基于深度学习的端到端人岗匹配模型

摘要：

针对现有人岗匹配推荐算法主要采用人工评估求职者与职位的匹配度,存在招聘速度慢、成本高且易受主观判断所误导等问题,提出一种基于深度学习的端到端人岗匹配模型BATPJF.首先,运用TextCNN提取简历和职位描述数据的局部特征.同时,运用BiLSTM提取简历和职位描述文本数据的上下文特征,再将BiLSTM隐藏层产生的特征作为Attention层的输入,利用注意力机制对BiLSTM层提取的特征采用加权的方式体现不同的经历和能力对岗位能力需求重要程度的影响.然后,将2种模型提取到的特征进行融合.最后,通过全连接层进行预测.实验结果表明,与其他5种人岗匹配模型对比,本文提出的模型可以更有效地匹配工作要求和简历文本信息.

关键词：人岗匹配、注意力机制、招聘分析

所属期刊栏目：13

分类号：TP391.1(计算技术、计算机技术)

资助基金：贵州省科技计划项目;贵州省科技计划项目;贵州省教育厅自然科学研究项目;贵州省教育厅自然科学研究项目

在线出版日期：2023-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：47-51,59