買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜山東杰出人才發展集團有限公司申請的專利一種基于智能數據分析的人崗匹配系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118822478B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411304525.4，技術領域涉及：G06Q10/1053；該發明授權一種基于智能數據分析的人崗匹配系統是由肖增杰設計研發完成，并于2024-09-19向國家知識產權局提交的專利申請。

本一種基于智能數據分析的人崗匹配系統在說明書摘要公布了：本發明公開了一種基于智能數據分析的人崗匹配系統，包括匹配度訓練集獲取模塊，用于獲取崗位匹配度訓練集D，其中，所述匹配度訓練集獲取模塊內置有篩選子模塊，所述篩選子模塊用于從第一歷史入職者中獲取第二歷史入職者；自監督學習模塊，用于將所述崗位匹配度訓練集輸入預訓練模型，訓練得到人崗匹配模型；推薦模塊，用于向所述人崗匹配模型輸入當前求職者的求職特征向量，輸出高匹配度崗位；本發明通過從第一歷史入職者中篩選出第二歷史入職者，將經過實踐檢驗，具有高匹配度的第二歷史入職者的特征作為人崗匹配模型的訓練集，從而使得模型能夠在高品質的訓練集中學習到優秀的求職特征，從而為招聘方或求職方提供更高品質的人崗匹配度。

本發明授權一種基于智能數據分析的人崗匹配系統在權利要求書中公布了：1.一種基于智能數據分析的人崗匹配系統，其特征在于，包括：匹配度訓練集獲取模塊，用于獲取崗位匹配度訓練集D，所述崗位匹配度訓練集D的訓練樣本是N組匹配度數據對，所述匹配度數據對由求職特征向量及其崗位匹配標簽組成； ；其中，，表示第i個第二歷史入職者的求職特征向量，表示具有d特征維度的實數集；表示第i個第二歷史入職者的崗位匹配標簽，所述崗位匹配標簽表示不同的崗位匹配類別；其中，所述匹配度訓練集獲取模塊內置有篩選子模塊，所述篩選子模塊用于從第一歷史入職者中獲取第二歷史入職者；所述篩選子模塊在所述第一歷史入職者的樣本訓練集中，獲取第二歷史入職者及其預測崗位匹配度；所述獲取第二歷史入職者，包括：預定義每個求職特征在第一歷史入職者所求職位中的崗位貢獻度；根據第一歷史入職者所求職位中的崗位貢獻度預設每個求職特征的權重系數；根據每個所述求職特征的權重系數，計算第一歷史入職者的預測崗位匹配度；獲取第一歷史入職者在入職后的實際崗位匹配度；將所述實際崗位匹配度和預測崗位匹配度進行比對，得到第一歷史入職者的匹配偏差；將落在第一閾值范圍內的匹配偏差對應的第一歷史入職者，定義為第二歷史入職者;自監督學習模塊，用于將所述崗位匹配度訓練集輸入預訓練模型，所述預訓練模型通過自監督學習訓練得到人崗匹配模型；所述自監督學習模塊的訓練步驟包括：將所述第二歷史入職者的求職特征向量作為特征變量，崗位匹配標簽作為目標變量，以優化所述預訓練模型的模型參數；選擇多標簽分類交叉熵作為訓練過程的損失函數；根據所述損失函數計算崗位匹配標簽的交叉熵總損失；判斷交叉熵總損失是否低于預設的總損失閾值，若低于，則輸出預訓練模型的當前模型參數；微調當前模型參數，得到具有最優參數的所述人崗匹配模型；所述損失函數表達式為： ；其中，K是崗位匹配標簽的類別總數，i表示崗位匹配度訓練集的第i個訓練樣本，其包含第i個求職特征向量和第i個崗位匹配標簽，類別被定義為崗位匹配標簽包含的多個不同崗位種類；是預訓練模型對第i個訓練樣本中求職特征向量的預測值；是預訓練模型的參數，是訓練樣本i在崗位匹配標簽上的獨熱編碼；是預訓練模型對第i個訓練樣本在第j個類別的預測概率；表示第i個訓練樣本的交叉熵損失，其計算崗位匹配標簽和預測值之間的差異；所述微調當前模型參數的微調表達式為： ；其中，表示微調后的最優參數，表示找到所有可能的參數使得微調過程的平均損失最小，是驗證集中的訓練樣本數量;推薦模塊，用于向所述人崗匹配模型輸入當前求職者的求職特征向量，所述人崗匹配模型輸出當前求職者的高匹配度崗位。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東杰出人才發展集團有限公司，其通訊地址為：276800 山東省日照市東港區日照人力資源服務產業園17樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。