面向定制化需求的人员排序方法及装置

1.一种面向定制化需求的人员排序方法，其特征在于，所述方法包括：S1，获取定制化需求、简历文本集合；所述简历文本集合包括至少一条简历文本；S2，对所述定制化需求进行处理，得到关键词集合；所述关键词集合包含至少一个关键词；S3，对所述关键词集合进行处理，得到所有关键词的权重系数；所述所有关键词的权重系数之和为1；S4，遍历所述简历文本集合，计算每条简历文本与所述关键词集合的匹配性得分，包括：遍历所述关键词集合，对其中任一所述关键词 k i ，计算该关键词 k i 与所述简历文本的匹配分 S_v i ，所述 i 表征顺序，具体包括：去除所述简历文本中干扰字符，得到清洗后的简历文本；加载停用词表，对所述清洗后的简历文本进行分词、去停用词，得到简历文本相关词集合；所述相关词集合包含至少一个相关词；遍历所述相关词集合，利用预设的词向量相关模型，计算所述相关词集合中任一相关词 与所述关键词 k i 的相关系数 ；所述词向量相关模型为：式中， 表示所述该关键词 k i 的词向量， 表示所述相关词集合中第 j 个单词 w j 的词向量， 表示 与 的协方差， 表示 的方差， 表示 的方差；将所述相关词集合中所有相关词所对应的 降序排列，取相关系数最大的前 y 个相关词，得到最优相关词集合；所述 y 为大于0的自然数；利用预设的关键词与简历文本匹配模型，计算所述关键词 k i 与所述简历文本的第一匹配分 ；所述关键词与简历文本匹配模型为：式中， y 表示所述最优相关词集合中相关词的个数， 表示所述该关键词 k i 与所述最优相关词集合中相关词 u f 的相关系数；利用预设的简历文本内聚模型，计算所述最优相关词集合中任意两个相关词的相关性，得到所述简历文本的第二匹配分 S_c i ；所述简历文本内聚模型为：式中， y 表示所述最优相关词集合中相关词的个数， 表示所述最优相关词集合中任意两个相关词 u h 和u f 的相关系数，所述 h ， f 表征顺序；将第一匹配分 S_k i 与第二匹配分 S_c i 相乘，得到所述关键词 k i 与所述简历文本的匹配分 S_v i ；所述匹配分 S_v i 为：式中， S_k i 表示所述关键词 k i 与所述简历文本的第一匹配分， S_c i 表示所述简历文本的第二匹配分；根据预设的匹配模型，计算简历文本与所述关键词集合的匹配性得分R m ；所述 m 表征所述简历文本集合中第 m 条简历文本；所述预设的匹配模型为：式中，R m 表示所述简历文本集合中第 m 条简历文本与所述关键词集合匹配性得分， n 表示所述关键词集合中关键词总数， P i 表示第 i 个关键词的权重系数， S_v i 表示第 i 个关键词的与第 m 条简历文本的匹配分；S5，按照所述匹配性得分从高到低顺序，将所述简历文本集合中简历文本进行排序，得到人员排序信息。 2.根据权利要求1所述的面向定制化需求的人员排序方法，其特征在于，所述定制化需求为定制词集合，或，定制文本段；所述定制词集合包含至少一个定制词。 3.根据权利要求2所述的面向定制化需求的人员排序方法，其特征在于，所述对所述定制化需求进行处理，得到关键词集合，包括：如果所述定制化需求为定制词集合，确定所述定制词集合为关键词集合；如果所述定制化需求为定制文本段，利用关键词提取算法，得到关键词集合。 4.根据权利要求1所述的面向定制化需求的人员排序方法，其特征在于，所述对所述关键词集合进行处理，得到所有关键词的权重系数，包括：依据定制化需求的任务需要，计算所述关键词集合中每个关键词权重大小，得到所有关键词的权重系数，或，依据从关键词提取算法中得到的关键词节点权重大小，确定所有关键词的权重系数。 5.一种面向定制化需求的人员排序装置，其特征在于，包括：获取模块，用于获取定制化需求、简历文本集合；关键词处理模块，用于提取定制化需求的关键词集合，计算关键词的权重系数；简历文本预处理模块，用于对简历文本进行预处理，得到简历文本相关词集合，包括：所述简历文本预处理模块去除所述简历文本中干扰字符，得到清洗后的简历文本；所述简历文本预处理模块加载停用词表，对所述清洗后的简历文本进行分词、去停用词，得到简历文本相关词集合；匹配性得分计算模块，用于计算关键词集合和简历文本的匹配性得分，包括：所述简历文本预处理模块遍历所述关键词集合，对其中任一所述关键词 k i ，计算该关键词 k i 与所述简历文本的匹配分 S_v i ，所述 i 表征顺序，具体包括：所述简历文本预处理模块遍历所述相关词集合，利用预设的词向量相关模型，计算所述相关词集合中任一相关词 w j 与所述关键词 k i 的相关系数 ；所述词向量相关模型为：式中， 表示所述该关键词 k i 的词向量， 表示所述相关词集合中第 j 个单词 w j 的词向量， 表示 与 的协方差， 表示 的方差， 表示 的方差；所述简历文本预处理模块将所述相关词集合中所有相关词所对应的 降序排列，取相关系数最大的前 y 个相关词，得到最优相关词集合；所述 y 为大于0的自然数；所述简历文本预处理模块利用预设的关键词与简历文本匹配模型，计算所述关键词 k i 与所述简历文本的第一匹配分 S_k i ；所述关键词与简历文本匹配模型为：式中， y 表示所述最优相关词集合中相关词的个数， 表示所述该关键词 k i 与所述最优相关词集合中相关词 u f 的相关系数；所述简历文本预处理模块利用预设的简历文本内聚模型，计算所述最优相关词集合中任意两个相关词的相关性，得到所述简历文本的第二匹配分 S_c i ；所述简历文本内聚模型为：式中， y 表示所述最优相关词集合中相关词的个数， 表示所述最优相关词集合中任意两个相关词 u h 和u f 的相关系数，所述 h ， f 表征顺序；所述简历文本预处理模块将第一匹配分 S_k i 与第二匹配分 S_c i 相乘，得到所述关键词 k i 与所述简历文本的匹配分 S_v i ；所述匹配分 S_v i 为：式中， S_k i 表示所述关键词 k i 与所述简历文本的第一匹配分， S_c i 表示所述简历文本的第二匹配分；所述简历文本预处理模块根据预设的匹配模型，计算简历文本与所述关键词集合的匹配性得分R m ；所述 m 表征所述简历文本集合中第 m 条简历文本；所述预设的匹配模型为：式中，R m 表示所述简历文本集合中第 m 条简历文本与所述关键词集合匹配性得分， n 表示所述关键词集合中关键词总数， P i 表示第 i 个关键词的权重系数， S_v i 表示第 i 个关键词的与第 m 条简历文本的匹配分；人员排序模块，用于将所述简历文本集合中简历文本，按匹配性得分从高到低顺序，得到人员排序信息。