【技術實現步驟摘要】
本專利技術涉及人才推薦，具體涉及一種基于向量搜索與大語言模型的人才推薦方法、設備及介質。
技術介紹
1、隨著深度學習技術的發展，大語言模型在各個領域強大的應用能力，在自然語言處理中，它可以用于文本搜索、機器翻譯、文本生成、情感分析、命名實體識別等功能。在大語言模型出現之前，向量檢索技術已經發展。隨著深度學習的技術，向量檢索廣泛應用于圖片、音頻、視頻的搜索和推薦、人臉識別、語音識別等人工智能應用領域。
2、傳統的搜索方法是關鍵詞搜索，在互聯網搜索中起到了極其重要的作用。但隨著數據量的指數級增加，關鍵詞搜索的速度和準確度受到了挑戰。新的向量搜索方法，為大數據技術應用提供新的有效方法，而且結合向量搜索和大語言模型，為數據匹配與推薦提供了全新方法，解決了傳統搜索方法速度慢和準確度差的問題。
技術實現思路
1、本專利技術的目的是提出一種基于向量搜索與大語言模型的人才推薦方法以解決相關技術中匹配和推薦方法搜索速度慢、推薦結果準確度低的問題問題。
2、為達到上述專利技術目的，本專利技術采用的技術方案是：一種基于向量搜索與大語言模型的人才推薦方法，包括以下步驟：
3、基于大數據技術建立人才科研成果數據庫，將數據庫向量化，建立向量模型數據庫；
4、獲取目標人才需求模板，并將目標人才需求模板向量化，得到目標人才需求向量模型，把目標人才需求向量模型與向量模型數據庫進行比較，得到相似度；
5、判斷所述相似度是否大于或等于設定的相似度閾值；
...【技術保護點】
1.一種基于向量搜索與大語言模型的人才推薦方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，基于大數據技術建立人才科研成果數據庫，將數據庫向量化，建立向量模型數據庫，具體包括：
3.如權利要求2所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，應用大數據技術挖掘全球公開的學術論文、專利和獲獎數據生成人才科研成果數據，建立專用的數據庫，具體包括：
4.如權利要求3所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，基于聚類文檔獲取符合目標人才需求模板的科研成果向量模型數據，并解析出數據中的關鍵信息，具體包括：
5.如權利要求4所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，所述關鍵信息包括數據中的姓名、機構與合作關系。
6.如權利要求5所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，構建大語言模型，將關鍵信息輸入大語言模型，生成相關人才的具體信息，進行篩選，得到可推薦的人才，具體包括：
7.如權利要求5所述的基于向量搜索
8.如權利要求5所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，所述相似度計算采用余弦相似度計算，所述相似度的計算公式為：
9.一種基于向量搜索與大語言模型的人才推薦設備，其特征在于，包括處理器、存儲器以及至少一個程序，所述程序被存儲在所述存儲器中，并被配置為由所述處理器執行，所述程序包括用于執行如權利要求1-8中任一項所述的基于向量搜索與大語言模型的人才推薦方法的指令。
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲計算機程序，所述計算機程序使得計算機執行以實現權利要求1-8中任一項所述的基于向量搜索與大語言模型的人才推薦方法。
...【技術特征摘要】
1.一種基于向量搜索與大語言模型的人才推薦方法，其特征在于，包括以下步驟：
2.如權利要求1所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，基于大數據技術建立人才科研成果數據庫，將數據庫向量化，建立向量模型數據庫，具體包括：
3.如權利要求2所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，應用大數據技術挖掘全球公開的學術論文、專利和獲獎數據生成人才科研成果數據，建立專用的數據庫，具體包括：
4.如權利要求3所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，基于聚類文檔獲取符合目標人才需求模板的科研成果向量模型數據，并解析出數據中的關鍵信息，具體包括：
5.如權利要求4所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，所述關鍵信息包括數據中的姓名、機構與合作關系。
6.如權利要求5所述的基于向量搜索與大語言模型的人才推薦方法，其特征在于，構建大語言模型，將關鍵...
【專利技術屬性】
技術研發人員：郭偉薇，江明，邢移單，
申請(專利權)人：博觀創新上海大數據科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。