融合用户行为与文本语义的人岗匹配召回方法及装置与流程

本技术涉及计算机，还涉及人工智能和自然语言处理技术，尤其涉及一种融合用户行为与文本语义的人岗匹配方法、装置、设备、程序产品及存储介质。

背景技术：

1、随着互联网招聘平台的快速发展，平台上累积的职位和简历数量已达到千万级别，如何从海量数据中为用户（包括招聘方和求职者）精准匹配到合适的人或岗位，已成为推荐系统领域的重要研究方向。传统的招聘推荐方法主要通过计算职位描述与简历文本之间的相似度来进行推荐。近年来，基于大语言模型的语义向量技术在文本匹配任务中表现出了优异的性能，其通过将高维文本转化为低维稠密向量，再借助向量检索技术在海量数据中快速检索相似项，已在推荐系统、广告系统等领域得到广泛应用。

2、然而，上述基于大语言模型的语义向量的文本匹配方法，在实际应用中，往往因为职位描述和简历文本职位描述各自包括对方所不具有的信息维度，例如职位描述中涉及的福利待遇、企业文化等内容几乎不会出现在简历中，但这类信息对求职者是否投递简历具有重要影响；反之，简历中包括的个人项目经历、技术细节等也未必在职位描述中被充分提及，导致召回的职位或简历匹配精度较低，无法满足用户需求。

技术实现思路

1、有鉴于此，本技术实施例提供一种融合用户行为与文本语义的人岗匹配召回方法、装置、电子设备、计算机可读存储介质及计算机程序产品，解决至少一种技术问题。

2、本技术实施例提供一种融合用户行为与文本语义的人岗匹配召回方法，包括：获取目标对象的文本语料，所述目标对象包括职位和简历；将所述文本语料输入至经微调的大语言语义向量模型，生成所述目标对象的基础语义向量；获取所述目标对象对应的历史行为对象的文本语料，所述历史行为对象为与所述目标对象存在历史交互行为且交互行为满足预设条件的对象；将预设数量的所述历史行为对象的文本语料输入至所述大语言语义向量模型，生成所述历史行为对象的行为语义向量根据预设融合权重，将所述目标对象的基础语义向量与所述行为语义向量进行加权融合，生成所述目标对象的融合语义向量；基于所述融合语义向量进行向量检索，从候选对象库中召回与所述目标对象相匹配的预设数量的候选对象。

3、可选地，根据本技术实施例的方法，所述获取目标对象的文本语料以及获取所述历史行为对象的文本语料，分别包括：获取对应对象的原始描述文本，所述原始描述文本包括职位描述文本的全部内容或简历中的工作经验描述文本和基础信息文本；通过大语言模型并基于预设提示词，从所述原始描述文本中抽取核心属性词，所述核心属性词包括职能、行业、细分方向、技能点、专业或语言证书中的至少一种；将抽取的所述核心属性词通过自然语言进行组织后，与对应的原始描述文本进行拼接，生成所述文本语料。

4、可选地，根据本技术实施例的方法，所述大语言语义向量模型的微调过程包括：构建训练样本集，所述训练样本集包括多个三元组，每个三元组包括查询文本、正样本和负样本；其中，所述查询文本为职位描述文本，所述正样本为与该职位描述文本存在求职者投递行为且招聘方给出正向反馈的简历文本，所述负样本包括与该职位描述文本无关联的随机简历文本、以及存在求职者投递行为但招聘方给出负向反馈的简历文本；使用所述训练样本集对基础大语言语义向量模型进行微调训练。

5、可选地，根据本技术实施例的方法，所述微调训练采用的损失函数为自知识蒸馏损失函数；所述微调训练的训练轮次根据大语言语义向量模型在测试集上的准召指标确定。

6、可选地，根据本技术实施例的方法，所述历史交互行为包括招聘方对简历的标记合适、下载、收藏、转发、电话沟通或发送面试邀请，以及求职者对职位的投递或查看；所述预设条件为所述交互行为属于用户感兴趣的预设行为集合；所述预设数量为k个，其中k的取值范围为5-15。

7、可选地，根据本技术实施例的方法，所述预设融合权重包括语义权重和行为权重，所述语义权重和所述行为权重均为0到1之间的数且二者之和为1；所述根据预设融合权重，将所述目标对象的基础语义向量与所述行为语义向量进行加权融合，包括：根据不同的历史交互行为类型，为对应的行为语义向量配置不同的行为权重；将所述语义权重与所述基础语义向量的乘积，加上所述行为权重与各行为语义向量加权和之积。

8、可选地，根据本技术实施例的方法，当所述目标对象的历史行为数据满足预设稀疏条件时，所述方法还包括：计算所述目标对象的基础语义向量与行为丰富对象池中各对象的基础语义向量之间的语义相似度，所述行为丰富对象池由历史行为数据量大于预设阈值的行为丰富对象构成从所述行为丰富对象池中选取语义相似度最高的预设数量个对象作为所述目标对象的相似对象；获取所述相似对象对应的历史行为对象的行为语义向量，作为所述目标对象的借用行为语义向量；根据所述预设融合权重，将所述目标对象的基础语义向量与所述借用行为语义向量进行加权融合，生成所述目标对象的融合语义向量。

9、可选地，根据本技术实施例的方法，所述计算所述目标对象的基础语义向量与行为丰富对象池中各对象的基础语义向量之间的语义相似度，包括：当所述目标对象为职位时，在职位维度的行为丰富对象池中计算该职位与其他职位之间的语义相似度；当所述目标对象为简历时，在简历维度的行为丰富对象池中计算该简历与其他简历之间的语义相似度。

10、可选地，根据本技术实施例的方法，所述基于所述融合语义向量进行向量检索，包括：生成各候选对象的融合语义向量，并构建向量索引；在线召回时，根据所述目标对象的标识从所述向量索引中检索出余弦距离最近的预设召回数量的候选对象，所述预设召回数量为200-300个。

11、可选地，根据本技术实施例的方法，所述大语言语义向量模型为bge模型，或gte-qwen2系列模型、multilingual-e5-base模型或m3e-base模型中的任意一种。

12、本技术实施例还提出一种融合用户行为与文本语义的人岗匹配召回装置，包括：第一获取模块，用于获取目标对象的文本语料，所述目标对象包括职位和简历；基础语义向量生成模块，用于将所述文本语料输入至经微调的大语言语义向量模型，生成所述目标对象的基础语义向量；第二获取模块，用于获取所述目标对象对应的预设数量的历史行为对象的文本语料，所述历史行为对象为与所述目标对象存在历史交互行为且交互行为满足预设条件的对象；行为语义向量生成模块，用于将预设数量的所述历史行为对象的文本语料输入至所述大语言语义向量模型，生成所述历史行为对象的行为语义向量；融合语义向量生成模块，用于根据预设融合权重，将所述目标对象的基础语义向量与所述行为语义向量进行加权融合，生成所述目标对象的融合语义向量；召回模块，用于基于所述融合语义向量进行向量检索，从候选对象库中召回与所述目标对象相匹配的预设数量的候选对象。

13、本技术实施例提供一种电子设备，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述电子设备执行所述计算机程序指令时实现如上所述的方法。

14、本技术实施例提供一种计算机程序产品，所述计算机程序产品包括计算机程序指令，所述计算机程序指令被执行时实现如上所述的方法。

15、本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如上所述的方法。

16、通过将目标对象的基础语义向量与其历史行为对象的行为语义向量进行加权融合，生成同时表征文本语义信息和用户行为偏好信息的融合语义向量，有效克服了单纯文本匹配中因职位描述与简历文本信息维度差异而导致的匹配精度不足的问题，提升了召回结果的准确性；同时通过向量检索实现了海量数据下的高效召回。