(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 202211180189.8 (22)申请日 2022.09.27 (71)申请人 长三角信息智能创新研究院 地址 241000 安徽省芜湖市智慧城市协同 创新中心 (72)发明人 张信明　杨启冲　李志炜　 (74)专利代理 机构 安徽知问律师事务所 34134 专利代理师 金贝贝 (51)Int.Cl. G06F 16/335(2019.01) G06F 16/35(2019.01) G06F 40/126(2020.01) G06F 40/194(2020.01) G06F 40/30(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于对称对比学习的人岗匹配方法 (57)摘要 本发明公开了一种基于对称对比学习的人 岗匹配方法， 属于计算机数据处理领域。 本发明 对简历文本分成规则型文本和无规则型文本， 针 对规则型文本采 取策略决定剩余简历， 针对无规 则文本， 按照工作经历、 项目经历、 岗位需求、 任 职要求进行分类， 对任一部分进行无监督文本语 义表示， 关键损失计算策略采用对称对比学习函 数， 解决传统损失函数不能完全满足对比学习思 想的缺陷， 可以从整体计算真实样 本和增强样本 之间的距离。 最后， 将计算得到的文本语义表示 通过注意力机制计算工作经历等简历信息和招 聘信息之间的无规则文本 之间的语义匹配程度， 结合规则型文本的计算得分给出整个简历和招 聘信息之间的评分结果。 权利要求书2页 说明书9页 附图2页 CN 115510218 A 2022.12.23 CN 115510218 A 1.一种基于对称对比学习的人岗匹配方法， 其特 征在于： 包括以下步骤： S100、 将简历和招聘信息按规则型文本和无规则文本进行分类； S200、 使用选出的无规则文本， 训练无规则文本语义表征模型； S300、 根据无规则文本语义表征模型计算出简历和招聘信 息中无规则文本的语义表达 向量； S400、 结合规则型文本和无规则文本的语义表达向量， 通过l abel数据训练一个两层的 神经网络模型即可 得到一个人岗匹配预测模型。 2.根据权利要求1所述的一种基于对称对比学习的人岗匹配方法， 其特征在于： S200步 骤和S300步骤之间还包括简历初筛工序， 将规则文本融入人岗匹配计算策 略进行初筛， 具 体地， 该人岗匹配 计算策略包括： 策略一、 将规则文本作为硬性条件筛 选简历； 或： 策略二、 将规则文本作为软性条件加入简 历中进行筛 选。 3.根据权利要求1所述的一种基于对称对比学习的人岗匹配方法， 其特征在于： S200 中 所述的无规则文本语义表征模型的计算包括以下步骤： S210、 将简 历和招聘信息中的无规则文本按句子划成训练数据集Dt和验证数据集Dv； S220、 使用预训练模型作为编码器， 每一次输入为训练数据集Dt中的N个不同的句子DN； 选择预训练模型的CLS的位置编码作为编码层的输出O∈RN×M， 紧接着会进入到一个全连接 层FCN， 经过激活函数tanh(x)后得到的向量Yact∈RN×M即为整个批次的句子在文本语 义空间 的表示向量； 同理， 针对真实样本DN的增强样本 进行同样操作， 得到增强样本文 本语义空间的表示向量矩阵Yaug； S230、 使用损失计算函数模型计算无规则文本语义表征模型的损失值Loss， 并反向传 播； S240、 重复步骤S220至步骤S230， 直到在验证数据集Dv上的均匀性luniform指标能达到阈 值 δ。 4.根据权利要求3所述的一种基于对称对比学习的人岗匹配方法， 其特征在于： 步骤 S300中具体的计算方法包括： S310、 简历的无规则文本处 理； 简历中的无规则文本分为工作经历和项目经历， 每一个类别 中都分成若干条句子， 假 设工作经历表达为W＝{s1,s2,…,sw}， 项目经历表达为P＝{s1,s2,…,sp}， 则根据无规则文 本语义表达模型计算可得到每个句子的语义表达向量， 即工作 经历的语义表达向量RW∈Rw ×m， 项目经历的语义表达向量RP∈Rp×m； S320、 招聘信息中的无规则文本处 理； 招聘信息中的文本分为岗位需求以及岗位任职要求， 每一个类别都分成若干条句子， 设岗位需求表达为JN＝{s1,s2,…,sn}， 岗位任职 要求表达为JR＝{s1,s2,…,sr}， 根据无规则 文本语义表达模型计 算出每个类别中句子的语 义表达向量， 岗位需求的语义表达向量RJN∈ Rn×m以及岗位任职要求的语义表达向量RJR∈Rr×m； S330、 根据简 历信息计算与之相匹配的招聘信息的匹配程度； 根据注意力 机制计算工作 经历在岗位任职要求空间内的向量表示、 工作经历在岗位需权　利　要　求　书 1/2 页 2 CN 115510218 A 2求空间内的向量表示、 以及项目经历在岗位任职要求空间内的向量表示、 项目经历在岗位 需求空间内的向量表示； S340、 根据招聘信息计算与简 历信息之间的匹配程度； 根据注意力机制计算岗位需求在工作经历空间的向量表示SJNW∈Rm、 岗位需求在项目经 历空间的向量表示SJNP∈Rm、 岗位任职要求在工作经历空 间的向量表示SJRW∈Rm、 岗位任职要 求在项目经历空间的向量表示SJRP∈Rm。权　利　要　求　书 2/2 页 3 CN 115510218 A 3