【技术实现步骤摘要】
本专利技术涉及简历算法相关领域，具体是一种高效简历智能推荐算法。
技术介绍
1、在当下的人才招聘市场中，因为求职者群体的数量庞大，企业和招聘机构在招聘中面临着大量的简历筛选工作，现有的具体场景下，大多采用人工筛选的方式进行，而部分采用网上资料投递的方式中，也会通过推荐程序进行需求限制的初步筛选，减少相关工作人员的简历筛选工作量。
2、传统的人工筛选方式效率低下，且容易受到主观因素的影响，而现有的一些简历推荐程序多基于关键词匹配和少量的规则指定，存在准确性不高、推荐结果不够个性化，复杂岗位需求无法做到精准推荐等问题，缺乏对用户行为的深层次理解和预测，导致推荐质量不高，且无法动态适应企业岗位需求的变化。
技术实现思路
1、本专利技术的目的在于提供一种高效简历智能推荐算法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种高效简历智能推荐算法，包含：
4、基于过滤双方的协同过滤处理，以用于进行简历特征的获取及岗位需求的分析；
5、基于深度学习模型对简历内容及岗位需求的非结构化文本信息进行特征文本提取，获取文本信息中的深层隐含特征；
6、获取市场变化数据及企业需求数据，基于此进行数据驱动的推荐算法权重调整，以实现动态的推荐策略调整；
7、根据调整后的所述推荐策略进行简历的需求匹配，获取数个与简历相对应的匹配度数据，基于所述匹配度降序生成简历排名并进行可视化输出，所述
8、作为本专利技术的进一步方案：所述基于过滤双方的协同过滤处理的步骤具体包括：
9、基于用户的协同过滤，获取企业的历史招聘记录，并给予岗位相似性进行分类，对同一分类下的相似岗位进行数据匹配，获取相对应的招聘偏好，基于所述招聘偏好进行简历筛选；
10、基于项目的协同过滤，根据每一个岗位项目，对岗位的需求信息进行分析，获取对应岗位的特征矩阵，所述特征矩阵用于与简历进行相似度匹配，所述需求信息包括职位描述、技能需求及过往录用特征。
11、作为本专利技术的再进一步方案：所述基于深度学习模型对简历内容及岗位需求的非结构化文本信息进行特征文本提取，获取文本信息中的深层隐含特征的步骤具体包括：
12、获取简历中的非格式化信息，基于深度学习模型对非格式化信息的文本数据进行语义特征提取，以生成与简历相对应的深度特征向量，所述非格式化信息包括工作经历、教育背景及技能描述；
13、获取岗位描述中的非格式化信息，基于深度学习模型对非格式化信息进行特征提取，以生成与岗位相对应的深度特征向量，所述非格式化信息包括职位要求、技能要求及经验要求。
14、作为本专利技术的再进一步方案：所述获取市场变化数据及企业需求数据，基于此进行数据驱动的推荐算法权重调整，以实现动态的推荐策略调整的步骤具体包括：
15、接入招聘数据平台，实时获取岗位信息及简历数据，以预设的更新周期评估并更新其特征数据并计算匹配度；
16、获取匹配反馈数据，基于匹配反馈数据进行推荐算法优化，所述匹配反馈数据用于表征对应岗位的录用情况，所述录用情况包含录用对象的简历信息；
17、以预设的评估周期获取历史周期内的企业偏好及市场动态趋势，获取不同企业及不同岗位的需求权重变化，并基于此进行多层次的推荐权重优化，以实现推荐策略调整。
18、作为本专利技术的再进一步方案：所述多层次的推荐权重具体用于实现步骤：
19、根据协同过滤算法推荐相似岗位的常用简历，依据hr的历史行为和岗位相似度推荐；
20、通过对简历与岗位特征进行深度匹配，岗位描述高度相符的简历的推荐；
21、基于hr的操作行为和反馈信息，动态调整推荐策略，实现推荐结果优化。
22、作为本专利技术的再进一步方案：还包括输出管理步骤，具体包括：
23、基于简历的匹配度排名选取额定数目个符合当前岗位需求的简历，基于匹配度评分对所述简历进行标记，并进行可视化输出；
24、获取相对应的简历信息，并根据匹配度对于岗位匹配的信息文本进行显示标记，所述显示标记用于方便企业查看时进行快速定位。
25、作为本专利技术的再进一步方案：还包括步骤：
26、当可视化输出的推荐简历未获取来自企业的选取反馈信息时，系统基于企业筛选进行推荐算法优化，并发出告警，所述告警用于告知岗位需求的调整需要。
27、与现有技术相比，本专利技术的有益效果是：提供了一种基于协同过滤算法、融合深度学习模型和数据驱动技术的简历智能推荐系统，通过整合不同算法优势，系统能够精确、高效地推荐匹配企业岗位需求的简历，同时，其具有的自学习和动态优化能力确保了系统能够持续适应变化的招聘需求，同时简化了招聘流程，降低了人力成本，提升了招聘工作的质量和速度。
本文档来自技高网...【技术保护点】
1.一种高效简历智能推荐算法，其特征在于，包含：
2.根据权利要求1所述的一种高效简历智能推荐算法，其特征在于，所述基于过滤双方的协同过滤处理的步骤具体包括：
3.根据权利要求2所述的一种高效简历智能推荐算法，其特征在于，所述基于深度学习模型对简历内容及岗位需求的非结构化文本信息进行特征文本提取，获取文本信息中的深层隐含特征的步骤具体包括：
4.根据权利要求3所述的一种高效简历智能推荐算法，其特征在于，所述获取市场变化数据及企业需求数据，基于此进行数据驱动的推荐算法权重调整，以实现动态的推荐策略调整的步骤具体包括：
5.根据权利要求4所述的一种高效简历智能推荐算法，其特征在于，所述多层次的推荐权重具体用于实现步骤：
6.根据权利要求5所述的一种高效简历智能推荐算法，其特征在于，还包括输出管理步骤，具体包括：
7.根据权利要求6所述的一种高效简历智能推荐算法，其特征在于，还包括步骤：
【技术特征摘要】
1.一种高效简历智能推荐算法，其特征在于，包含：
2.根据权利要求1所述的一种高效简历智能推荐算法，其特征在于，所述基于过滤双方的协同过滤处理的步骤具体包括：
3.根据权利要求2所述的一种高效简历智能推荐算法，其特征在于，所述基于深度学习模型对简历内容及岗位需求的非结构化文本信息进行特征文本提取，获取文本信息中的深层隐含特征的步骤具体包括：
4.根据权利要求3所述的一种高效简历智能推荐算法，其...
【专利技术属性】
技术研发人员：李卓，柳青，任江宜，訾明飞，何旭，郭虎，牟亚明，蒋旭辉，田克，
申请(专利权)人：浙江万有码力网络科技有限公司，
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。