求职线索分配方法及装置、电子设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种求职线索分配方法及装置、电子设备及可读存储介质。其中，该方法包括：获取第一训练特征以及第二训练特征，其中，第二训练特征与第一训练特征为相似特征；根据第一结果以及第二结果确定训练损失，其中，第一结果是由目标神经网络对第一训练特征进行预测得到的，第二结果是由目标神经网络对第二训练特征进行预测得到的；根据训练损失对目标神经网络进行训练。本发明专利技术解决了由于相关技术中求职线索分配过程没有考虑到线索与站点之间的匹配度以及招聘站点之间的分配差异度，而导致线索转化率低的技术问题。导致线索转化率低的技术问题。导致线索转化率低的技术问题。

【技术实现步骤摘要】
求职线索分配方法及装置、电子设备及可读存储介质


[0001]本专利技术涉及数据库
，具体而言，涉及一种求职线索分配方法及装置、电子设备及可读存储介质。

技术介绍

[0002]随着外卖行业的发展，外卖中的配送业务通过招聘网站的自然流量和广告投放获取求职者线索。随外卖配送业务发展，自然流量已无法满足岗位招聘人数要求，招聘广告投放比例逐渐升高，导致招聘岗位对求职者线索特征的需求越来越多样。
[0003]如图1所示，当前求职线索根据求职者选择的众包骑手或专送骑手，判断分配到众包站点或专送站点，然后根据求职者与站点之间的距离，选择一个最近的站点进行分配。
[0004]现有的分配方案针对单个求职线索进行分配，将线索分配到某个业务下距离最近的N个站点。这种分配方式只考虑到了业务和距离因素，未考虑求职意向、可工作时长、经验等因素。同时考虑到站点对线索的转化入职能力存在上限，按照单个线索的分配方式，容易造成位置有利的站点被分配的线索量过早饱和，而位置较差的站点被分配的线索量过少，影响线索入职转化率。
[0005]申请人在实现本申请的技术之前，发现现有技术中主要存在以下问题：
[0006]1.分配的线索和站点要求不匹配；
[0007]2.站点被分配的线索量不合理；
[0008]可见，相关技术中针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0009]本专利技术实施例提供了一种求职线索分配方法及装置、电子设备及可读存储介质，以至少解决由于相关技术中求职线索分配过程没有考虑到线索与站点之间的匹配度以及招聘站点之间的分配差异度，而导致线索转化率低的技术问题。
[0010]根据本专利技术实施例的一个方面，提供了一种求职线索分配方法，包括：获取求职线索对应的线索特征，以及，获取多个招聘站点对应的多个需求特征；根据所述线索特征以及所述多个需求特征确定所述求职线索与所述多个招聘站点的多个匹配度；根据所述多个匹配度以及所述多个站点的站点特征确定所述求职线索对应的目标站点。
[0011]进一步地，获取求职线索对应的线索特征，以及，获取招聘站点对应的招聘需求，包括：对所述求职线索以及所述多个招聘站点对应的多个招聘需求进行数值转化，以得到所述线索特征以及多个需求特征。
[0012]进一步地，根据所述线索特征确定所述求职线索分别与所述多个招聘站点的多个匹配度，包括：根据所述线索特征的每个维度特征与所述需求特征的每个维度特征之间的差值，确定所述匹配度。
[0013]进一步地，根据所述线索特征的每个维度特征与所述需求特征的每个维度特征之间的差值，确定所述匹配度，包括：
[0014][0015]其中，c
i
为所述线索特征，s
j
为需求特征，c
i,k
为所述线索特征第k个维度特征，s
j,k
为所述需求特征第k个维度特征，w
k
为第k个维度的权重，K是匹配特征数，d
i,j
为所述线索特征与所述需求特征的匹配度。
[0016]进一步地，所述站点特征包括招聘站点的线索缺口数量，其中，根据所述多个匹配度以及所述多个站点的多个站点特征确定所述求职线索对应的目标站点，包括：将所述多个匹配度以及所述多个线索缺口数量输入至预设模型，以得到多数多个招聘站点对应的多个站点变量；根据所述多个站点变量以及预设阈值，确定所述目标站点。
[0017]进一步地，所述预设模型包括：
[0018][0019]其中，y
i,j
为所述站点变量，所述预设阈值为1，NS为存在线索缺口的招聘站点，C
j
为求职者线索。
[0020]根据本专利技术实施例的另一方面，还提供了一种求职线索分配装置，包括：获取单元，用于获取求职线索对应的线索特征，以及，获取多个招聘站点对应的多个需求特征；第一确定单元，用于根据所述线索特征以及所述多个需求特征确定所述求职线索分别与所述多个招聘站点的多个匹配度；第二确定单元，用于根据所述多个匹配度以及所述多个站点的站点特征确定所述求职线索对应的目标站点。
[0021]进一步地，所述站点特征包括招聘站点的线索缺口数量，其中，所述第二确定单元包括：输入子单元，用于将所述多个匹配度以及所述多个线索缺口数量输入至预设模型，以得到多数多个招聘站点对应的多个站点变量；确定子单元，用于根据所述多个站点变量以及预设阈值，确定所述目标站点。
[0022]根据本专利技术实施例的另一方面，还提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如上所述的求职线索分配方法的步骤。
[0023]根据本专利技术实施例的另一方面，还提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如上所述的求职线索分配方法的步骤。
[0024]在本专利技术实施例中，通过获取求职线索对应的线索特征，以及，获取多个招聘站点对应的多个需求特征；根据线索特征以及多个需求特征确定求职线索分别与多个招聘站点的多个匹配度；根据多个匹配度确定求职线索对应的目标站点，本专利技术实施例在为线索分配招聘站点时考虑线索和招聘站点的匹配程度的同时，还考虑招聘站点自身的线索缺口情
况，提高了线索的利用率以及转化率，从而实现了减少线索总体分配差异度的技术效果，进而解决了由于相关技术中求职线索分配过程没有考虑到线索与站点之间的匹配度以及招聘站点之间的分配差异度，而导致线索转化率低的技术问题。
附图说明
[0025]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0026]图1是根据本专利技术实施例的一种可选的神经网络训练方法的流程示意图；
[0027]图2是根据本专利技术实施例的一种可选的BERT模型进行数据增强的示意图；
[0028]图3是根据本专利技术实施例的一种可选的获取词训练损失的示意图；
[0029]图4是根据本专利技术实施例的一种可选的BERT模型进行数据增强的示意图；
[0030]图5是根据本专利技术实施例的一种可选的获取短语训练损失的示意图；
[0031]图6是根据本专利技术实施例的一种可选的获取第二解码损失的示意图；
[0032]图7是根据本专利技术实施例的一种可选的神经网络训练装置的结构示意图。
具体实施方式
[0033]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0034]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种求职线索分配方法，其特征在于，包括：获取求职线索对应的线索特征，以及，获取多个招聘站点对应的多个需求特征；根据所述线索特征以及所述多个需求特征确定所述求职线索分别与所述多个招聘站点的多个匹配度；根据所述多个匹配度以及所述多个站点的站点特征确定所述求职线索对应的目标站点。2.根据权利要求1所述的方法，其特征在于，获取求职线索对应的线索特征，以及，获取多个招聘站点对应的多个需求特征，包括：对所述求职线索以及所述多个招聘站点对应的多个招聘需求进行数值转化，以得到所述线索特征以及多个需求特征。3.根据权利要求2所述的方法，其特征在于，根据所述线索特征以及所述多个需求特征确定所述求职线索分别与所述多个招聘站点的多个匹配度，包括：根据所述线索特征的每个维度特征与所述需求特征的每个维度特征之间的差值，确定所述匹配度。4.根据权利要求3所述的方法，其特征在于，根据所述线索特征的每个维度特征与所述需求特征的每个维度特征之间的差值，确定所述匹配度，包括：其中，c
i
为所述线索特征，s
j
为需求特征，c
i,k
为所述线索特征第k个维度特征，s
j,k
为所述需求特征第k个维度特征，w
k
为第k个维度的权重，K是匹配特征数，d
i,j
为所述线索特征与所述需求特征的匹配度。5.根据权利要求4所述的方法，其特征在于，所述站点特征包括招聘站点的线索缺口数量，其中，根据所述多个匹配度以及所述多个站点的多个站点特征确定所述求职线索对应的目标站点，包括：...

【专利技术属性】
技术研发人员：李雪雯，王煜，季周，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：