一種用戶興趣模型生成方法、職位推薦方法及計算設備技術

本發明專利技術公開了一種用于職位推薦的用戶興趣模型生成方法、職位推薦方法及計算設備，用戶興趣模型生成方法包括：根據當前用戶關聯的用戶初始求職信息，初始化相應的用戶興趣模型；收集當前用戶在預設的時間段內的一個或多個求職行為；對收集到的每一個求職行為，將該求職行為映射成相應的一個或多個第一求職特征；將映射出的各第一求職特征分解成其所包括的一個或多個第二求職特征，并獲取所分解出的各第二求職特征的一個或多個屬性；對獲取到的每一個屬性，從行為權重集中獲取與該屬性所源于的求職行為對應的求職行為權重，以計算該屬性的權重；根據分解出的各第二求職特征的屬性及屬性的權重，更新用戶興趣模型。

User interest model generation method, post recommendation method and computing device

The invention discloses a user interest model generation method, job recommendation method and computing device for job recommendation. The user interest model generation method includes: initializing the corresponding user interest model according to the user's initial job information of the user associated with the current user; collecting one of the former users in the preset time period. Or multiple job hunting behavior; mapping the job search behavior to one or more first job features for each job search behavior that is collected; decomposing the first job features that are mapped into one or more second job features included and one or more genera of the second job hunting characteristics that are decomposed. The weight of the job search behavior corresponding to the job search behavior derived from the attribute is obtained for each attribute obtained, and the weight of the attribute is calculated, and the user interest model is updated according to the weight of the attributes and attributes of the second job hunting features decomposed.

【技術實現步驟摘要】
一種用戶興趣模型生成方法、職位推薦方法及計算設備
本專利技術涉及互聯網
，特別涉及一種用于職位推薦的用戶興趣模型生成方法、職位推薦方法及計算設備。
技術介紹
隨著互聯網技術的快速發展，越來越多的人開始享受互聯網為工作和生活帶來的各種便利。以傳統的招聘行業為例，現在人們可以通過招聘網站來搜索職位信息、投遞簡歷、與心儀的用人單位聯系等。當用戶登錄后，招聘網站會通過收集用戶行為來獲取用戶求職意向，根據用戶求職意向來向用戶推薦相關的職位。一般而言，如何給找工作的用戶推薦滿意的候選職位，很大程度上取決于招聘系統下推薦模塊對服務對象的認知，用戶畫像和用戶標簽則是通常采用的技術手段。用戶畫像是初期定位用戶的較好方式，但隨著用戶興趣的變遷或者信息的變動，用戶畫像不夠動態精確，不能很好地實時調整。而用戶行為往往具有周期性，即在時間線上是跳躍式的，用戶標簽雖然能夠及時地刻畫用戶興趣，但是從時間維度上并不能很好地表征用戶的信息變遷，同時也因為其本身的抽象性，存在遺漏互補信息的可能。
技術實現思路
為此，本專利技術提供一種用于職位推薦的用戶興趣模型生成方案，并提出了基于該用戶興趣模型的職位推薦方案，以力圖解決或者至少緩解上面存在的問題。根據本專利技術的一個方面，提供一種用于職位推薦的用戶興趣模型生成方法，適于在計算設備中執行，計算設備包括數據存儲裝置，數據存儲裝置中存儲有初始求職信息集和行為權重集，初始求職信息集包括多條用戶初始求職信息，每條用戶初始求職信息關聯于其對應的一個用戶，行為權重集包括多個求職行為權重，該方法包括如下步驟：首先，根據從初始求職信息集中獲取的當前用戶關聯的用戶初始求職信息，初始化相應的用戶興趣模型，用戶興趣模型關聯有一個或多個第一求職特征，每個第一求職特征包括一個或多個第二求職特征；收集當前用戶在預設的時間段內的一個或多個求職行為；對收集到的每一個求職行為，將該求職行為映射成相應的一個或多個第一求職特征；將映射出的各第一求職特征分解成其所包括的一個或多個第二求職特征，并獲取所分解出的各第二求職特征的一個或多個屬性；對獲取到的每一個屬性，從行為權重集中獲取與該屬性所源于的求職行為對應的求職行為權重，以計算該屬性的權重；根據分解出的各第二求職特征的屬性及屬性的權重，更新用戶興趣模型?？蛇x地，在根據本專利技術的用于職位推薦的用戶興趣模型生成方法中，用戶初始求職信息包括用戶的個人信息、在線簡歷、附件簡歷和/或位置信息?？蛇x地，在根據本專利技術的用于職位推薦的用戶興趣模型生成方法中，第一求職特征為職位標簽、職位要求、職位薪資、職位城市、職位類型和公司要求中的任一種。可選地，在根據本專利技術的用于職位推薦的用戶興趣模型生成方法中，求職行為包括投遞、收藏、瀏覽、約談、評論、訂閱、期望、工作經歷和/或搜索。可選地，在根據本專利技術的用于職位推薦的用戶興趣模型生成方法中，每個求職行為權重關聯于其對應的一種求職行為類型，從行為權重集中獲取與該屬性所源于的求職行為對應的求職行為權重的步驟包括：判斷該屬性所源于的求職行為的求職行為類型；從行為權重集中查找與該求職行為類型關聯的求職行為權重，作為該求職行為對應的求職行為權重。可選地，在根據本專利技術的用于職位推薦的用戶興趣模型生成方法中，計算該屬性的權重的步驟包括：生成該屬性所源于的求職行為對應的時間衰減參數；根據該屬性所源于的求職行為對應的求職行為權重，以及時間衰減參數，計算該屬性的權重。可選地，在根據本專利技術的用于職位推薦的用戶興趣模型生成方法中，還包括：監控當前用戶的求職行為，以判斷該求職行為是否可觸發用戶興趣模型的實時更新；若是，則基于該求職行為實時更新用戶興趣模型?？蛇x地，在根據本專利技術的用于職位推薦的用戶興趣模型生成方法中，基于該求職行為實時更新用戶興趣模型的步驟包括：將該求職行為映射成相應的一個或多個第一求職特征；將映射出的各第一求職特征分解成其所包括的一個或多個第二求職特征，并獲取所分解出的各第二求職特征的一個或多個屬性；對獲取到的每一個屬性，從行為權重集中獲取與該屬性所源于的求職行為對應的求職行為權重，結合預設的調整因子計算該屬性的權重；根據分解出的各第二求職特征的屬性及屬性的權重，實時更新用戶興趣模型。根據本專利技術的又一個方面，提供一種職位推薦方法，適于在計算設備中執行，計算設備包括數據存儲裝置，數據存儲裝置中存儲有用戶興趣模型集，用戶興趣模型集包括多個用于職位推薦的用戶興趣模型生成方法中、更新后的用戶興趣模型，每個用戶興趣模型關聯于其對應的一個用戶，該方法包括如下步驟：首先，從用戶興趣模型集中獲取當前用戶所關聯的用戶興趣模型；根據該用戶興趣模型所關聯的一個或多個第一求職特征，召回相應的一個或多個候選職位；通過預設的職位過濾規則對召回的各候選職位進行篩選；分別計算篩選出的各候選職位與該用戶興趣模型的相似度，按照相似度從高到低的順序將各候選職位推薦給當前用戶?？蛇x地，在根據本專利技術的職位推薦方法中，還包括：判斷各相似度與預設的相似度閾值的大小關系；對不小于相似度閾值的相似度所對應的各候選職位，按照相似度從高到低的順序進行排序；結合預設的調整規則，對排序后的各候選職位進行次序調整，將調整后的各候選職位按序推薦給當前用戶。根據本專利技術的又一個方面，提供一種計算設備，包括一個或多個處理器、存儲器以及一個或多個程序，其中一個或多個程序存儲在存儲器中并被配置為由一個或多個處理器執行，一個或多個程序包括用于執行根據本專利技術的用于職位推薦的用戶興趣模型生成方法和/或根據本專利技術的職位推薦方法的指令。根據本專利技術的又一個方面，還提供一種存儲一個或多個程序的計算機可讀存儲介質，一個或多個程序包括指令，指令當由計算設備執行時，使得計算設備執行根據本專利技術的用于職位推薦的用戶興趣模型生成方法和/或根據本專利技術的職位推薦方法。根據本專利技術的用于職位推薦的用戶興趣模型生成的技術方案，首先初始化用戶興趣模型，將當前用戶的各求職行為映射成相應的一個或多個第一求職特征，將各第一求職特征分解為其包括的一個或多個第二求職特征，獲取分解出的各第二求職特征的一個或多個屬性，計算各屬性的權重，最后基于分解出的各第二求職特征的屬性及屬性的權重，更新用戶興趣模型。在上述技術方案中，從求職行為中抽取的信息即為求職特征，而求職特征的變化表現為用戶興趣的變化，進而在計算第二求職特征的各屬性的權重時，先生成該屬性所源于的求職行為對應的時間衰減參數，再基于該屬性所源于的求職行為對應的求職行為權重，以及該時間衰減參數進行權重計算，將求職行為投射到時間軸上，根據用戶的所作所為動態調整用戶的求職特征，隨著時間推移逐步完善用戶興趣模型。此外，在上述定期更新用戶興趣模型的基礎上，對當前用戶的求職行為進行監控，以確定是否需要實時更新用戶興趣模型，從而實現增量式更新，提高模型的可用性和準確度。進而，根據本專利技術的職位推薦的技術方案，通過用戶興趣模型所關聯的一個或多個第一求職特征，召回相應的一個或多個候選職位，對各候選職位進行篩選，將篩選出的候選職位進行相似度計算后，按照相似度從高到低的順序進行推薦，實現了當用戶存在推薦需求時，可預測出用戶最有可能感興趣的職位，極大地提升了職位推薦的可靠性，用戶體驗較好。附圖說明為了實現上述以及相關目的，本文結合下面的描述和附圖來描述某本文檔來自技高網...

【技術保護點】
一種用于職位推薦的用戶興趣模型生成方法，適于在計算設備中執行，所述計算設備包括數據存儲裝置，所述數據存儲裝置中存儲有初始求職信息集和行為權重集，初始求職信息集包括多條用戶初始求職信息，每條用戶初始求職信息關聯于其對應的一個用戶，行為權重集包括多個求職行為權重，所述方法包括：根據從初始求職信息集中獲取的當前用戶關聯的用戶初始求職信息，初始化相應的用戶興趣模型，所述用戶興趣模型關聯有一個或多個第一求職特征，每個第一求職特征包括一個或多個第二求職特征；收集當前用戶在預設的時間段內的一個或多個求職行為；對收集到的每一個求職行為，將該求職行為映射成相應的一個或多個第一求職特征；將映射出的各第一求職特征分解成其所包括的一個或多個第二求職特征，并獲取所分解出的各第二求職特征的一個或多個屬性；對獲取到的每一個屬性，從行為權重集中獲取與該屬性所源于的求職行為對應的求職行為權重，以計算該屬性的權重；根據分解出的各第二求職特征的屬性及屬性的權重，更新所述用戶興趣模型。

【技術特征摘要】
1.一種用于職位推薦的用戶興趣模型生成方法，適于在計算設備中執行，所述計算設備包括數據存儲裝置，所述數據存儲裝置中存儲有初始求職信息集和行為權重集，初始求職信息集包括多條用戶初始求職信息，每條用戶初始求職信息關聯于其對應的一個用戶，行為權重集包括多個求職行為權重，所述方法包括：根據從初始求職信息集中獲取的當前用戶關聯的用戶初始求職信息，初始化相應的用戶興趣模型，所述用戶興趣模型關聯有一個或多個第一求職特征，每個第一求職特征包括一個或多個第二求職特征；收集當前用戶在預設的時間段內的一個或多個求職行為；對收集到的每一個求職行為，將該求職行為映射成相應的一個或多個第一求職特征；將映射出的各第一求職特征分解成其所包括的一個或多個第二求職特征，并獲取所分解出的各第二求職特征的一個或多個屬性；對獲取到的每一個屬性，從行為權重集中獲取與該屬性所源于的求職行為對應的求職行為權重，以計算該屬性的權重；根據分解出的各第二求職特征的屬性及屬性的權重，更新所述用戶興趣模型。2.如權利要求1所述的方法，所述用戶初始求職信息包括用戶的個人信息、在線簡歷、附件簡歷和/或位置信息。3.如權利要求1或2所述的方法，所述第一求職特征為職位標簽、職位要求、職位薪資、職位城市、職位類型和公司要求中的任一種。4.如權利要求1-3中任一項所述的方法，所述求職行為包括投遞、收藏、瀏覽、約談、評論、訂閱、期望、工作經歷和/或搜索。5.如權利要求1-4中任一項所述的方法，每個求職行為權重關聯于其對應的一種求職行為類型，所述從行為權重集中獲取與該屬性所源于的求職行為對應的求職行為權重的步驟包括：判斷該屬性所源于的求職行為的求職行為類型；從行為權重集中查找...

【專利技術屬性】
技術研發人員：郭旺平，謝雙賓，王海林，
申請(專利權)人：北京拉勾科技有限公司，
類型：發明
國別省市：北京,11