一种基于注意力机制的简历匹配分析系统的制作方法

本发明涉及信息处理领域，具体涉及一种基于注意力机制的简历匹配分析系统。

背景技术：

1、在基于人工智能的简历与岗位匹配领域，现有技术主要包括以下几类。

2、一是基于关键词统计的匹配方法，如tfidf、bm25，通过计算简历与岗位描述在技能词、学历词等特征上的重合度进行排序，该方法计算效率高但无法识别语义相似的异形词（如自然语言处理与nlp）且难以区分技能熟练程度。

3、二是基于静态词向量的匹配方法，如word2vec、glove，将词映射到低维语义空间计算相似度，具备一定的语义泛化能力但无法处理一词多义问题。

4、三是基于预训练语言模型的匹配方法，如bert、roberta，将简历与岗位描述拼接后输入模型得到语义匹配分数，能够捕捉复杂上下文关系，是目前精度较高的方案。

5、四是基于规则的门控与加权方法，对岗位描述中的必需项进行硬性筛选，对加分项赋予固定权重累加。

6、五是对时序工作经历的初步利用，例如计算职位名称序列的编辑距离或最长公共子序列，用于评估职业稳定性。

7、然而，现有技术仍存在一些问题。首先，如pytho、机器学习的方法将硬技能与如团队协作、沟通能力的软技能混合编码或等权重融合，而实际招聘中技术岗与管理岗对两类技能的侧重差异显著，现有模型缺乏根据岗位动态分配非对称融合权重的机制，导致匹配分数偏离真实人岗契合度。

8、其次，现有门控与加权方法未利用岗位描述中需求项的原始顺序位置所隐含的重要性信号；招聘方通常将更关键的必需项和加分项写在靠前位置，而现有系统对加分项多采用等权重累加，忽略了该天然的先验权重。

9、因此，急需要一种基于注意力机制的简历匹配分析系统。

技术实现思路

1、本发明的目的在于提供一种基于注意力机制的简历匹配分析系统，解决以上至少技术问题。

2、本发明的目的可以通过以下技术方案实现：

3、一种基于注意力机制的简历匹配分析系统，包括：

4、简历解析模块，用于从简历文本中提取候选人的硬技能词集、软技能词集以及按时间排序的工作经历序列；

5、岗位解析模块，用于从岗位描述中提取必需项列表和加分项列表，并保留每一项在原文中的原始顺序位置；

6、双通道匹配模块，设有基于注意力机制的预训练语言模型，用于分别计算简历与岗位在硬技能通道和软技能通道的匹配分数，并根据岗位描述中硬技能词与软技能词的比例对两个通道的匹配分数分配非对称融合权重，生成基础匹配分；

7、优先级门控模块，用于根据该必需项列表对候选人进行门控筛选，并对通过筛选的候选人计算加分匹配分；

8、时序连贯性评估模块，用于根据该工作经历序列以及预先生成的岗位期望路径计算候选人的职业路径与该岗位期望路径的连贯性分数；

9、综合评分模块，用于将该基础匹配分、该加分匹配分与该连贯性分数进行融合，输出最终匹配分数。

10、作为进一步的技术方案，所述工作经历序列中的每一项包含职位名称、公司行业、任职起止时间及晋升标识；所述必需项列表由包含强制性词语的需求条目构成，所述加分项列表由包含优先或可选词语的需求条目构成。

11、作为进一步的技术方案，所述优先级门控模块具体包括：

12、对所述必需项列表中的每一项分别评估候选人的满足度，若任意必需项的满足度低于第一预设阈值，则屏蔽该候选人的后续匹配计算并输出不推荐标识；

13、若所有必需项的满足度均达到或超过第一预设阈值，则进一步计算所述加分项列表中每一项的满足度，并根据加分项在岗位描述中的原始顺序位置分配递减的顺序权重，加权求和得到该加分匹配分；

14、其中，递减的顺序权重按照岗位描述中加分项从前往后的顺序依次乘以衰减因子，该衰减因子取值范围为[0.8，0.95]，首个加分项的顺序权重为1，其后每增加一个位置顺序权重乘以一次该衰减因子。

15、作为进一步的技术方案，所述连贯性分数的获取过程包括：

16、将所述工作经历序列中的每一项按照时间先后顺序排列；

17、对该工作经历序列中的每一项进行嵌入编码，得到职位嵌入向量、行业嵌入向量、时长嵌入向量及晋升嵌入向量，并将四项嵌入向量拼接形成该时间步的隐状态；

18、将所有时间步的隐状态输入时序注意力网络，所述时序注意力网络包含双向长短期记忆层和自注意力层，输出定长的职业路径向量；

19、获取预先生成的岗位期望路径向量，该岗位期望路径向量由岗位描述中的职级要求、行业偏好及成长轨迹关键词通过词嵌入与平均池化得到；

20、计算该职业路径向量与该岗位期望路径向量之间的余弦相似度或欧氏距离，将该相似度或归一化后的距离值作为连贯性分数输出。

21、作为进一步的技术方案，所述系统还包括：

22、矛盾处理模块，用于检测岗位描述中的矛盾需求对以及简历中的低自洽项，并根据检测结果调整所述双通道匹配模块和所述优先级门控模块的匹配策略参数，将调整后的参数发送给所述双通道匹配模块和所述优先级门控模块，以更新所述基础匹配分和所述加分匹配分。

23、作为进一步的技术方案，检测岗位描述中的矛盾需求对的过程包括：

24、从岗位描述中提取若干需求项，每个需求项为一个短文本；

25、针对每两个需求项构成的需求项对，从预构建的矛盾关系图谱中检索该需求项对对应的冲突系数；该冲突系数为0到1之间的数值，由该矛盾关系图谱根据语义夹角、深度比值、共现稀缺度及领域排斥度加权融合后经非线性映射得到；

26、当该冲突系数超过预设的冲突阈值时，将该对需求项标记为矛盾需求对；

27、根据该需求项对在语义夹角与深度比值组合上的聚类结果，自动判断矛盾类型，该矛盾类型包括能力冲突型、统计罕见型或资源互斥型。

28、作为进一步的技术方案，检测简历中的低自洽项的过程包括：

29、从简历文本中提取若干声称技能，每个声称技能为一个技能关键词或短语；

30、针对每个声称技能，从所述简历文本中定位与该声称技能在句法上存在主谓或动宾关系的经历句子，将该经历句子作为该声称技能的支撑经历片段；

31、将该声称技能与所述支撑经历片段拼接后输入跨文本注意力网络，该跨文本注意力网络基于预训练语言模型，通过交叉注意力机制计算两者之间的语义相关性得分；

32、当该语义相关性得分低于预设的相关阈值时，将该声称技能标记为低自洽项。

33、作为进一步的技术方案，根据检测结果调整匹配策略参数的过程包括：

34、当存在矛盾需求对时，针对所述矛盾需求对中的两个需求项，将该两个需求项在该双通道匹配模块中的匹配逻辑从与约束修改为或约束，即候选人满足其中任意一项即可获得该对需求项对应的匹配分值，同时将该对需求项中各项的基础匹配贡献权重乘以矛盾折扣系数，所述矛盾折扣系数取值范围为[0.3，0.6]；

35、当存在低自洽项时，将所述低自洽项对应的声称技能在该双通道匹配模块的硬技能词集或软技能词集中的匹配权重乘以一个自洽折扣系数，所述自洽折扣系数取值范围为[0.4，0.8]；

36、将调整后的匹配逻辑标志和折扣系数作为匹配策略参数，发送给所述双通道匹配模块和所述优先级门控模块，用于重新计算所述基础匹配分和所述加分匹配分。

37、作为进一步的技术方案，所述矛盾关系图谱通过以下方式构建：

38、对每个需求项文本使用预训练语言模型编码得到语义向量，并提取需求项中的修饰词计算能力深度指数；

39、从历史岗位描述中提取同一岗位内的需求项对作为正样本、不同岗位间的需求项对作为负样本；

40、计算每个需求项对的多个矛盾特征，包括语义夹角、深度比值、共现稀缺度及领域排斥度；

41、将所述多个矛盾特征加权融合并经非线性映射得到冲突系数；

42、以冲突系数超过预设阈值的边构建矛盾边，并存储对应的矛盾类型。

43、本发明的有益效果：

44、（1）本发明通过设置双通道匹配模块分别计算硬技能通道和软技能通道的匹配分数，并根据岗位描述中硬技能词与软技能词的比例分配非对称融合权重，能够根据岗位类型动态调整硬技能与软技能的匹配侧重，降低混合编码或等权重融合导致匹配分数失真的概率，还能够有效提高匹配的岗位适应性。

45、（2）本发明通过时序连贯性评估模块将工作经历序列中的职位名称、公司行业、任职时长及晋升标识联合嵌入，经双向长短期记忆层和自注意力网络编码为职业路径向量，并与由岗位描述中的职级要求、行业偏好及成长轨迹关键词生成的岗位期望路径向量进行相似度计算，实现了对候选人职业发展轨迹的端到端时序建模，有效评估了长期成长潜力与岗位期望的契合程度；

46、（3）本发明通过矛盾处理模块检测岗位描述中的矛盾需求对并将与逻辑约束转换为或逻辑约束且降低匹配权重，同时检测简历中的低自洽项并对其匹配贡献乘以折扣系数，相对缓解岗位内部矛盾需求导致的误筛问题并有效抑制简历技能虚高带来的匹配噪声，最终达成提升匹配结果真实性的目的。