一种基于图神经网络的岗位人才精准推荐方法与流程

本发明涉及人力资源智能匹配，尤其涉及一种基于图神经网络的岗位人才精准推荐方法。

背景技术：

1、随着在线招聘平台、人力资源管理系统和智能推荐技术的发展，岗位人才匹配逐渐由基于关键词检索、规则筛选的方式转向基于机器学习、深度学习和图结构建模的推荐方式。现有技术通常从岗位描述中提取技能要求、工作经验、项目经历及任职条件，从人才简历中提取技能、经历、教育背景和能力特征，再通过相似度计算、向量匹配、协同过滤、图神经网络传播方式获得岗位与人才之间的匹配程度。图神经网络能够利用岗位、技能、人才及经历之间的关联关系进行信息聚合，相比单纯文本匹配能够利用更丰富的关系结构信息，因此逐渐应用于人才推荐和岗位匹配场景。

2、但是，现有岗位人才推荐方法在利用图结构关系进行匹配时，通常将不同连接路径直接作为不同能力证据进行计算，当同一工作经历、项目经历同时形成若干人才技能时，不同技能可能通过不同关系路径重复参与匹配，导致来源相同的能力证据被重复计入人才能力评价，造成岗位人才匹配结果偏高。同时，现有路径搜索方法通常以路径成本、相似度或综合评分作为主要选择依据，第二条候选路径容易重复第一条路径已经覆盖的岗位需求能力，难以针对第一条路径未充分满足的岗位需求形成有效补充。

3、因此，如何提供一种基于图神经网络的岗位人才精准推荐方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于图神经网络的岗位人才精准推荐方法，本发明通过共享路径容量限制能力证据来源重复占用，结合岗位需求残余补偿与表征差异反馈优化suurballe路径搜索，使人才推荐兼顾能力证据独立性、岗位需求满足程度和表征互补性，提高岗位人才匹配准确性与推荐可靠性

2、根据本发明实施例的一种基于图神经网络的岗位人才精准推荐方法，包括如下步骤：

3、获取岗位需求数据和人才画像数据，构建岗位人才关系图，对相同能力证据来源设置共享路径容量；

4、利用图神经网络计算岗位人才关系图的基础传播成本；

5、调用suurballe算法，依据基础传播成本、共享路径容量确定第一独立能力路径和已占用能力证据来源，改变关系边可达状态，根据替代路径成本形成替换损失；

6、利用图神经网络沿第一独立能力路径传播，形成岗位需求残余分布；

7、依据替换损失、岗位需求残余分布和已占用能力证据来源重标定suurballe残差关系，形成第二阶段残差图；

8、采用suurballe算法在第二阶段残差图中依据岗位需求残余分布、能力证据来源重复度和残差路径成本逐级比较候选路径，确定第二独立能力路径，重组形成互补独立能力路径对；

9、利用图神经网络传播互补独立能力路径对，依据dirichlet energy变化量调整第二阶段残差图并重新比较候选路径，形成稳定互补独立能力路径对；

10、融合稳定互补独立能力路径对的传播结果，形成岗位条件人才表征，确定人岗匹配值，输出人才推荐结果。

11、可选的，所述共享路径容量与岗位人才关系图的得到具体包括：

12、读取岗位需求数据和人才画像数据，关联岗位需求能力、人才技能及人才技能的形成来源，形成岗位人才关联数据；

13、依据岗位人才关联数据构建岗位人才关系图，将具有相同形成来源的人才技能归入同一能力证据来源；

14、对岗位人才关系图中相同能力证据来源设置共享路径容量，在独立能力路径占用能力证据来源时记录路径占用状态，并依据共享路径容量限制相同能力证据来源再次进入独立能力路径搜索。

15、可选的，所述岗位人才关系图的基础传播成本的得到具体包括：

16、读取岗位人才关系图，按照岗位需求能力、人才技能和能力证据来源之间的连接关系生成初始图表征；

17、利用图神经网络沿岗位人才关系图中的连接关系传播初始图表征，对连接关系两端的初始图表征进行关系聚合，形成关系传播表征；

18、依据关系传播表征确定岗位需求能力与人才技能之间的需求关联程度、人才技能与能力证据来源之间的形成关联程度，根据需求关联程度和形成关联程度确定连接关系的传播代价，将岗位人才关系图中连接关系的传播代价组织为基础传播成本。

19、可选的，所述替换损失的得到具体包括：

20、以基础传播成本作为suurballe算法的初始路径搜索代价，将岗位人才关系图中相同能力证据来源对应的关系边关联至同一共享路径容量，在suurballe算法的第一次路径标记过程中同步记录候选路径对共享路径容量的占用状态，排除超过共享路径容量的候选路径，在剩余候选路径中依据累计基础传播成本确定第一独立能力路径；

21、沿第一独立能力路径识别产生共享路径容量占用的能力证据来源，将对应能力证据来源确定为已占用能力证据来源，并记录各已占用能力证据来源关联的关系边；

22、按照已占用能力证据来源逐一执行替代路径搜索，将当前已占用能力证据来源关联的关系边同步设置为不可达，保持其余已占用能力证据来源关联的关系边和共享路径容量状态不变，重新搜索目标岗位至候选人才之间的连接路径，根据剩余可达关系形成替代路径并确定替代路径成本，完成当前已占用能力证据来源的替代路径搜索后恢复对应关系边的可达状态，同时处理下一已占用能力证据来源；

23、依次获得各已占用能力证据来源对应的替代路径成本，根据替代路径成本相对于第一独立能力路径累计基础传播成本的增加量形成对应能力证据来源的替换损失，将替换损失关联至对应能力证据来源在第一独立能力路径中的关系边。

24、可选的，所述岗位需求残余分布的得到具体包括：

25、以第一独立能力路径限定图神经网络的消息传播范围，将岗位需求能力对应的图表征沿第一独立能力路径进行传播，聚合第一独立能力路径中的人才技能信息和能力证据来源信息，形成需求传播表征；

26、依据需求传播表征确定岗位需求能力的传播响应强度，将传播响应强度与岗位需求数据中的岗位需求能力进行关联，形成岗位需求覆盖量；

27、以岗位需求数据中岗位需求能力的需求程度作为需求基准，将岗位需求覆盖量从对应需求基准中扣减，保留未被第一独立能力路径充分覆盖的岗位需求能力及对应残余程度，按照岗位需求能力之间的关联关系形成岗位需求残余分布，所述需求程度用于表征目标岗位对岗位需求能力的要求强度。

28、可选的，所述第二阶段残差图的得到具体包括：

29、基于第一独立能力路径建立suurballe残差关系，针对第一独立能力路径中的关系边建立对应反向关系边，并依据关系边所属能力证据来源对应的替换损失确定反向关系边的释放成本；

30、依据已占用能力证据来源，将相同能力证据来源关联的关系边共同关联至对应共享路径容量，将对应共享路径容量设置为容量占用状态，在候选路径利用反向关系释放第一独立能力路径中的对应能力证据来源时，解除共享路径容量占用，并重新开放对应能力证据来源关联的正向关系；

31、依据岗位需求残余分布对suurballe残差关系建立岗位需求残余状态，将降低岗位需求残余的正向关系映射至残余降低状态，将用于释放第一独立能力路径中已有岗位需求支撑关系的反向关系映射至残余恢复状态；

32、将反向关系边的释放成本、能力证据来源对应的容量占用状态和岗位需求残余状态共同写入suurballe残差关系，使候选路径经过反向关系时同步更新共享路径容量占用状态和岗位需求残余状态，使候选路径经过正向关系时同步更新共享路径容量占用状态和岗位需求残余状态，形成第二阶段残差图。

33、可选的，所述互补独立能力路径对的得到具体包括：

34、采用suurballe算法在第二阶段残差图中从目标岗位开始扩展候选路径，依据候选路径经过的正向关系和反向关系同步更新岗位需求残余分布、能力证据来源占用情况和残差路径成本，形成候选路径状态集；

35、依据候选路径状态集，对到达相同搜索位置的候选路径依次比较岗位需求残余补偿量、能力证据来源重复度和残差路径成本，保留逐级比较结果占优的候选路径并形成优势候选路径集；

36、继续扩展优势候选路径集中的候选路径，在候选路径经过反向关系时恢复被释放关系对应的岗位需求残余并解除对应能力证据来源占用，在候选路径经过正向关系时扣减对应岗位需求残余并占用对应能力证据来源，基于更新结果重新形成候选路径状态集并执行逐级比较，循环执行路径扩展、状态更新和逐级比较，直至候选路径到达候选人才位置，形成终点候选路径集；

37、依据终点候选路径集中候选路径的逐级比较结果确定第二独立能力路径，依据第二独立能力路径经过的反向关系解除第一独立能力路径中的对应关系，依据第二独立能力路径经过的正向关系补入新的能力证据关系，重组第一独立能力路径和第二独立能力路径，形成互补独立能力路径对。

38、可选的，所述人才推荐结果的得到具体包括：

39、利用图神经网络分别沿第一独立能力路径和第二独立能力路径传播，按照相同岗位需求能力对齐两条独立能力路径形成的传播表征，形成跨路径传播表征组；

40、依据跨路径传播表征组计算传播前跨路径dirichlet energy和传播后跨路径dirichlet energy，确定dirichlet energy变化量及岗位需求能力局部能量变化量，形成跨路径能量变化结果；

41、在dirichlet energy变化量超过预设dirichlet energy变化阈值时，依据岗位需求能力局部能量变化量定位第二独立能力路径中的表征趋同关系，恢复对应能力证据来源的共享路径容量和岗位需求残余分布，并调整对应关系边的残差路径成本，形成反馈调整残差图；

42、采用suurballe算法在反馈调整残差图中重新比较候选路径，更新第二独立能力路径并重组互补独立能力路径对，重复执行图神经网络传播、跨路径能量变化计算和残差图反馈调整，直至dirichlet energy变化量不超过预设dirichlet energy变化阈值，形成稳定互补独立能力路径对。

43、可选的，所述人才推荐结果的得到具体包括：

44、读取稳定互补独立能力路径对中第一独立能力路径和第二独立能力路径的图神经网络传播结果，按照岗位需求能力关联两条独立能力路径对应的传播结果并执行路径表征融合，形成岗位条件人才表征；

45、依据岗位条件人才表征确定候选人才针对各岗位需求能力的匹配响应，结合岗位需求数据中对应岗位需求能力的需求程度汇总各岗位需求能力的匹配响应，形成人岗匹配值；

46、按照人岗匹配值对候选人才进行排序，依据排序结果选取满足预设推荐数量的候选人才，并将候选人才标识、人岗匹配值及对应岗位条件人才表征组织为人才推荐结果。

47、本发明的有益效果是：

48、本发明通过在岗位人才关系图中引入能力证据来源及共享路径容量，对来源于同一工作经历、项目经历的人才技能进行统一的路径占用约束，并在suurballe算法确定第一独立能力路径的过程中限制相同能力证据来源被重复利用，从而避免图连接形式不同但实际来源相同的能力证据被重复计入人才能力评价，提升岗位人才匹配过程中能力证据的独立性和有效性，使岗位人才匹配结果能够更加真实地反映候选人才的实际能力构成。

49、本发明结合替换损失、岗位需求残余分布和已占用能力证据来源对suurballe残差关系进行重标定，并在第二阶段残差图中按照岗位需求残余补偿、能力证据来源重复情况和残差路径成本逐级比较候选路径，使第二独立能力路径不仅满足能力证据来源独立要求，还能够优先补充第一独立能力路径未充分支撑的岗位需求能力，减少仅依据路径成本选择第二路径造成的岗位需求重复覆盖问题，从而增强不同独立能力路径之间的岗位需求互补性，提高人才能力与岗位实际需求之间的匹配程度。

50、本发明利用图神经网络传播互补独立能力路径对，并依据dirichlet energy变化量检测第一独立能力路径与第二独立能力路径在相同岗位需求能力下的传播表征差异，在出现表征趋同时对对应能力证据来源的共享路径容量占用、岗位需求残余及第二阶段残差图进行反馈调整，并重新执行候选路径比较，使最终形成的稳定互补独立能力路径对同时保持能力证据来源独立、岗位需求支撑互补和传播表征差异，降低图神经网络传播过程中不同路径表征趋同对推荐结果的影响，进而提高岗位人才精准推荐的准确性、可靠性和区分能力