简历筛选方法、计算机设备及存储介质与流程

技术特征：
1.一种简历筛选方法，其特征在于，所述方法包括：将岗位描述信息以及岗位对应的简历文本分别输入训练好的第一神经网络模型进行信息抽取，获得对应的岗位关键信息和简历关键信息；基于预配置的知识库，对所述岗位关键信息和所述简历关键信息进行后处理，获得结构化岗位描述信息和结构化简历信息；获得所述岗位描述信息和所述简历文本对应的附加特征；将所述结构化岗位描述信息、所述结构化简历信息、以及所述附加特征输入训练好的第二神经网络模型进行匹配度解析，获得对应的岗位匹配度分值，以基于所述岗位匹配度分值进行简历筛选。2.根据权利要求1所述的方法，其特征在于，所述将所述结构化岗位描述信息、所述结构化简历信息、以及所述附加特征输入训练好的第二神经网络模型进行匹配度解析，获得对应的岗位匹配度分值，包括：将所述结构化岗位描述信息和所述结构化简历信息进行拼接，获得机器文本；将所述机器文本和所述附加特征输入所述第二神经网络模型，输出所述岗位匹配度分值。3.根据权利要求1所述的方法，其特征在于，所述获得所述岗位描述信息和所述简历文本对应的附加特征，包括：接收人工输入的所述附加特征，其中，所述附加特征是由人工基于所述岗位描述信息和所述简历文本确定；或对所述岗位描述信息和所述简历文本进行分析处理，自动生成所述附加特征。4.根据权利要求2所述的方法，其特征在于，所述第二神经网络模型包括bert模型，所述将所述机器文本和所述附加特征输入所述第二神经网络模型，输出所述岗位匹配度分值，包括：将所述机器文本输入所述bert模型，获得对应的第一特征向量；以及将所述附加特征经所述第二神经网络模型的嵌入层、激活函数和线性层处理，获得对应的第二特征向量；将所述第一特征向量和所述第二特征向量经所述第二神经网络模型的激活函数和线性层处理，获得融合向量；将所述融合向量经所述第二神经网络模型的dropout和线性层处理，获得所述岗位匹配度分值。5.根据权利要求1所述的方法，其特征在于，所述岗位匹配度分值包括预设的第一分值和第二分值，所述基于所述岗位匹配度分值对所述简历进行筛选，包括：当获得的所述岗位匹配度分值为所述第一分值时，确定所述简历筛选通过；当获得的所述岗位匹配度分值为所述第二分值时，确定所述简历筛选未通过。6.根据权利要求1所述的方法，其特征在于，所述岗位匹配度分值为非固定值，所述基于所述岗位匹配度分值对所述简历进行筛选，包括：根据各个简历对应的岗位匹配度分值进行简历筛选，确定预设数量的简历筛选通过，其中，筛选通过的简历对应的岗位匹配度分值高于其他筛选未通过的简历对应的岗位匹配度分值；或者当简历对应的岗位匹配度分值大于或等于第一预设阈值时，确定所述简历筛选通过；
当简历对应的岗位匹配度分值小于所述第一预设阈值时，确定所述简历筛选未通过。7.根据权利要求6所述的方法，其特征在于，所述获得对应的岗位匹配度分值之后，还包括：若所述岗位匹配度分值超出预设的分值范围，则对所述岗位匹配度分值进行数据更新处理，更新后的岗位匹配度分值在所述分值范围内；和/或若各个简历对应的岗位匹配度分值中，小于第二预设阈值的占比达到预设比值，则对各个简历对应的岗位匹配度分值进行等比例放大处理。8.根据权利要求1所述的方法，其特征在于，所述将岗位描述信息以及岗位对应的简历文本分别输入训练好的第一神经网络模型进行信息抽取，获得对应的岗位关键信息和简历关键信息，包括：将所述岗位描述信息以及对应的第一标签组输入所述第一神经网络模型，预测所述第一标签组中每个标签对应所述岗位描述信息中的起始位置和结束位置，获得所述岗位关键信息；将所述简历文本以及对应的第二标签组输入所述第一神经网络模型，预测所述第二标签组中每个标签对应所述简历文本中的起始位置和结束位置，获得所述简历关键信息。9.根据权利要求1至8任一项所述的方法，其特征在于，所述基于预配置的知识库，对所述岗位关键信息和所述简历关键信息进行后处理，包括：基于所述知识库，对所述岗位关键信息和所述简历关键信息中的非标准化内容进行匹配查询，根据查询到的匹配数据对所述非标准化内容进行标准化处理。10.一种计算机设备，其特征在于，所述计算机设备包括：存储器和处理器；其中，所述存储器与所述处理器连接，用于存储程序；所述处理器用于通过运行所述存储器中存储的程序，实现如权利要求1至9中任一项所述的简历筛选方法的步骤。11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至9中任一项所述的简历筛选方法的步骤。

技术总结
本申请提供一种简历筛选方法、计算机设备及存储介质，其中，该方法包括：将岗位描述信息以及岗位对应的简历文本分别输入训练好的第一神经网络模型进行信息抽取，获得对应的岗位关键信息和简历关键信息；基于预配置的知识库，对所述岗位关键信息和所述简历关键信息进行后处理，获得结构化岗位描述信息和结构化简历信息；获得所述岗位描述信息和所述简历文本对应的附加特征；将所述结构化岗位描述信息、所述结构化简历信息、以及所述附加特征输入训练好的第二神经网络模型进行匹配度解析，获得对应的岗位匹配度分值，以基于所述岗位匹配度分值进行简历筛选。本申请可以实现提高简历筛选的可靠性的效率。选的可靠性的效率。选的可靠性的效率。


技术研发人员：胡弘康 周维
受保护的技术使用者：科大讯飞股份有限公司
技术研发日：2022.11.21
技术公布日：2023/3/3