方法，其特征在于，所述人员推荐方法包括：

获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；

将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果；

按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户。

2.根据权利要求1所述的人员推荐方法，其特征在于，通过以下步骤确定所述综合评估结果：

获取目标匹配用户的目标特征信息，以及所述目标特征信息所指示的每个评估维度的单项评估分值，其中，当所述目标匹配用户为所述待匹配用户时，所述评估维度为匹配维度；当所述目标匹配用户为所述候选匹配用户时，所述评估维度为推荐维度；

将所述目标特征信息输入至评分模型的特征变换子模型，得到所述目标匹配用户对应的目标特征向量；

将所述目标特征向量输入至所述评分模型的特征权重配比子模型，确定每个评估维度对于所述目标匹配用户的评估权重；

基于每个评估维度的单项评估分值以及每个评估维度的评估权重，确定所述目标匹配用户对应的综合评估结果。

3.根据权利要求1所述的人员推荐方法，其特征在于，所述将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果，包括：

通过获取到的所述待匹配用户的前一匹配用户对应的匹配模型参数配置所述匹配模型，得到配置完成的目标匹配模型；

将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

4.根据权利要求3所述的人员推荐方法，其特征在于，通过以下步骤确定所述待匹配用户对应的匹配模型参数：

获取所述待匹配用户的需求特征信息以及所述待匹配用户对应的综合评估结果；

通过所述需求特征信息以及所述待匹配用户对应的综合评估结果，训练所述匹配模型，得到所述待匹配用户对应的匹配模型参数，以供所述待匹配用户的下一匹配用户用于配置所述匹配模型。

5.根据权利要求3所述的人员推荐方法，其特征在于，当所述待匹配用户为第一个匹配用户时，通过以下步骤确定所述匹配模型参数：

从样本数据库中获取每个样本待匹配用户的样本需求特征信息和每个样本待匹配用户的样本综合评估结果，每个样本候选匹配用户的样本工作信息和每个样本候选匹配用户的样本综合评估结果，以及每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果；

将获取到的样本需求特征信息和样本工作信息，以及每个样本待匹配用户的样本综合评估结果和每个样本候选匹配用户的样本综合评估结果作为输入特征，将每个样本候选匹配用户与每个样本待匹配用户之间的真实匹配结果作为输出特征，训练构建好的离线分层子模型，得到所述匹配模型的匹配模型参数。

6.根据权利要求3所述的人员推荐方法，其特征在于，所述将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至所述目标匹配模型中，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果，包括：

将所述需求特征信息与所述待匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到所述待匹配用户对应的第一特征向量；

将每个候选匹配用户的工作特征信息与每个候选匹配用户的综合评估结果输入至所述目标匹配模型中的特征变换子模型，得到每个候选匹配用户对应的第二特征向量；

基于所述第一特征向量以及每个候选用户对应的第二特征向量，通过所述目标匹配模型中的在线分层子模型确定出每个候选匹配用户与所述待匹配用户之间的匹配结果。

7.根据权利要求1所述的人员推荐方法，其特征在于，所述按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户，包括：

从多个所述匹配结果中确定出所述待匹配用户与各个候选匹配用户之间的匹配相似度；

基于多个所述匹配相似度，从所述至少一个候选匹配用户中确定出与所述待匹配用户之间匹配相似度最高的目标匹配用户，并将所述目标匹配用户推荐给待匹配用户。

8.一种人员推荐系统，其特征在于，所述人员推荐系统包括：

获取模块，用于获取待匹配用户的需求特征信息和待匹配用户的综合评估结果，以及获取至少一个候选匹配用户中每个候选匹配用户的工作特征信息和每个候选匹配用户的综合评估结果；

匹配模块，用于将所述需求特征信息和每个候选匹配用户的工作特征信息，以及所述待匹配用户的综合评估结果和每个候选匹配用户的综合评估结果输入至训练好的匹配模型，确定出每个候选匹配用户与所述待匹配用户之间的匹配结果；

推荐模块，用于按照多个所述匹配结果，从所述至少一个候选匹配用户中为所述待匹配用户推荐相应的目标匹配用户。

9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的人员推荐方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7中任一项所述的人员推荐方法的步骤。

Images