(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211019772.0 (22)申请日 2022.08.24 (71)申请人 中建电子商务有限责任公司 地址 610031 四川省成 都市青羊区腾飞大 道51号18栋12层1202号 (72)发明人 张勇　 (74)专利代理 机构 成都睿道专利代理事务所 (普通合伙) 51217 专利代理师 薛波 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) G06F 17/16(2006.01) G06Q 10/10(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种实时岗位推荐方法和系统 (57)摘要 本发明提供了一种实时岗位推荐方法和系 统， 包括， 基于简历和需求岗位， 构建知识图谱； 所述简历为求职者的简历； 对所述知识图谱进行 表示学习， 得到实体表示矩阵和关系表示矩阵； 基于求职者的求职历史和所述实体表 示矩阵， 确 定求职者表示矩阵 ； 基于所述实体表示矩阵， 确定需求岗位表示矩阵 ； 基于所述求职者表 示矩阵 和所述需求岗位表示矩阵 ， 得到所 述求职者与所述需求岗位的匹配度； 基于所述匹 配度为所述求职者推荐岗位； 高效地为求职者推 荐更匹配的岗位， 提高了求职概率和用户的使用 感受。 权利要求书2页 说明书8页 附图4页 CN 115098791 A 2022.09.23 CN 115098791 A 1.一种实时岗位推荐方法， 其特 征在于， 包括， 基于简历和需求岗位， 构建知识图谱； 所述简 历为求职者的简 历； 对所述知识图谱进行表示学习， 得到实体表示矩阵和关系表示矩阵； 基于求职者的求职历史和所述实体表示矩阵， 确定求职者表示矩阵 ； 基于所述实体表示矩阵， 确定需求岗位表示矩阵 ； 基于所述求职者表示矩阵 和所述需求岗位表示矩阵 ， 得到所述求职者与所述需求 岗位的匹配度； 基于所述匹配度为所述 求职者推荐岗位。 2.根据权利要求1所述的实时岗位推荐方法， 其特征在于， 所述得到实体表示矩阵和关 系表示矩阵， 包括 将所述知识图谱中的三元组用向量 表示， 得到集和 ； 其中， 为实体， 为关系， 为与实体 存在关系 的另一实体； 将向量 中的 和/或 进行替换， 将替换后的集和中与所述集和 重合的三元组 删除， 得到集和 ； 所述集和 中的三元组用向量 表示； 为替换后的实体， 为替 换后的实体， 表示 与 的距离， 表示 与 的距离； 通过公式， 对知识图谱中的三元组进行处理， 得到简化后的三元组； 其中， 用于表示 和 之间的间距， 为常数； 分别提取所述简化后的三元组中的实体和关系， 得到所述实体表示矩阵和所述关系表 示矩阵。 3.根据权利要求1所述的实时岗位推荐方法， 其特征在于， 所述确定求职者表示矩阵 ， 包括， 从所述实体表示矩阵中提取与所述求职者相关的求职三元组， 基于所述求职三元组构 建第一向量； 基于所述 求职历史， 得到多个历史岗位； 基于所述多个历史岗位， 从所述实体表示矩阵中分别提取与 所述多个历史岗位相关的 历史岗位 三元组， 基于所述历史岗位 三元组构建第二向量； 将所述第一向量分别与所述第二向量进行拼接， 得到所述 求职者的求职 矩阵； 将所述求职矩阵输入第一 LSTM模型， 模型输出 所述求职者表示矩阵 。 4.根据权利要求1所述的实时岗位推荐方法， 其特征在于， 所述确定 需求岗位表示矩阵 ， 包括， 基于所述需求岗位， 从所述知识图谱中获取与所述需求岗位直接向量的多个需求实 体； 基于所述需求实体从所述实体表示矩阵中提取与所述需求岗位相关的需求岗位三元 组， 基于所述需求岗位 三元组构建第三向量； 将所述第三向量输入第二 LSTM模型， 模型输出 所述需求岗位表示矩阵。权　利　要　求　书 1/2 页 2 CN 115098791 A 25.根据权利要求1所述的实时岗位推荐方法， 其特征在于， 所述得到所述求职者与 所述 需求岗位的匹配度， 包括， 通过交叉注意力机制对所述求职者表示矩阵 和所述需求岗位表示矩阵 进行处理， 得到所述匹配度。 6.一种实时岗位推荐系统， 其特征在于， 包括知识图谱构建模块、 表示矩阵生成模块、 匹配模块和推荐模块； 所述知识图谱构建模块用于基于求职者的简历和需求岗位， 构建知识图谱； 所述简历 为求职者的简 历； 所述表示矩阵生成模块用于对所述知识图谱进行表示学习， 得到实体表示矩阵和关系 表示矩阵； 所述匹配模块用于基于所述求职者表示矩阵 和所述需求岗位表示矩阵 ， 得到所述 求职者与所述需求岗位的匹配度； 所述推荐模块用于基于所述匹配度为所述 求职者推荐岗位。 7.根据权利要求6所述的实时岗位推荐系统， 其特征在于， 所述匹配模块的功能通过匹 配模型实现， 所述匹配模型包括第一 LSTM模型、 第二 LSTM模型和注意力机制模型； 所述第一LSTM模型用于基于求职者的求职历史和所述实体表示矩阵， 确定求职者表示 矩阵 ； 所述第二 LSTM模型用于基于所述实体表示矩阵， 确定需求岗位表示矩阵 ； 所述注意力机制模型用于基于所述求职者表示矩阵 和所述需求岗位表示矩阵 ， 得 到所述匹配度。 8.根据权利要求7所述的实时岗位推荐系统， 其特征在于， 所述匹配模型通过训练样本 训练初始匹配模型 得到， 包括， 获取训练样本， 所述训练样本包括样本求职者和样本需求岗位， 将所述训练样本输入所述初始匹配模型， 基于模型的输出和标签调 整所述初始匹配模 型的参数， 得到训练好的匹配模型； 所述标签为所述样本求职者与所述样本需求岗位的匹 配度。 9.根据权利要求7所述的实时岗位推荐系统， 其特征在于， 还包括优化模块， 所述优化 模块用于， 获取所述求职者的求职 记录， 基于所述 求职记录， 获取 所述求职者参与面试的岗位； 通过损失函数 调整所述 匹配模型的参数， 优化所述 匹配模型； 其中， 为匹配模型的输出； 代表用户 面试情况； 为用户接收到的面试的总次数。 10.根据权利要求9所述的实时岗位推荐系统， 其特 征在于， 所述优化模块还用于， 基于所述 求职记录， 获取 所述求职者未选择的工作； 基于所述未选择的工作， 优化所述匹配模型。权　利　要　求　书 2/2 页 3 CN 115098791 A 3