(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 202211378386.0 (22)申请日 2022.11.04 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 李满伟　秦川　张乐　张敬帅　 祝恒书　王鹏　王晶　姚开春　 马海平　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 专利代理师 孙翠贤　刘洋 (51)Int.Cl. G06Q 10/10(2012.01) G06Q 10/06(2012.01) (54)发明名称 一种人岗匹配检测方法、 装置、 设备以及存 储介质 (57)摘要 本公开提供了一种人岗匹配检测方法、 装 置、 设备以及存储介质， 涉及计算机技术领域， 尤 其涉及人工智能技术领域。 具体实现方案为： 对 目标描述信息进行内容分析， 得到指定人员类型 对应的能力表征信息； 输出目标测试习题； 获取 所述指定人员类型的人员针对所述目标测试习 题的作答结果； 根据所述作答结果， 更新所述指 定人员类型对应的能力表征信息， 得到目标能力 表征信息； 根据所述目标能力表征信息和需求表 征信息， 确定所述指定人员类型对于指定岗位的 匹配结果。 可见， 通过本方案， 可以实现提高人岗 匹配的检测效率的目的。 权利要求书5页 说明书26页 附图6页 CN 115545674 A 2022.12.30 CN 115545674 A 1.一种人岗匹配 检测方法， 所述方法包括： 对目标描述信 息进行内容分析， 得到指定人员类型对应的能力表征信 息； 其中， 所述目 标描述信息为关于所述指 定人员类型的人员所掌握技能的描述信息， 所述能力表征信息用 于表征所述指定人员类型的人员针对各个目标技能的掌握程度； 输出目标测试习题； 其中， 所述目标测试习题为用于岗位匹配分析的题库中的测试习 题； 获取所述指定人员类型的人员针对所述目标测试习题的作答结果； 根据所述作答结果， 更新所述指定人员 类型对应的能力表征信息， 得到目标能力表征 信息； 根据所述目标能力表征信 息和需求表征信 息， 确定所述指定人员类型对于指定岗位的 匹配结果； 其中， 所述需求表征信息表征 所述指定岗位针对各个目标技能的需求 程度。 2.根据权利要求1所述的方法， 其中， 所述输出目标测试习题， 包括： 基于所述指定人员类型对应的能力表征信 息， 确定所述题库中的测试习题对应的信 息 量； 其中， 每一测试习题对应的信息量用于表征作答错误和/或作答正确对于所述指 定人员 类型对应的能力表征信息的影响程度； 利用所确定出的测试习题对应的信息量的大小， 输出 所述题库中的目标测试习题。 3.根据权利要求1或2所述的方法， 其中， 所述对目标描述信 息进行内容分析， 得到指定 人员类型对应的能力表征信息， 包括： 从目标描述信 息中， 获取各个指定文本句； 其中， 每一指定文本句为记录有至少一目标 技能的文本句； 针对各个指定文本句所记录的每一目标技 能， 基于记录有该目标技能的指定文本句的 文本内容， 确定该目标技能对应的评估值； 其中， 该目标技能对应的评估值用于表征所述指 定人员类型的人员针对该目标技能的掌握程度； 利用所确定出的每一目标技 能对应的评估值， 生成所述指定人员类型对应的能力表征 信息。 4.根据权利要求3所述的方法， 其中， 所述基于记录有该目标技 能的指定文本句的文本 内容， 确定该目标技能对应的评估值， 包括： 对记录有该目标技能的指定文本句的文本 内容进行向量化处理， 得到待利用的文本向 量； 将所述待利用的文本向量输入预先训练的第 一预测模型， 得到该目标技 能对应的评估 值； 其中， 所述第 一预测模型为利用样本句对应的文本向量以及所述样本句对应的真值训 练得到的， 所述样本句为记录有样本人员类型 的人员具有的样本技能的文本句， 所述真值 表征所述样本人员类型的人员针对所述样本技能的掌握程度。 5.根据权利要求3所述的方法， 其中， 所述从目标描述信 息中， 获取各个指定文本句， 包 括： 从目标描述信息中， 提取 各个文本句； 针对每一文本句， 若该文本句中记录有技能字典中的技能， 则确定该文本句为指定文 本句。权　利　要　求　书 1/5 页 2 CN 115545674 A 26.根据权利要求2所述的方法， 其中， 所述基于所述指定人员类型对应的能力表征信 息， 确定所述题库中的测试习题对应的信息量， 包括： 针对所述题库中的每一测试习题， 利用该测试习题的指定描述参数以及所述指定人员 类型对应的能力表征信息， 构建该测试习题对应的交互信息； 其中， 每一测试习题对应的交 互信息用于表征 所述指定人员类型的人员针对该测试习题所存在的能力优势； 将该测试习题对应的交互信 息输入至预先训练的第 二预测模型， 得到所述指定人员类 型的人员对于该测试习题的作答结果的预测值； 其中， 所述第二预测模型为样本交互信息 以及所述样本交互信息对应的真值所训练得到的模型， 所述样本交互信息用于表征样本人 员类型的人员针对样本习题所存在的能力优势， 所述样本交互信息对应的真值为所述样本 人员类型的人员对于样本习题的实际作答结果； 利用所得到的预测值与指定真值的差异， 计算该测试习题对应的信 息量； 其中， 所述指 定真值为所述指定人员类型的人员针对该测试习题的关于作答正确和/或作答错误的作答 结果。 7.根据权利要求6所述的方法， 其中， 所述利用所得到的预测值与指定真值的差异， 计 算该测试习题对应的信息量， 包括： 根据所得到的预测值与指定真值的差异， 确定第一损失值； 预估在基于所述第 一损失值对所述第 二预测模型进行网络调参 时， 指定参数的第 一梯 度变化值； 其中， 所述指定参数为关于所述指定人员类型对应的能力表征信息的参数； 基于所述第一梯度变化 值， 确定该测试习题对应的信息量。 8.根据权利要求6或7所述的方法， 其中， 所述指定描述参数包括： 第一描述参数、 第二 描述参数和第三描述 参数中的一个或多个； 其中， 所述第一描述 参数用于表征习题难度； 所述第二描述 参数用于表征习题区分度； 所述第三描述参数为用于表征关联知识向量， 所述关联知识向量为用于表征是否包含 各个目标技能的向量。 9.根据权利要求8所述的方法， 其中， 所述利用该测试习题的指定描述参数以及所述指 定人员类型对应的能力表征信息， 构建该测试习题对应的交 互信息， 包括： 在所述指定描述参数包括所述第 一描述参数、 第 二描述参数以及第 三描述参数的情况 下， 将所述指定人员类型对应的能力表征信息与所述第一描述参数进行作差， 将作差所得 到的结果与所述第三描述参数进 行对位相乘， 并将相乘所得到的结果与所述第二描述参数 进行相乘， 得到该测试习题对应的交 互信息。 10.根据权利要求2所述的方法， 其中， 所述利用所确定出的测试习题对应的信息量的 大小， 输出 所述题库中的目标测试习题， 包括： 基于所确定出的测试习题对应的信息量的大小， 从所述题库中选取多个候选习题； 其 中， 任一候选习题对应的信息量均大于所述题库中除各个候选习题以外的其他测试习题对 应的信息量； 获取每一候选习题 的指定评估值； 其中， 每一候选习题的指定评估值用于表征该候选 习题的技能覆盖量和/或该候选习题所覆盖的技能的重要程度； 基于每一 候选习题的指定 评估值的大小， 从所述多个候选习题中， 选取目标测试习题；权　利　要　求　书 2/5 页 3 CN 115545674 A 3