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！

龍圖騰網獲悉之江實驗室;浙江杭鋼職業教育集團有限公司申請的專利一種基于知識圖譜人崗個性化匹配推薦方法及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：CN116127186B 。

龍圖騰網通過國家知識產權局官網在2025-08-12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：202211583266.4，技術領域涉及：G06F16/9535；該發明授權一種基于知識圖譜人崗個性化匹配推薦方法及系統是由劉海豐;黃程韋;朱曉明;闞保春;魏偉;鄭海天;陳圓謎設計研發完成，并于2022-12-09向國家知識產權局提交的專利申請。

本一種基于知識圖譜人崗個性化匹配推薦方法及系統在說明書摘要公布了：本發明公開一種基于知識圖譜人崗個性化匹配推薦方法及系統，該方法收集招聘企業發布的招聘職位信息，進行數據處理，并通過關系抽取得到招聘職位三元組，得到職位知識圖譜；采集用戶包括點擊瀏覽、評論、收藏在內的歷史求職行為數據，得到用戶偏好的職位數據集合；將用戶偏好的職位數據集合作為種子，應用RippleNet算法從所述職位知識圖譜中獲取多跳職位信息及其關系，得到用戶與所述職位知識圖譜的實體交互的三元組；構建并訓練基于知識圖譜并融合用戶偏好的多任務推薦模型，包括用戶?圖譜實體交互模塊、推薦模塊、職位?圖譜實體交互模塊；根據用戶和職位交互的評分，得出職位排序列表。本發明能夠改善推薦結果，給出符合用戶個性化的推薦需求。

本發明授權一種基于知識圖譜人崗個性化匹配推薦方法及系統在權利要求書中公布了：1.一種基于知識圖譜人崗個性化匹配推薦方法，其特征在于，該方法包括如下步驟： 步驟一：收集招聘企業發布的招聘職位信息，進行數據處理，并通過關系抽取得到招聘職位三元組，再進行知識融合，得到職位知識圖譜； 步驟二：采集用戶包括點擊瀏覽、評論、收藏在內的歷史求職行為數據，得到用戶偏好的職位數據集合； 步驟三：將所述用戶偏好的職位數據集合作為種子，應用RippleNet算法從所述職位知識圖譜中獲取多跳職位信息及其關系，得到用戶與所述職位知識圖譜的實體交互的三元組； 步驟四：構建并訓練基于知識圖譜并融合用戶偏好的多任務推薦模型，包括用戶-圖譜實體交互模塊、推薦模塊、職位-圖譜實體交互模塊； 通過用戶-圖譜實體交互模塊，得到用戶和所述知識圖譜之間的關系； 通過職位-圖譜實體交互模塊，得到職位和圖譜實體之間的相似度關系； 通過推薦模塊，得到用戶和職位交互的評分； 步驟五：根據所述用戶和職位交互的評分，得出推薦給用戶的職位排序列表； 所述步驟三中，用戶與所述職位知識圖譜的實體交互的三元組表示為hu,ru,tu，其中，hu是頭實體，表示用戶；ru是關系或屬性；tu是尾實體； 通過用戶-圖譜實體交互模塊，得到用戶和所述知識圖譜之間的關系，具體包括： 在用戶-圖譜實體交互模塊中，將tu、ru分別通過深度神經網絡進行信息提取，分別得到tu′、ru′；將hu與所述職位知識圖譜中的用戶集合u進行交叉壓縮信息提取，分別得到hu′和u′；并將ru′與hu′輸入深度神經網絡，得到尾實體的預測值，最后使用相似度函數評估預測值的預測結果； 所述招聘職位三元組表示為hv,rv,tv，其中，hv為頭實體，表示職位；rv為從頭實體到尾實體的關系；tv為尾實體； 通過職位-圖譜實體交互模塊，得到職位和圖譜實體之間的相似度關系，具體包括： 在職位-圖譜實體交互模塊中，將rv和tv分別通過深度神經網絡信息提取，分別得到tv′、rv′；將hv與所述職位知識圖譜中的職位集合v進行交叉壓縮信息提取，分別得到hv′和v′；并將rv′與hv′輸入深度神經網絡，得到尾實體的預測值，最后使用相似度函數評估預測值的預測結果； 在推薦模塊中，將所述用戶偏好的職位數據集合輸入基于注意力機制的雙向LSTM網絡，得到用戶興趣偏好向量；并融合所述用戶興趣偏好向量、u′、v′；得到用戶和所有職位的交互概率。

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之江實驗室;浙江杭鋼職業教育集團有限公司，其通訊地址為：311121 浙江省杭州市余杭區之江實驗室南湖總部；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”。