买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州今元标矩科技有限公司申请的专利一种人岗匹配方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119358985B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411922130.0，技术领域涉及：G06Q10/0631；该发明授权一种人岗匹配方法及系统是由王存刚;王闽东;何飞翔设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本一种人岗匹配方法及系统在说明书摘要公布了：本发明公开了基于大语言模型和多Prompt的深度学习智能人岗匹配方法及系统，涉及大数据技术领域，通过收集简历数据集和岗位数据集，构建以简历数据集和岗位数据集为输入，以简历嵌入向量和岗位嵌入向量为输出，以嵌入向量的匹配相似度作为预测目标的双塔模型，并对双塔模型进行训练，构建以简历数据集和岗位数据集为输入，以匹配度为输出的匹配模型，并对匹配模型进行训练，收集人岗匹配请求，并通过双塔模型为人岗匹配请求提供初筛集合，再使用匹配模型从初筛集合中筛选出最终匹配结果。通过两个模型的协同工作，实现了高效且精准的人岗匹配。

本发明授权一种人岗匹配方法及系统在权利要求书中公布了：1.基于大语言模型和多Prompt的深度学习智能人岗匹配方法，其特征在于，包括以下步骤： 步骤一：收集简历数据集和岗位数据集； 步骤二：构建以简历数据集和岗位数据集为输入，以简历嵌入向量和岗位嵌入向量为输出，以嵌入向量的匹配相似度作为预测目标的双塔模型，并对双塔模型进行训练； 步骤三：构建以简历数据集和岗位数据集为输入，以匹配度为输出的匹配模型，并对匹配模型进行训练； 步骤四：收集人岗匹配请求，并通过双塔模型为人岗匹配请求提供初筛集合，再使用匹配模型从初筛集合中筛选出最终匹配结果； 所述双塔模型包括岗位塔和简历塔； 所述岗位塔包括输入层、切片层、嵌入模型、全连接层、注意力池化层以及输出层； 所述简历塔包括输入层、切片层、嵌入模型、Transformer编码层、注意力池化层以及输出层； 所述对双塔模型进行训练的方式为： 人工对岗位和简历进行匹配，并为每个匹配对进行标注； 使用标注好的匹配对来训练双塔模型； 使用距离度量计算简历嵌入向量和岗位嵌入向量之间的匹配相似度； 使用如下混合损失函数计算模型损失并据此更新模型权重： ； 其中，为模型权重，为对比损失，为FocalLoss，和均为预设的权重系数； 其中，对比损失保证匹配的样本距离更小，不匹配的样本对距离更大；其中，FocalLoss通过降低简单样本的损失贡献，增加难分类样本的权重来解决简历匹配类别不均衡问题； 所述构建以简历数据集和岗位数据集为输入，以匹配度为输出的匹配模型的方式为： 所述匹配模型包括岗位描述处理部分、简历文本处理部分以及合并匹配部分； 所述岗位描述处理部分的处理过程包括： 将岗位数据集中的每个岗位的岗位描述输入切分层，获得M项核心内容； 将每项核心内容分别输入至嵌入模型，获得核心内容对应的嵌入向量； 分别将每项核心内容的嵌入向量输入全连接层，获得对应核心内容的提示嵌入向量； 将各项核心内容的提示嵌入进行堆叠，获得岗位提示嵌入； 所述简历文本处理部分的处理过程包括： 将简历数据集中每个求职者的简历文本依次输入切分层和嵌入模型，获得嵌入模型输出的简历初始嵌入向量； 再将简历初始嵌入向量依次输入Transformer编码层、注意力池化层，获得简历嵌入向量； 所述合并匹配部分的处理过程包括： 将岗位提示嵌入和简历嵌入向量输入多头注意力层，获得合并嵌入向量； 将合并嵌入向量输入全连接层，获得中间结果向量； 将中间结果向量输入至sigmoid函数层，输出范围是[0,1]的实数值，即分类概率值，作为分类结果的置信度，亦作为匹配度； 设置分类阈值，输出大于或等于分类阈值的样本被归类为正类，即简历和岗位匹配；小于分类阈值的样本被归类为负类，即简历和岗位不匹配。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州今元标矩科技有限公司，其通讯地址为：310009 浙江省杭州市上城区采荷大厦503室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。