基于语义检索的人才简历智能匹配方法及系统与流程

本发明涉及数据处理，具体为基于语义检索的人才简历智能匹配方法及系统。

背景技术：

1、在企业招聘中，现有简历检索系统采用关键词比对或向量匹配，在执行岗位需求与求职者技能的匹配计算时，系统多依赖求职者填写的静态熟练度标签完成打分；

2、现有检索机制将技能词汇作为独立特征进行单点比对，未解析技术领域内技能前置依赖与演进关系，当岗位需求输入高级技术词汇时，系统只能执行字面字符匹配，无法沿着技术发展路线关联补全隐式基础技能，造成符合底层技术要求的候选人未被召回，简历检索数据存在遗漏；

3、同时，现有匹配技术未引入时间衰减因素进行量化考量，技能熟练度会随持续使用时长积累以及停用时间延长发生变化，仅凭静态标签无法体现技术能力在工作经历中的连续应用跨度，也无法评估停止使用引发的技能生疏现象，现有系统未建立基础技能活跃状态与高级技能遗忘衰减之间的关联机制，导致计算输出的匹配得分偏离客观掌握水平，降低最终检索推荐结果的排序精度。

技术实现思路

1、针对现有技术的不足，本发明提供了基于语义检索的人才简历智能匹配方法及系统，解决了现有简历匹配技术未解析技能前置依赖关系且忽略时间衰减因素，导致简历召回遗漏与技能熟练度评估失真的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、本发明第一方面提供基于语义检索的人才简历智能匹配方法，包括：

4、构建含独立物理节点及有向边的有向无环技能前置依赖图谱，并为有向边配置边传递阻尼系数；

5、提取原始简历文本的技能实体、持续跨度和距今时间，生成时序特征元组集合并写入倒排索引；

6、将岗位需求描述文本中的显式技能实体映射至技能前置依赖图谱，沿有向边向底层依赖方向遍历，构建非对称查询拓扑树并分配静态拓扑权重；

7、基于非对称查询拓扑树的节点从倒排索引提取候选简历文本，根据子节点的持续跨度和距今时间计算活跃度数值，并结合父子节点间有向边的边传递阻尼系数计算父节点的动态时效衰减率，据此计算综合熟练度数值，结合静态拓扑权重计算最终匹配得分并生成推荐简历序列。

8、进一步的，构建含独立物理节点及有向边的有向无环技能前置依赖图谱，包括：

9、获取技术领域的技能实体集合，将各技能实体映射为图数据库中的独立物理节点，为每一独立物理节点分配全局唯一的节点标识符并进行持久化存储；

10、根据技能实体之间的底层技术依赖关系，在高级技能实体以基础技能实体作为前置技术基础时，建立从代表高级技能实体的独立物理节点指向代表基础技能实体的独立物理节点的有向边；

11、为有向边配置边传递阻尼系数，边传递阻尼系数量化基础技能实体的活跃度对高级技能实体时间遗忘衰减速度的减缓幅度，并将边传递阻尼系数作为有向边的属性数据写入图数据库。

12、进一步的，提取原始简历文本的技能实体、持续跨度和距今时间，生成时序特征元组集合，包括：

13、对原始简历文本执行命名实体识别处理，识别技能实体、起始时间戳与结束时间戳，并将原始简历文本切分为按时间序列排列的工作经历事件块集合；针对各工作经历事件块，将结束时间戳与起始时间戳的差值作为持续跨度，将当前时间戳与结束时间戳的差值作为距今时间；

14、提取各工作经历事件块中的技能实体，将同一技能实体在各工作经历事件块中对应的距今时间与持续跨度进行组合，生成由多组距今时间与持续跨度配对构成的时序特征元组集合。

15、进一步的，生成时序特征元组集合并写入倒排索引，包括：

16、将时序特征元组集合设置为底层检索引擎中的自定义复合特征载荷，并采用序列化协议将时序特征元组集合中的距今时间与持续跨度配对数据转换为连续的二进制字节流数据；

17、以技能实体对应独立物理节点的全局唯一的节点标识符作为倒排索引的键，以原始简历文本的文档标识符和连续的二进制字节流数据作为对应的值，按照键值对结构写入底层检索引擎的倒排索引链表，并将文档标识符与连续的二进制字节流数据形成物理绑定的自定义载荷字段。

18、进一步的，沿有向边向底层依赖方向遍历，构建非对称查询拓扑树，包括：

19、将显式技能实体定位至对应的独立物理节点，并将对应的独立物理节点作为初始查询实体节点加入根节点集合；

20、以根节点集合中的各初始查询实体节点作为遍历原点，在技能前置依赖图谱中沿有向边向底层基础依赖方向执行广度优先的层序展开遍历；

21、读取当前遍历路径的扩展深度数值，并将扩展深度数值与预设的最大层级阈值进行比对，在扩展深度数值达到最大层级阈值之前，将当前访问的下游独立物理节点作为隐式技能节点拉取至非对称查询拓扑树中，在扩展深度数值达到最大层级阈值时截断当前遍历路径。

22、进一步的，分配静态拓扑权重，包括：

23、赋予根节点集合中的初始查询实体节点初始基准权重；

24、根据隐式技能节点与有向边跳数最少的初始查询实体节点之间的有向边跳数确定隐式技能节点的树状层级深度；

25、按照阶梯衰减规则，根据初始基准权重、节点深度衰减常数以及树状层级深度计算非对称查询拓扑树中各独立物理节点的静态拓扑权重。

26、进一步的，基于非对称查询拓扑树的节点从倒排索引提取候选简历文本，包括：

27、提取非对称查询拓扑树中全部独立物理节点的全局唯一的节点标识符，并作为查询词条输入底层检索引擎，在倒排索引链表中匹配对应的文档标识符集合；

28、将各独立物理节点命中的文档标识符数量与对应静态拓扑权重的乘积作为全局静态参数，针对每一文档标识符，将命中该文档标识符的各独立物理节点对应的全局静态参数求和，得到该文档标识符的初始匹配分值；

29、按照初始匹配分值降序排列，截取排序在前的预设数量文档标识符并提取对应的原始简历文本，形成候选原始简历文本集合。

30、进一步的，结合边传递阻尼系数计算动态时效衰减率，包括：

31、针对候选原始简历文本，在内存中对非对称查询拓扑树执行拓扑排序处理，生成由隐式技能节点至根节点集合的计算序列；

32、按照计算序列读取倒排索引中由时序特征元组集合序列化形成的连续二进制字节流数据，并将连续二进制字节流数据反序列化为时序特征元组集合，根据时序特征元组集合记录的距今时间与持续跨度配对数据计算独立物理节点的活跃度数值；

33、将子节点的活跃度数值与父节点指向子节点的有向边上配置的边传递阻尼系数组合计算，得到父节点的动态时效衰减率；

34、当独立物理节点不存在子节点或者所有子节点的活跃度数值均为0时，将独立物理节点的动态时效衰减率设定为全局基础衰减常数。

35、优选的，计算综合熟练度数值，包括：

36、完成非对称查询拓扑树中各独立物理节点的动态时效衰减率更新后，应用更新后的动态时效衰减率对各独立物理节点的时序特征元组集合执行熟练度积分运算；

37、将各独立物理节点在各工作经历事件块中记录的持续跨度，根据对应的动态时效衰减率以及工作经历事件块对应的距今时间进行折算累加，得到各独立物理节点的综合熟练度数值；

38、将各独立物理节点的综合熟练度数值与对应的静态拓扑权重进行乘积运算，并将全部独立物理节点对应的乘积结果求和，得到最终匹配得分，按照最终匹配得分对候选原始简历文本集合进行列表重排并输出推荐简历序列。

39、本发明第二方面提供基于语义检索的人才简历智能匹配系统，包括：

40、图谱构建模块，用于在图数据库内建立具有有向无环图结构的技能前置依赖图谱，并为技能前置依赖图谱中的有向边配置边传递阻尼系数；

41、索引构建模块，用于接收原始简历文本，提取技能实体、持续跨度和距今时间，生成时序特征元组集合，并将时序特征元组集合序列化为连续的二进制字节流数据后写入底层检索引擎的倒排索引链表；

42、查询重写模块，用于接收岗位需求描述文本，提取显式技能实体集合，将显式技能实体集合映射至技能前置依赖图谱，沿技能前置依赖图谱中的有向边向底层依赖方向进行遍历，构建非对称查询拓扑树并分配静态拓扑权重；

43、打分检索模块，用于从倒排索引中提取候选原始简历文本，读取非对称查询拓扑树中各独立物理节点的持续跨度和距今时间，结合边传递阻尼系数计算动态时效衰减率，计算综合熟练度数值，结合静态拓扑权重计算最终匹配得分，并根据最终匹配得分生成推荐简历序列。

44、本发明提供了基于语义检索的人才简历智能匹配方法及系统。具备以下有益效果：

45、1、本发明通过构建具有有向无环图结构的技能前置依赖图谱，将岗位需求描述文本中的显式技能实体沿有向边向底层依赖方向遍历展开，构建非对称查询拓扑树；检索匹配时依据底层技术依赖逻辑，自动将岗位需求关联并补全为所需的隐式基础技能，避免孤立检索单一技能标签引发匹配遗漏，提升简历召回数据的全面性。

46、2、本发明通过为技能前置依赖图谱中的有向边配置边传递阻尼系数，结合从原始简历文本提取的持续跨度与距今时间，将子节点活跃度数值与边传递阻尼系数组合计算，生成父节点动态时效衰减率；运算过程建立基础技能活跃度延缓高级技能熟练度自然衰减的参数传递机制，能够根据工作经历的时间分布状态计算候选人的技能客观掌握水平，克服依赖求职者自填静态熟练度标签带来的评估误差。

47、3、本发明通过应用动态时效衰减率对各独立物理节点的时序特征元组集合执行熟练度积分运算以获取综合熟练度数值，并将综合熟练度数值与静态拓扑权重进行乘积运算得到最终匹配得分；打分过程兼顾各个技能在岗位需求拓扑结构中的重要度以及候选人技能应用的时间积累量，输出基于技能客观掌握水平与岗位契合度的推荐简历序列，提升人才匹配结果的排序精确度。