公开(公告)号：CN111625722B

公开(公告)日：2022-03-29

申请号：CN202010463319.3

申请日：2020-05-27

Applicant: 海南大学

Inventor： 黄梦醒 ,  陈源毅 ,  冯文龙 ,  冯思玲 ,  张雨

IPC: G06F16/9535 ,  G06F16/9537 ,  G06F40/242 ,  G06F40/247 ,  G06F11/34 ,  G06K9/62 ,  G06Q10/10

Abstract: 本发明公开了一种基于深度学习的人才推荐方法、系统及存储介质。该方法包括步骤：读取训练集中的用户日志样本并进行解析，获得多组关联数据样本和人才查看数据样本，关联数据为预先定义的对人才查看行为具有影响的数据；将关联数据样本封装成对象样本，获得对象样本序列；从人才查看数据样本中提取特征序列样本，特征序列为预先定义的区别不同人才的属性序列；将多组特征序列样本作为标签对对象样本序列进行标注，获得标注样本序列；将对象样本序列和标注样本序列输入到人才推荐模型进行训练。本发明能够基于用户的操作习惯、位置信息等对用户查看行为具有影响的关联数据，实现个性化推荐。

公开(公告)号：CN111625722A

公开(公告)日：2020-09-04

申请号：CN202010463319.3

申请日：2020-05-27

Applicant: 海南大学

Inventor： 黄梦醒 ,  陈源毅 ,  冯文龙 ,  冯思玲 ,  张雨

IPC: G06F16/9535 ,  G06F16/9537 ,  G06F40/242 ,  G06F40/247 ,  G06F11/34 ,  G06K9/62 ,  G06Q10/10

Abstract: 本发明公开了一种基于深度学习的人才推荐方法、系统及存储介质。该方法包括步骤：读取训练集中的用户日志样本并进行解析，获得多组关联数据样本和人才查看数据样本，关联数据为预先定义的对人才查看行为具有影响的数据；将关联数据样本封装成对象样本，获得对象样本序列；从人才查看数据样本中提取特征序列样本，特征序列为预先定义的区别不同人才的属性序列；将多组特征序列样本作为标签对对象样本序列进行标注，获得标注样本序列；将对象样本序列和标注样本序列输入到人才推荐模型进行训练。本发明能够基于用户的操作习惯、位置信息等对用户查看行为具有影响的关联数据，实现个性化推荐。