摘要
本发明提供一种基于深度学习的人才推荐方法,属于深度学习领域;解决了人才推荐效率低的问题;具体如下:获取简历信息和招聘要求,基于知识蒸馏机制结合招聘要求,训练文本模型;使用训练后的文本模型将简历信息转化为特征向量;获取标准特征向量,并对求职者的特征向量进行分簇处理,再使用高斯混合模型筛选,得到面试者;记录每名面试者的面试成绩,为各个招聘方推荐应聘员工;实时记录每名求职者的面试成绩,并获取新的求职者简历信息,为各个招聘方推荐应聘员工;本发明通过对求职者的简历信息和招聘方的招聘信息进行获取、分析和处理,为各个招聘方推荐应聘人员,提高人材录用效率。
技术关键词
人才推荐方法
BERT模型
学生
教师
文本
多维特征向量
高斯混合模型
梯度下降算法
答案
概率密度函数
员工
成绩
语义特征提取
编码
令牌
参数
协方差矩阵
序列
聚类算法
系统为您推荐了相关专利信息
并行加速方法
多节点
光学系统
异构
并行计算技术
教学质量评估方法
学生学习数据
评估算法
教学质量评估系统
教育评价技术