模型训练方法技术

本申请涉及一种模型训练方法

【技术实现步骤摘要】
模型训练方法、装置、计算机设备、存储介质和程序产品


[0001]本申请涉及人工智能
，特别是涉及一种模型训练方法
、
装置
、
计算机设备
、
存储介质和程序产品
。

技术介绍

[0002]面试通常作为筛选求职者的必要环节，银行面试官可以通过面试了解求职者的教育背景
、
专业知识掌握的程度
、
工作态度等多方面的情况以判断求职者的工作适合度
。
[0003]通常情况下，银行面试官根据求职者所展现的信息，通过个人经验对求职者进行评估得到评估结果
。
然而，利用个人经验对求职者进行评估得到的评估结果的准确性较低
。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够利用训练好的目标面试结果分类模型对求职者进行评估得到的评估结果，从而提高得到的评估结果的准确性的模型训练方法
、
装置
、
计算机设备
、
存储介质和程序产品
。
[0005]第一方面，本申请提供了一种模型训练方法
。
该方法包括：
[0006]利用预设的面试属性映射表，确定各面试评分样本；该面试属性映射表包括求职者的属性特征以及各属性特征对应的权重；
[0007]利用各该面试评分样本训练初始面试结果分类模型，得到中间面试结果分类模型；
[0008]根据该中间面试结果分类模型和各历史求职者的历史面试评分对应的历史面试结果，确定目标面试结果分类模型；该目标面试结果分类模型用于对求职者进行评估
。
[0009]在其中一个实施例中，该利用各该面试评分样本训练初始面试结果分类模型，得到中间面试结果分类模型，包括：
[0010]根据第一初始中心对象和第二初始中心对象对各该面试评分样本进行分类，以确定第一初始区域以及第二初始区域；该第一初始中心对象和该第二初始中心对象为各该面试评分样本中任意两个样本；
[0011]根据该第一初始区域和该第二初始区域，训练初始面试结果分类模型，得到该中间面试结果分类模型
。
[0012]在其中一个实施例中，该根据第一初始中心对象和第二初始中心对象对各该面试评分样本进行分类，以确定第一初始区域以及第二初始区域，包括：
[0013]确定第一其他面试评分样本与该第一初始中心对象的第一距离，以及与该第二初始中心对象的第二距离；该第一其他面试评分样本包括各该面试评分样本中除该第一初始中心对象
、
该第二初始中心对象之外的样本；
[0014]根据该第一其他面试评分样本对应的第一距离和第二距离，确定该第一初始区域以及该第二初始区域
。
[0015]在其中一个实施例中，该根据该第一其他面试评分样本对应的第一距离和第二距
离，确定第一初始区域以及第二初始区域，包括：
[0016]若该第一其他面试评分样本对应的第一距离小于对应的第二距离，则将该第一其他面试评分样本划分到第一初始区域；
[0017]若该第一其他面试评分样本对应的第一距离不小于对应的第二距离，则将该第一其他面试评分样本划分到第二初始区域
。
[0018]在其中一个实施例中，该根据该第一初始区域和该第二初始区域，训练初始面试结果分类模型，得到该中间面试结果分类模型，包括：
[0019]若该第一初始区域或该第二初始区域满足中心对象更新条件，则更新该第一初始中心对象得到第一新中心对象，并根据该第二初始区域中各面试评分样本更新该第二初始中心对象得到第二新中心对象；
[0020]返回执行确定第二其他面试评分样本与该第一新中心对象的新第一距离以及与该第二新中心对象的新第二距离的步骤，并根据该第二其他面试评分样本对应的新第一距离和新第二距离，对该第一初始区域和该第二初始区域进行更新得到第一区域和第二区域，以训练该初始面试结果分类模型，直至该第一区域和该第二区域不满足该中心对象更新条件为止，得到该中间面试结果分类模型
。
[0021]在其中一个实施例中，该根据该中间面试结果分类模型和各历史求职者的历史面试评分对应的历史面试结果，确定目标面试结果分类模型，包括：
[0022]将各该历史面试评分输入至该中间面试结果分类模型，得到各该历史面试评分对应的预测结果；
[0023]确定预测结果与该预测结果对应的历史面试结果相同的历史面试评分的第一总数量；
[0024]根据该第一总数量和该历史面试评分的第二总数量，确定该目标面试结果分类模型
。
[0025]在其中一个实施例中，该根据该第一总数量和该历史面试评分的第二总数量，确定该目标面试结果分类模型，包括：
[0026]若该第一总数量大于或等于预设阈值，则确定该中间面试结果分类模型为该目标面试结果分类模型；
[0027]若该第一总数量小于该预设阈值，则调整该面试属性映射表中各该属性特征对应的权重得到新面试属性映射表，并返回执行利用该新面试属性映射表，确定各新面试评分样本的步骤，并得到新第一总数量，直至该新第一数量大于或等于该预设阈值为止，并将大于或等于该预设阈值的新第一数量对应的中间面试结果分类模型作为该目标面试结果分类模型
。
[0028]在其中一个实施例中，该利用预设面试属性映射表，确定面试评分样本，包括：
[0029]基于预设的该面试属性映射表，确定各求职者的该属性特征对应的分值与该属性特征对应的权重的乘积结果；
[0030]将各该属性特征对应的权重的乘积结果的求和结果作为该面试评分样本
。
[0031]第二方面，本申请还提供了一种模型训练装置
。
该装置包括：
[0032]第一确定模块，用于利用预设的面试属性映射表，确定各面试评分样本；该面试属性映射表包括求职者的属性特征以及各属性特征对应的权重；
[0033]第二确定模块，用于利用各该面试评分样本训练初始面试结果分类模型，得到中间面试结果分类模型；
[0034]第三确定模块，用于根据该中间面试结果分类模型和各历史求职者的历史面试评分对应的历史面试结果，确定目标面试结果分类模型
。
[0035]第三方面，本申请还提供了一种计算机设备
。
该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现以上方法的步骤
。
[0036]第四方面，本申请还提供了一种计算机可读存储介质
。
该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以上方法的步骤
。
[0037]第五方面，本申请还提供了一种计算机程序产品
。
该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以上方法的步骤
。
[0038]上述模型训练方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种模型训练方法，其特征在于，所述方法包括：利用预设的面试属性映射表，确定各面试评分样本；所述面试属性映射表包括求职者的属性特征以及各属性特征对应的权重；利用各所述面试评分样本训练初始面试结果分类模型，得到中间面试结果分类模型；根据所述中间面试结果分类模型和各历史求职者的历史面试评分对应的历史面试结果，确定目标面试结果分类模型；所述目标面试结果分类模型用于对求职者进行评估
。2.
根据权利要求1所述的方法，其特征在于，所述利用各所述面试评分样本训练初始面试结果分类模型，得到中间面试结果分类模型，包括：根据第一初始中心对象和第二初始中心对象对各所述面试评分样本进行分类，以确定第一初始区域以及第二初始区域；所述第一初始中心对象和所述第二初始中心对象为各所述面试评分样本中任意两个样本；根据所述第一初始区域和所述第二初始区域，训练初始面试结果分类模型，得到所述中间面试结果分类模型
。3.
根据权利要求2所述的方法，其特征在于，所述根据第一初始中心对象和第二初始中心对象对各所述面试评分样本进行分类，以确定第一初始区域以及第二初始区域，包括：确定第一其他面试评分样本与所述第一初始中心对象的第一距离，以及与所述第二初始中心对象的第二距离；所述第一其他面试评分样本包括各所述面试评分样本中除所述第一初始中心对象
、
所述第二初始中心对象之外的样本；根据所述第一其他面试评分样本对应的第一距离和第二距离，确定所述第一初始区域以及所述第二初始区域
。4.
根据权利要求3所述的方法，其特征在于，所述根据所述第一其他面试评分样本对应的第一距离和第二距离，确定第一初始区域以及第二初始区域，包括：若所述第一其他面试评分样本对应的第一距离小于对应的第二距离，则将所述第一其他面试评分样本划分到第一初始区域；若所述第一其他面试评分样本对应的第一距离不小于对应的第二距离，则将所述第一其他面试评分样本划分到第二初始区域
。5.
根据权利要求4所述的方法，其特征在于，所述根据所述第一初始区域和所述第二初始区域，训练初始面试结果分类模型，得到所述中间面试结果分类模型，包括：若所述第一初始区域或所述第二初始区域满足中心对象更新条件，则更新所述第一初始中心对象得到第一新中心对象，并根据所述第二初始区域中各面试评分样本更新所述第二初始中心对象得到第二新中心对象；返回执行确定第二其他面试评分样本与所述第一新中心对象的新第一距离以及与所述第二新中心对象的新第二距离的步骤，并根据所述第二其他面试评分样本对应的新第一距离和新第二距离，对所述第一初始区域和所述第二初始区域进行更新得到第一区域和第二区域，以训练所述初始面试结果分类模型，直至所述第一区域和所述第...

【专利技术属性】
技术研发人员：党娜，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：