本发明涉及职位信息智能推荐，特别涉及一种基于人工智能的职位智能推荐方法及系统。
背景技术：
1、随着大数据和人工智能技术的发展，将大数据和人工智能应用到职位和求职者的匹配上，可以提高职位推荐的准确度，提高了应聘体验和成功率。
2、例如公告号为cn109241446b的专利公开了一种职位推荐方法及系统，包括以下步骤s1：获取用户访问数据，生成数据矩阵；步骤s2：对数据矩阵执行监督学习算法；步骤s3：对数据矩阵执行无监督学习算法并生成预测结果数据；步骤s4：依据预测结果数据和人物画像数据生成职位预推荐数据；根据访人员的设备信息、访问内容、操作行为等，通过职位预推荐的机器学习方法，让系统自动学习、完成用户分析，并精准推荐工作资讯；让用户发现更多相关度较高、感兴趣职位信息，提高用户查看内容。结合了人物画像和机器学习算法。
3、把人物画像和机器学习算法结合是现有智能职位推荐系统通常采用的方法，这种方法对数据依赖性较大，需要依赖准确的数据来构建人物画像。然而，在一些特定领域的用户或者一些新兴职业，由于数据缺乏，会影响人物画像的构建，也会影响推荐模型的构建和训练。这导致推荐的职位无法满足用户要求，进而影响招聘过程。
技术实现思路
1、本发明目的在于提供一种技术方案来解决背景技术中的问题。
2、本发明技术方案为：一种基于人工智能的职位智能推荐方法，所述方法包括以下步骤：
3、收集用户的基本信息和行为数据，构建用户画像；
4、获取职位信息，提取关键信息建立职位信息库，引入专家系统对职位信息进行补充，所述关键信息包括职位名称和职位描述；
5、通过自然语言处理和语义分析方法来理解职位描述的隐含意义，识别不准确或模糊的描述，并生成反馈信息；
6、对用户画像和职位信息进行特征提取，构建特征数据集；
7、训练推荐模型，使推荐模型学习用户与职位之间的匹配关系；
8、通过主动学习算法，主动询问用户反馈；
9、通过训练好的推荐模型，为用户生成职位推荐列表；
10、通过评估指标评估推荐效果；
11、所述评估指标包括点击率、用户满意度中的一种或者多种，所述用户的基本信息包括教育背景、工作经历、技能证书，所述用户的行为数据包括用户的浏览记录、应聘历史记录，所述推荐模型为协同过滤模型；
12、所述收集用户的基本信息和行为数据为：通过注册信息、用户行为日志、问卷调查方式收集用户的基本信息和行为数据。
13、优选的，所述获取职位信息，提取关键信息建立职位信息库，包括以下步骤：
14、使用网络爬虫抓取职位信息；
15、通过文本处理算法提取职位信息中的关键信息，所述关键信息包括公司名称、工作地点、要求技能中的一种或者多种；
16、结合行业专家的知识对职位信息进行补充和修正，以提高信息的准确性和完整性。
17、优选的，所述引入专家系统对职位信息进行补充，包括以下步骤：
18、构建专家数据库，收录行业专家联系方式、专业领域和擅长技能信息；
19、使用关键词提取算法提取职位描述信息和/或反馈信息中的职位关键词，与专家专业领域信息匹配，将反馈信息推送给匹配的专家，并接收专家的反馈信息，以便于进行职位信息的补充或修改；
20、所述与专家专业领域信息匹配为通过计算关键词与专业领域信息相似度实现。
21、优选的，所述对用户画像和职位信息进行特征提取，构建特征数据集，包括以下步骤：
22、从用户的基本信息和行为数据中提取工作年限、技能熟练度、相关技能等级和职位兴趣等级数据，经过归一化处理后，构成一个用户信息特征向量：i＝1、2、λ、n；x1表示工作年限，x2表示技能熟练度，x3表示相关技能等级，x4表示职位兴趣等级；
23、从多个用户信息特征向量构成用户特征向量集其中n表示用户数量，n≥3；
24、从职位信息中提取工作年限、工作地点信息、技能要求信息，经过归一化后构成一个职位信息特征向量j＝1、2、λ、m；y1表示工作年限，y2表示工作地点信息，y3表示技能要求信息；
25、多个职位信息特征向量构成职位信息特征集：
26、其中m表示职位数量，m≥3；
27、所述特征数据集包括用户特征向量集和职位信息特征集。
28、优选的，所述训练推荐模型，使推荐模型学习用户与职位之间的匹配关系，包括以下步骤：
29、从数据库中获取多个历史用户数据，所述历史用户数据包括历史用户特征向量和与历史用户特征向量对应的历史职位推荐列表，将历史数据分为训练集和测试集，使用协同过滤算法训练推荐模型，具体为：
30、从训练集中选取两个历史用户特征向量，一个作为待推荐用户特征向量，另一个作为目标用户特征向量；
31、使用余弦相似度算法计算待推荐用户特征向量与目标用户特征向量相似度，如果相似度值大于96％，则认为目标用户特征向量对应的用户与待推荐用户在职位兴趣上相同；
32、将目标用户的职位推荐列表作为待确定推荐职位列表，推荐给待推荐用户；
33、将待确定推荐职位列表与待推荐用户特征向量对应的职位推荐列表进行比较，通过查重算法，获取重复度，如果重复度大于90％，则认为待推荐列表有效。
34、优选的，所述通过自然语言处理和语义分析方法来理解职位描述的隐含意义，识别不准确或模糊的描述，并生成反馈信息，包括以下步骤：
35、对职位描述文本进行预处理：去除无关字符和停用词；将文本分解为单词或短语；识别单词的词性；统一不同的词语形式；
36、进行特征提取：识别职位描述中的职位技能和职位要求；
37、进行主题建模：使用lda算法识别文本中的主题；
38、进行语义分析：分析句子中词语之间的依存关系；提取组织、人名、地点实体；判断文本的情感倾向；
39、理解隐含意义：
40、利用上下文信息理解词汇的具体含义；
41、识别非直接表达的要求或特征；
42、识别描述中的模糊词汇；
43、检查描述中的不一致信息，如矛盾的职位要求；
44、生成反馈信息，所述反馈信息包括问题列表和职位描述文本。
45、优选的，所述通过评估指标评估推荐效果包括以下步骤：
46、使用网站分析工具记录用户对推荐职位列表中职位的点击行为，具体为计算点击率ctr；
47、将计算出的点击率与预设的目标值c进行对比，如果|ctr-c|≤w，则认为该推荐模型推荐的职位是合理的，否则存储点击率，并生成点击率不合格提示信息，其中w为预设的点击阈值。
48、优选的，所述通过主动学习算法，主动询问用户反馈，包括以下步骤：
49、获取职位列表中的点击率不合格的职位，并将这些职位的职位描述反馈给用户，请求反馈；
50、获取用户反馈信息，识别用户反馈信息中职位的专业领域信息，将用户反馈信息发送匹配的专家，并获取专家的反馈信息；
51、根据用户反馈信息和专家的反馈信息替换或者补充原职位描述，对数据库内的职位信息进行更新。
52、本发明还提供一种基于人工智能的职位智能推荐系统，包括处理器、存储器、通信模块和显示终端，所述系统执行所述的一种基于人工智能的职位智能推荐方法。
53、本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现所述的一种基于人工智能的职位智能推荐方法。
54、本发明的有益效果：
55、1、本发明，对用户画像和职位信息进行特征提取，构建特征数据集，通过构建了一个包含用户画像和职位信息的特征数据集；可以用于后续的用户画像分析和职位匹配等任务，帮助我们更好地理解和满足用户需求。
56、2、本发明引入专家系统对职位信息进行补充，通过构建专家数据库，并利用关键词提取算法匹配专家的专业领域与职位描述信息，可以有效地引入专家知识来补充和修正职位信息；这种方法不仅提高了职位信息的质量，还增强了职位推荐系统的专业水平和用户信任度；通过专家的参与，可以解决一些新职位，缺乏详细数据信息，无法构建准确的用户画像的问题；同时也可以确保职位信息与行业标准和实际需求的一致性，从而提高招聘的成功率。
57、3、本发明中，如果点击率不满足条件时，存储点击率数据，并生成点击率不合格提示信息，通过主动学习算法询问用户反馈；将用户的反馈信息发送给匹配的专家，这些专家应根据其专业领域信息进行选择；接收专家的反馈信息，这可能包括对职位描述的修正、补充或其他建议；结合用户和专家的反馈信息，替换或补充原职位描述，使职位描述更加专业和准确，以便应聘者更好地理解；通过对数据库内的职位信息进行更新，为特征提取提供更加准确的数据，提高推荐模型训练的效果，提高职位推荐的准确性。
1.一种基于人工智能的职位智能推荐方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于人工智能的职位智能推荐方法，其特征在于，所述获取职位信息，提取关键信息建立职位信息库，包括以下步骤：
3.根据权利要求1所述的一种基于人工智能的职位智能推荐方法，其特征在于，所述引入专家系统对职位信息进行补充，包括以下步骤：
4.根据权利要求1所述的一种基于人工智能的职位智能推荐方法，其特征在于，所述对用户画像和职位信息进行特征提取，构建特征数据集，包括以下步骤：
5.根据权利要求1所述的一种基于人工智能的职位智能推荐方法，其特征在于，所述训练推荐模型，使推荐模型学习用户与职位之间的匹配关系，包括以下步骤：
6.根据权利要求1所述的一种基于人工智能的职位智能推荐方法，其特征在于，所述通过自然语言处理和语义分析方法来理解职位描述的隐含意义，识别不准确或模糊的描述，并生成反馈信息，包括以下步骤：
7.根据权利要求1所述的一种基于人工智能的职位智能推荐方法，其特征在于，所述通过评估指标评估推荐效果包括以下步骤：
8.根据权利要求1所述的一种基于人工智能的职位智能推荐方法，其特征在于，所述通过主动学习算法，主动询问用户反馈，包括以下步骤：
9.一种基于人工智能的职位智能推荐系统，包括处理器、存储器、通信模块和显示终端，其特征在于，所述系统执行上述权利要求1-8中任意一项所述的一种基于人工智能的职位智能推荐方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述权利要求1-8中任意一项所述的一种基于人工智能的职位智能推荐方法。
