【技术实现步骤摘要】
本申请涉及互联网，尤其涉及信息推荐，特别地涉及一种基于异构图的人岗匹配方法、装置、设备及介质。
技术介绍
1、为了向用户提供更好的服务并使用户获得更好的服务体验，现有的招聘平台通常在经过授权的情况下向求职者推荐职位或者向招聘者推荐简历。在此推荐过程中，精准的人岗匹配是提升招聘效率和求职成功率的关键。目前的匹配方法通常基于简历和职位描述(jd)之间的关键词匹配，难以充分捕捉到简历和职位之间的复杂关系。
2、为此，相关技术中设计了基于深度模型的人岗匹配算法，能够结合上下文信息捕捉简历和职位之间的复杂关系，并进行人岗匹配。然而，当用户与岗位之间的交互行为样本稀疏时，现有的人岗匹配过程难以获得较好的效果，从而影响人岗匹配推荐的精准度。
技术实现思路
1、有鉴于此，本申请实施例提供一种基于异构图的人岗匹配方法、装置、设备、介质及产品，能够提升人岗匹配的精准度，实现精准匹配。
2、第一方面，本申请实施例提供一种基于异构图的人岗匹配方法，该方法包括：获取各个职位信息、各个简历信息，以及职位信息与简历信息之间的历史匹配行为数据；将职位信息作为职位节点、简历信息作为简历节点，基于历史匹配行为数据，建立职位节点与简历节点的第一边关系，其中，第一边关系用于表征匹配关系；基于各个职位信息之间的相似性、各个简历信息之间的相似性，以及历史匹配行为数据，建立职位节点与职位节点的第二边关系、简历节点与简历节点的第三边关系，以及职位节点与简历节点的第四边关系，其中，第二边关系用于表征职位相似
3、在第一方面的一些可实现方式中，建立职位节点与职位节点的第二边关系、简历节点与简历节点的第三边关系，以及职位节点与简历节点的第四边关系，包括：基于各个职位信息之间的相似性，建立职位节点与职位节点的第二边关系；基于各个简历信息之间的相似性，建立简历节点与简历节点的第三边关系；对于各个职位节点的第一职位节点，获取与第一职位节点存在第二边关系的职位节点集合；获取与职位节点集合中职位节点存在第一边关系的第一简历节点集合，以及与第一简历节点集合中简历节点存在第三边关系的第二简历节点集合；建立第一职位节点与第一简历节点集合、第二简历节点集合中所有简历节点的第四边关系。
4、在第一方面的一些可实现方式中，基于待匹配职位信息对应的异构图特征，为待匹配职位信息筛选相匹配的目标简历信息，包括：基于文本特征学习模型lstm，确定待匹配职位信息对应的文本特征；将异构图特征与文本特征进行特征融合，得到待匹配信息对应的融合特征；基于待匹配信息对应的融合特征，确定与待匹配职位信息相匹配的目标简历信息。
5、在第一方面的一些可实现方式中，在向文本特征学习模型输入待匹配职位信息之前，还包括：从全局异构图中，筛选存在第一边关系的第一职位简历节点组合、存在第四边关系的第二职位简历节点组合，以及不存在边关系的第三职位简历节点组合，其中，第一边关系的边权重大于第四边关系的边权重；将第一职位简历节点组合和第二职位简历节点组合对应的词向量作为正样本，将第三职位简历节点组合以及不同
的职位信息和简历信息对应的词向量作为负样本，输入至文本特征学习模型进行模型训练。
6、在第一方面的一些可实现方式中，基于文本特征学习模型lstm，确定待匹配职位信息对应的文本特征，包括：通过向词向量模型bert输入待匹配职位信息，将待匹配职位信息转换为词向量；通过向lstm输入词向量，将词向量转换为待匹配职位信息对应的文本特征。
7、在第一方面的一些可实现方式中，基于待匹配信息对应的融合特征，确定与待匹配职位信息相匹配的目标简历信息，包括：向检测器和鉴别器分别输入融合特征，结合检测器和鉴别器对待匹配职位信息与简历库中简历信息的匹配度进行评估，按照匹配度得分由高到低的顺序输出多个目标简历信息。
8、在第一方面的一些可实现方式中，目标人岗匹配模型包括bert、lstm、glan模型、检测器和鉴别器，基于glan模型将待匹配职位信息转换为异构图特征，并基于待匹配职位信息对应的异构图特征，为待匹配职位信息筛选相匹配的目标简历信息，包括：向目标人岗匹配模型输入待匹配职位信息，以使目标人岗匹配模型基于glan模型输出的异构图特征，以及lstm输出的文本特征，为待匹配职位信息筛选相匹配的目标简历信息；其中，目标人岗匹配模型引入对抗训练机制得到。
9、第二方面，本申请实施例提供一种基于异构图的人岗匹配装置，该装置包括：获取模块，用于获取各个职位信息、各个简历信息，以及职位信息与简历信息之间的历史匹配行为数据；节点关系建立模块，用于将所述职位信息作为职位节点、所述简历信息作为简历节点，基于所述历史匹配行为数据，建立职位节点与简历节点的第一边关系，其中，所述第一边关系用于表征匹配关系；节点关系建立模块，还用于基于所述各个职位信息之间的相似性、各个简历信息之间的相似性，以及所述历史匹配行为数据，建立职位节点与职位节点的第二边关系、简历节点与简历节点的第三边关系，以及职位节点与简历节点的第四边关系，其中，所述第二边关系用于表征职位相似关系，所述第三边关系用于表征简历相似关系，所述第四边关系用于表征潜在匹配关系；图构建模块，用于基于各个职位节点、各个简历节点及其边关系，构建全局异构图；模型训练模块，用于基于所述全局异构图训练全局-局部注意网络glan模型；人岗匹配模块，用于基于glan模型将待匹配职位信息转换为异构图特征，并基于所述待匹配职位信息对应的异构图特征，为所述待匹配职位信息筛选相匹配的目标简历信息。
10、在第二方面的一些可实现方式中，节点关系建立模块具体用于：基于各个职位信息之间的相似性，建立职位节点与职位节点的第二边关系；基于各个简历信息之间的相似性，建立简历节点与简历节点的第三边关系；对于各个职位节点的第一职位节点，获取与第一职位节点存在第二边关系的职位节点集合；获取与职位节点集合中职位节点存在第一边关系的第一简历节点集合，以及与第一简历节点集合中简历节点存在第三边关系的第二简历节点集合；建立第一职位节点与第一简历节点集合、第二简历节点集合中所有简历节点的第四边关系。
11、在第二方面的一些可实现方式中，人岗匹配模块包括：确定单元，用于基于文本特征学习模型lstm，确定待匹配职位信息对应的文本特征；特征融合单元，用于将异构图特征与文本特征进行特征融合，得到待匹配信息对应的融合特征；确定单元，还用于基于待匹配信息对应的融合特征，确定与待匹配职位信息相匹配的目标简历信息。
12、在第二方面的一些可实现方式中，还包括：筛选模块，用于在向文本特征学习模型输入待匹配职位信息之前，从全局异构图本文档来自技高网...
【技术保护点】
1.一种基于异构图的人岗匹配方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述建立职位节点与职位节点的第二边关系、简历节点与简历节点的第三边关系，以及职位节点与简历节点的第四边关系，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述待匹配职位信息对应的异构图特征，为所述待匹配职位信息筛选相匹配的目标简历信息，包括：
4.根据权利要求3所述的方法，其特征在于，在向文本特征学习模型输入所述待匹配职位信息之前，还包括：
5.根据权利要求3所述的方法，其特征在于，所述基于文本特征学习模型LSTM，确定所述待匹配职位信息对应的文本特征，包括：
6.根据权利要求3所述的方法，其特征在于，所述基于所述待匹配信息对应的融合特征，确定与所述待匹配职位信息相匹配的目标简历信息，包括：
7.根据权利要求1所述的方法，其特征在于，目标人岗匹配模型包括BERT、LSTM、GLAN模型、检测器和鉴别器，所述基于GLAN模型将待匹配职位信息转换为异构图特征，并基于所述待匹配职位信息对应的异构图特征，为所述
8.一种基于异构图的人岗匹配装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述电子设备执行所述计算机程序指令时实现如权利要求1-7中任一项所述的方法。
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指令，所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种基于异构图的人岗匹配方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述建立职位节点与职位节点的第二边关系、简历节点与简历节点的第三边关系，以及职位节点与简历节点的第四边关系，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述待匹配职位信息对应的异构图特征，为所述待匹配职位信息筛选相匹配的目标简历信息，包括：
4.根据权利要求3所述的方法，其特征在于，在向文本特征学习模型输入所述待匹配职位信息之前，还包括：
5.根据权利要求3所述的方法，其特征在于，所述基于文本特征学习模型lstm，确定所述待匹配职位信息对应的文本特征，包括：
6.根据权利要求3所述的方法，其特征在于，所述基于所述待匹配信息对应的融合特征，确定与所述待匹配...
【专利技术属性】
技术研发人员：丁新杨，
申请(专利权)人：前锦网络信息技术上海有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。