CN112132536A - 一种岗位推荐方法、系统、计算机设备及存储介质 - Google Patents
一种岗位推荐方法、系统、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112132536A CN112132536A CN202010895581.5A CN202010895581A CN112132536A CN 112132536 A CN112132536 A CN 112132536A CN 202010895581 A CN202010895581 A CN 202010895581A CN 112132536 A CN112132536 A CN 112132536A
- Authority
- CN
- China
- Prior art keywords
- data
- post
- model
- student
- word vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种岗位推荐方法,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。本发明还公开了一种岗位推荐系统、计算机设备以及存储介质。采用本发明,能够能够给学生及时推送精准的岗位和提供指导建议。
Description
技术领域
本发明涉及大数据领域,尤其涉及一种岗位推荐方法、系统、计算机设备及存储介质。
背景技术
目前,随着我国高等教育的迅速发展,大学生的就业受到前所未有的挑战,通过大数据技术为大学生提供精准的基于个人专业课程学习情况与岗位的匹配推送和就业指导建议已不容迟缓,目前市场上还没有真正的产品实现该功能需求,大多通过简单的关键词匹配的检索技术完成,存在准确度不高等问题,而通过简历情况的岗位匹配,对于学校来说,存在数据难以获取无法给学生及时推送精准的岗位和提供指导建议等问题。
发明内容
本发明所要解决的技术问题在于,提供一种岗位推荐方法、系统、计算机设备及存储介质,通过大数据的分析处理,能够给学生及时推送精准的岗位和提供指导建议。
为了解决上述技术问题,本发明提供了一种岗位推荐方法,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。
优选地,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。
优选地,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。
优选地,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。
优选地,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。
优选地,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。
优选地,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。
本发明还提供了一种岗位推荐系统,包括:包括数据获取模块、数据处理模块、模型构建模块、岗位匹配模块、推荐展示模块以及评估优化模块;所述数据获取模块用于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;所述岗位匹配模块用于分别对互联网中的中文维基百科数据与百度百科数据、学校招聘系统中的岗位数据与互联网中的岗位数据以及校园大数据系统中的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,以形成自定义词向量模型关键数据、岗位能力素质模型关键数据以及学生专业技能评价模型关键数据;所述模型构建模块用于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,用于根据所述词向量构建自定义词向量模型,所述模型构建模块用于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,所述模型构建模块用于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;所述岗位匹配模块用于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;所述推荐展示模块用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;所述评估优化模块用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。
本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,所述处理器执行所述指令时实现上述方法的步骤。
本发明还提供了一种存储介质,其存储有计算机指令,其特征在于,该程序被处理器执行时实现上述方法的步骤。
实施本发明的有益效果在于:
本发明提供一种岗位推荐方法、系统、计算机设备及存储介质,可对获取的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,通过数据深度挖掘、自然语言处理、自定义词向量模型等大数据技术,建立学生专业技能评价模型;可通过校园招聘系统中的岗位数据和爬取互联网岗位数据,并对获取的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,通过数据深度挖掘、自然语言处理、自定义词向量模型等大数据技术,建立岗位能力素质模型;可通过专业技能评价模型与岗位能力素质模型匹配计算,实现为学生定制精准的个性化岗位推荐;可通过学生对推荐岗位的满意度反馈情况,对所述推荐岗位列表的顺序进行优化,以实现更为精准的岗位推荐。
附图说明
图1是本发明提供的岗位推荐方法流程图;
图2是本发明提供的自定义词向量模型构建流程示意图;
图3是本发明提供的学生专业技能评价模型构建流程示意图;
图4是本发明提供的岗位能力素质模型构建流程示意图;
图5是本发明提供的岗位匹配流程示意图;
图6是本发明提供的岗位推荐系统示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。仅此声明,本发明在文中出现或即将出现的上、下、左、右、前、后、内、外等方位用词,仅以本发明的附图为基准,其并不是对本发明的具体限定。
如图1所示,本发明提供了一种岗位推荐方法,包括:
S101,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;
需要说明的是,获取校园大数据系统数据,所述系统数据可以为校园大数据系统中的教务系统及学工系统数据,但不以此为限制。相应地,所述系统数据则是从数据系统中提取学生数据,包括学生基本信息、专业信息、课程信息、成绩信息、特长及社团参与信息、竞赛信息、荣誉信息、社会实践参与信息、科研立项参与信息。
所述岗位数据包括岗位信息、岗位所属企业基本信息、岗位要求信息、岗位描述信息。
所述互联网中的中文维基百科数据与百度百科数据所述数据包括词条、词条描述信息,但不以此为限制。
S102,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。
S103,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。
S104,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。
本发明通过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,再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,能够给学生及时推送精准的岗位和提供指导建议。
如图2所示,优选地,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:
S201,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;
S202,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。
需要说明的是,获取的数据通过必要的清洗(处理乱码,清楚格式编码,清理邮箱,电话等一些敏感信息),利用n-Gram+CRF+HMM技术构建分词器,通过wiki百科词条获取初始的专有词条作为词典,完成分词工作。分词完成后,清洗特殊的标点符号,通过Word2vec完成词向量锻炼。此时完成自然语言处理基本步骤。
如图3所示,更佳地,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:
S301,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;
S302,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。
专业技能信息处理:通过对专业名称、课程信息、特长、社会实践等数据,按同样的方式,再利用成绩和学分作为权重与词向量表结合,获取专业技能向量。
需要说明的是,根据学生专业技能评价模型关键数据,对专业信息、课程信息、特长能力信息等数据,通过自然语言处理技术,将文本信息进行提取和分词,并通过自定义词向量模型生成专业技能匹配因子,对基本的如成绩、学分等相对确定的数据生成模型基本因子,根据学生的行为反馈数据,生成意向关键因子;最终结合模型基本因子,意向关键因子,并根据模型基本因子设置权重参数,通过意向关键因子优化更新权重,构建学生专业技能评价模型。例如:模型基本因子如成绩、学分等因子,意向关键因子如学生的满意度分数因子,各个因子相加构成学生专业技能的初始权重,若学生满意度即意向关键因子有发生改变,则初始权重进行更新修正,从而不断提升用户体验。
如图4所示,进一步地,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:
S401,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;
S402,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。
岗位能力素质信息处理:通过爬虫爬回来的岗位信息,把岗位名称与岗位要求、描述等结合,通过分词器分词->保留名词,动词等语素->提取关键字->利用关键字权重与词向量表结合,获取岗位能力向量。
需要说明的是,根据岗位能力素质模型关键数据,对岗位要求、岗位描述、岗位标签等数据,自然语言处理技术,将文本信息进行提取和分词,并通过自定义词向量模型生成岗位对专业技能要求匹配因子,对基本的如岗位行业、岗位类型等相对确定的数据生成模型基本因子,并根据模型基本因子设置权重参数,从而构建岗位能力素质模型。例如:岗位模型基本因子如岗位更新日期因距离当前日期天数,天数越多代表该岗位时效性较低,则该因子的初始权重也较低;各个基本因子累加构成岗位的初始权重值。
如图5所示,更佳地,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:
S501,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;
S502,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。
优选地,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。
进一步地,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。在无法获取用户对岗位的偏好满意度时,每个岗位的初始匹配权重为统一固定值,例如两个岗位初始匹配权重分别为50,50;在用户对推荐的岗位分别标注满意度后,范围[0,100],如30,70,则推荐岗位匹配权重分别从50降到30,从50升到70,再重新通过加权平均对匹配结果进行排序输出。因此,可通过学生对推荐岗位的满意度反馈情况,评估推荐模型的可行性及实用性,以不断优化推荐匹配模型的权重参数对算法改进优化,完善算法以实现更为精准的岗位推荐。
如图6所示,本发明还提供了一种岗位推荐系统,包括:包括数据获取模块1、数据处理模块2、模型构建模块3、岗位匹配模块4、推荐展示模块5以及评估优化模块6。所述数据获取模块1用于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;所述数据处理模块2用于分别对互联网中的中文维基百科数据与百度百科数据、学校招聘系统中的岗位数据与互联网中的岗位数据以及校园大数据系统中的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,以形成自定义词向量模型关键数据、岗位能力素质模型关键数据以及学生专业技能评价模型关键数据;所述模型构建模块3用于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,用于根据所述词向量构建自定义词向量模型,所述模型构建模块用于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,所述模型构建模块用于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;所述岗位匹配模块4用于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;所述推荐展示模块5用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;所述评估优化模块6用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。
本发明提供的一种岗位推荐系统,可对获取的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,通过数据深度挖掘、自然语言处理、自定义词向量模型等大数据技术,建立学生专业技能评价模型;可通过校园招聘系统中的岗位数据和爬取互联网岗位数据,并对获取的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,通过数据深度挖掘、自然语言处理、自定义词向量模型等大数据技术,建立岗位能力素质模型;可通过专业技能评价模型与岗位能力素质模型匹配计算,实现为学生定制精准的个性化岗位推荐;可通过学生对推荐岗位的满意度反馈情况,评估推荐模型的可行性及实用性,以不断优化推荐匹配模型的权重参数对算法改进优化,完善算法以实现更为精准的岗位推荐。
本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,所述处理器执行所述指令时实现任意一项上述方法的步骤。本发明还提供了存储介质,其存储有计算机指令,该程序被处理器执行时实现任意一项上述方法的步骤。
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (10)
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。
8.一种岗位推荐系统,其特征在于,包括:包括数据获取模块、数据处理模块、模型构建模块、岗位匹配模块、推荐展示模块以及评估优化模块;
所述数据获取模块用于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;
所述岗位匹配模块用于分别对互联网中的中文维基百科数据与百度百科数据、学校招聘系统中的岗位数据与互联网中的岗位数据以及校园大数据系统中的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,以形成自定义词向量模型关键数据、岗位能力素质模型关键数据以及学生专业技能评价模型关键数据;
所述模型构建模块用于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,用于根据所述词向量构建自定义词向量模型,
所述模型构建模块用于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,
所述模型构建模块用于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;
所述岗位匹配模块用于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;
所述推荐展示模块用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;
所述评估优化模块用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。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,其特征在于,所述处理器执行所述指令时实现权利要求1-7任意一项所述方法的步骤。
10.一种存储介质,其存储有计算机指令,其特征在于,该程序被处理器执行时实现权利要求1-7任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010895581.5A CN112132536A (zh) | 2020-08-31 | 2020-08-31 | 一种岗位推荐方法、系统、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010895581.5A CN112132536A (zh) | 2020-08-31 | 2020-08-31 | 一种岗位推荐方法、系统、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112132536A true CN112132536A (zh) | 2020-12-25 |
Family
ID=73847645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010895581.5A Pending CN112132536A (zh) | 2020-08-31 | 2020-08-31 | 一种岗位推荐方法、系统、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112132536A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780671A (zh) * | 2021-09-16 | 2021-12-10 | 湖北天天数链技术有限公司 | 岗位预测方法、训练方法、装置、模型、设备及存储介质 |
CN114117054A (zh) * | 2022-01-24 | 2022-03-01 | 华南师范大学 | 基于个性词的学生期末评价方法、系统、装置和存储介质 |
CN116523225A (zh) * | 2023-04-18 | 2023-08-01 | 泸州职业技术学院 | 一种基于数据挖掘的翻转课堂混合教学方法 |
CN116595973A (zh) * | 2023-05-19 | 2023-08-15 | 广东职教桥数据科技有限公司 | 一种基于自然语言处理分类技术的岗位职能识别方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016086159A2 (en) * | 2014-11-26 | 2016-06-02 | Vobis, Inc. | Systems and methods to determine and utilize conceptual relatedness between natural language sources |
US20170286914A1 (en) * | 2016-04-05 | 2017-10-05 | Facebook, Inc. | Systems and methods to develop training set of data based on resume corpus |
CN108920544A (zh) * | 2018-06-13 | 2018-11-30 | 桂林电子科技大学 | 一种基于知识图谱的个性化职位推荐方法 |
CN109657875A (zh) * | 2018-12-29 | 2019-04-19 | 三盟科技股份有限公司 | 基于大数据环境下的成绩预测方法及系统 |
CN109710851A (zh) * | 2018-12-27 | 2019-05-03 | 三盟科技股份有限公司 | 基于互联网模式下多源数据分析的就业推荐方法及系统 |
US20190317966A1 (en) * | 2018-04-12 | 2019-10-17 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for talent-post matching and computer readable storage medium |
CN110633960A (zh) * | 2019-09-25 | 2019-12-31 | 重庆市重点产业人力资源服务有限公司 | 一种基于大数据的人力资源智能匹配、推荐的方法 |
CN111241361A (zh) * | 2020-01-09 | 2020-06-05 | 福州数据技术研究院有限公司 | 基于云平台的企业与高校的智能引荐系统及方法 |
CN111460813A (zh) * | 2020-03-04 | 2020-07-28 | 北京网聘咨询有限公司 | 招聘信息和求职简历匹配的方法及系统 |
-
2020
- 2020-08-31 CN CN202010895581.5A patent/CN112132536A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016086159A2 (en) * | 2014-11-26 | 2016-06-02 | Vobis, Inc. | Systems and methods to determine and utilize conceptual relatedness between natural language sources |
US20170286914A1 (en) * | 2016-04-05 | 2017-10-05 | Facebook, Inc. | Systems and methods to develop training set of data based on resume corpus |
US20190317966A1 (en) * | 2018-04-12 | 2019-10-17 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for talent-post matching and computer readable storage medium |
CN110378544A (zh) * | 2018-04-12 | 2019-10-25 | 百度在线网络技术(北京)有限公司 | 一种人岗匹配分析方法、装置、设备和介质 |
CN108920544A (zh) * | 2018-06-13 | 2018-11-30 | 桂林电子科技大学 | 一种基于知识图谱的个性化职位推荐方法 |
CN109710851A (zh) * | 2018-12-27 | 2019-05-03 | 三盟科技股份有限公司 | 基于互联网模式下多源数据分析的就业推荐方法及系统 |
CN109657875A (zh) * | 2018-12-29 | 2019-04-19 | 三盟科技股份有限公司 | 基于大数据环境下的成绩预测方法及系统 |
CN110633960A (zh) * | 2019-09-25 | 2019-12-31 | 重庆市重点产业人力资源服务有限公司 | 一种基于大数据的人力资源智能匹配、推荐的方法 |
CN111241361A (zh) * | 2020-01-09 | 2020-06-05 | 福州数据技术研究院有限公司 | 基于云平台的企业与高校的智能引荐系统及方法 |
CN111460813A (zh) * | 2020-03-04 | 2020-07-28 | 北京网聘咨询有限公司 | 招聘信息和求职简历匹配的方法及系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780671A (zh) * | 2021-09-16 | 2021-12-10 | 湖北天天数链技术有限公司 | 岗位预测方法、训练方法、装置、模型、设备及存储介质 |
CN114117054A (zh) * | 2022-01-24 | 2022-03-01 | 华南师范大学 | 基于个性词的学生期末评价方法、系统、装置和存储介质 |
CN114117054B (zh) * | 2022-01-24 | 2022-05-17 | 华南师范大学 | 基于个性词的学生期末评价方法、系统、装置和存储介质 |
CN116523225A (zh) * | 2023-04-18 | 2023-08-01 | 泸州职业技术学院 | 一种基于数据挖掘的翻转课堂混合教学方法 |
CN116523225B (zh) * | 2023-04-18 | 2024-01-23 | 泸州职业技术学院 | 一种基于数据挖掘的翻转课堂混合教学方法 |
CN116595973A (zh) * | 2023-05-19 | 2023-08-15 | 广东职教桥数据科技有限公司 | 一种基于自然语言处理分类技术的岗位职能识别方法 |
CN116595973B (zh) * | 2023-05-19 | 2023-10-03 | 广东职教桥数据科技有限公司 | 一种基于自然语言处理分类技术的岗位职能识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359215B (zh) | 视频智能推送方法和系统 | |
CN111753060B (zh) | 信息检索方法、装置、设备及计算机可读存储介质 | |
CN108363743B (zh) | 一种智能问题生成方法、装置和计算机可读存储介质 | |
CN108021616B (zh) | 一种基于循环神经网络的社区问答专家推荐方法 | |
CN112132536A (zh) | 一种岗位推荐方法、系统、计算机设备及存储介质 | |
WO2019242297A1 (zh) | 基于机器阅读理解的智能对话方法、装置、终端 | |
CN107818164A (zh) | 一种智能问答方法及其系统 | |
CN110674271B (zh) | 一种问答处理方法及装置 | |
CN109635083B (zh) | 一种用于搜索ted演讲中话题式查询的文档检索方法 | |
CN112395403B (zh) | 一种基于知识图谱的问答方法、系统、电子设备及介质 | |
CN110489523B (zh) | 一种基于网购评价的细粒度情感分析方法 | |
CN110781663B (zh) | 文本分析模型的训练方法及装置、文本分析方法及装置 | |
CN114116994A (zh) | 一种迎宾机器人对话方法 | |
CN102663129A (zh) | 医疗领域深度问答方法及医学检索系统 | |
CN107544956B (zh) | 一种文本要点检测方法及系统 | |
CN113672708A (zh) | 语言模型训练方法、问答对生成方法、装置及设备 | |
CN113342958B (zh) | 问答匹配方法、文本匹配模型的训练方法和相关设备 | |
CN111552773A (zh) | 一种阅读理解任务中是否类问题关键句寻找方法及系统 | |
CN113610680A (zh) | 一种基于ai的交互式阅读材料个性化推荐方法及系统 | |
CN113342948A (zh) | 一种智能问答方法及装置 | |
CN111666374A (zh) | 一种在深度语言模型中融入额外知识信息的方法 | |
CN113342944A (zh) | 一种语料泛化方法、装置、设备及存储介质 | |
CN115795018B (zh) | 一种面向电网领域的多策略智能搜索问答方法及系统 | |
CN111813941A (zh) | 结合rpa和ai的文本分类方法、装置、设备及介质 | |
WO2023040545A1 (zh) | 一种数据处理方法、装置、设备、存储介质和程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |