(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210808495.5 (22)申请日 2022.07.10 (71)申请人 上海穰川信息技 术有限公司 地址 200120 上海市浦东 新区中国(上海) 自由贸易试验区亮秀路112号B座502A 室 (72)发明人 尹超　 (74)专利代理 机构 北京纪凯知识产权代理有限 公司 11245 专利代理师 陆惠中 (51)Int.Cl. G06Q 10/10(2012.01) G06F 16/31(2019.01) G06F 16/36(2019.01) G06F 40/14(2020.01)G06F 40/205(2020.01) G06K 9/62(2022.01) (54)发明名称 基于招聘行为数据的自适应性的招聘决策 系统及方法 (57)摘要 本发明公开了基于招聘行为数据的自适应 性的招聘决策系统， 以解决现有技术中未将招聘 人员的画像以及用人策略的时间因素纳入考虑 因素， 因此决策模型很难学习到历史经验和动态 变化， 导致决策机制很难自适应调整， 本发明采 用行为序列的方式， 可以选择一批招聘信息和候 选人信息的典型样本， 并基于专家的评价标准对 这些样本作出决策。 决策后的序列当作历史决策 序列， 跟需要招聘的岗位信息和待评价的候选人 信息， 一同输入模型， 得出预测结果。 通过这种方 式得出的预测结果是跟历史决策序列保持一致 的。 这样， 在不改变模型参数本身， 通过输入不同 的行为序列， 就会带来评价结果上的变化， 起到 了动态自适应的效果。 权利要求书2页 说明书8页 附图2页 CN 115063119 A 2022.09.16 CN 115063119 A 1.基于招聘行为数据的自适应性的招聘决策系统， 包括数据存储模块、 决策模型训练 模块、 所述决策模型训练模块包括决策模型和数据前处理模块， 其特征在于： 数据存储模块 用于存储输入数据， 数据含有 岗位招聘信息， 候选人信息， 历史决策行为序列， 候选人审核 状态； 采用关系型 数据库或用支持 嵌套结构的文档数据库； 数据前处理模块用于将原始信 息中非结构化的部分转化成结构化； 将基础信 息原始文 本转变为带有嵌套属性的树状结构， 以schema结构格式来记录， 是key ‑value形式： 每个key 代表树到叶子节点的路径为jso npath， value代 表叶子节点上的字段类型； 所述前处理模块引入知识图谱进行数据增强以及信 息纠错， 按结构化格式将扩增字段 补充进主体结构； 还包括向量化嵌入， 将原始的transformer是采用字典查找lookuptable的方式对 token进行向量 化嵌入， 并叠加位置编码； 标记化处理， 将transformer接受的是以token为元素的序列作为输入； 原始的 transformer 架构是针对文本序列进行处 理。 2.根据权利要求1所述的基于招聘行为数据的自适应性的招聘决策方法， 其特征在于， 所述向量化嵌入包括token根据其类型选用不同的向量化嵌入方式， 包括离散型、 数值类 型、 字符串类型， 高级类型， 所述离散型为将token取值采用映射方式映射进[0,1024)这个 数值范围内， 然后按字典查找的方式， 扩展成向量， 数值类型为根据mu ‑law归一化到[ ‑1,1] 区间， 然后平均分配到[1024,2048)这个取值区间， 然后采用字典查找的方式， 扩展成向量， 其中mu‑law公式为 3.根据权利要求1所述的基于招聘行为数据的自适应性的招聘决策方法， 自监督的预 训练模型采用跟决策模型一致的模型结构， 但训练数据方面只需使用简历数据， 模拟决策 行为序列， 其特 征在于， 包括以下处 理步骤： S1:抽取出简历工作经历中的最近一段工作经历及在此段时间内的其他信息， 作为候 选人上一份工作时的招聘信息； 除去最近一段工作经历的其他履历信息， 作为候选人在应 聘上一份工作时的简历信息； 流程 阶段在除之外的流程里随机挑选进行填充； 决策行为取 值为“入职”， S2:根据最近一段工作经历中职位名的相似度对所有收集到的简 历进行聚类； S3:对每一类简历， 再根据最近一段工作经历的公司进行分组， 每一组内按最近一段工 作的开始时间进行排序， 这样每一组为包 含历史决策 行为的决策序列； S4:由于根据简历所模拟出的决策序列只有正样本， 即只有入职信息， 不存在淘汰信 息， 以负采样技 术在每一个批量训练的决策序列中。 4.根据权利要求3所述的基于招聘行为数据的自适应性的招聘决策方法， 其特征在于： 基于真实行为数据的持续训练步骤： 若模拟数据中的公司、 职 位跟用人单位差别较大， 预训 练的模型预测效果不能符合用人单位的招聘决策标准， 在预训练模型的基础上继续使用真 实的决策行为数据进行微调； 数据量多样性充足并且 决策效果达到预期后， 可以将模型参 数固定下来， 之后只使用模型进行 预测。 5.根据权利要求3所述的基于招聘行为数据的自适应性的招聘决策方法， 其特征在于：权　利　要　求　书 1/2 页 2 CN 115063119 A 2决策模型预测过程： 用人单位选用预训练模型或者根据自身 决策数据微调后的模型， 进行 预测时， 遵循以下流 程： 1)数据存储： 通过数据采集系统上传候选人信 息、 岗位招聘信息后进行存储； 通过流程 管理系统采集招聘人员的决策 行为并进行存 储； 2)数据处 理： 数据处 理过程跟训练过程中的数据处 理保持一 致； 3)模型预测： 将处理过的数据输入模型中， 输出各种可能的决策行为概率， 选择概率最 高的acti on作为建议的决策 行为进行输出。 6.根据权利要求3所述的基于招聘行为数据的自适应性的招聘决策方法， 其特征在于： 在步骤3中， 决策模型的输出的条件概率表示为pθ(action∣job,candidate,stage, history)， 其中， 上式条件概率表达的是： 在遵循某招聘行为序列history的前提下， 对投递 某个岗位job的候选人candidate， 在流 程阶段sta ge下所做出的下一 步决策acti on的概率。 7.根据权利要求3所述的基于招聘行为数据的自适应性的招聘决策方法， 其特征在于： 在步骤3中， 决策模型的损失函数定义成： 其中， y(action(i))是一个掩 蔽函数， 即当action(i)等于真实输出时， y(action(i))＝1； 反之， y(acti on(i))＝0。权　利　要　求　书 2/2 页 3 CN 115063119 A 3