1.一种基于简历解析的人员相似性计算方法，其特征在于，所述方法包括：获取简历数据集；所述简历数据集中包括多个样本；所述样本包括技能集和工作经历集；所述工作经历集包括公司集和岗位名称集；根据BERT模型对所述技能集和岗位名称集进行特征计算，得到对应的词向量特征；根据贪心搜索算法对技能集的向量特征进行相似度计算，得到技能集之间的相似性；将工作经历按月份分为不同节点构建工作经历序列，对所述工作经历序列进行公司相似性和岗位名称相似性计算以及权重赋值，得到融合后的节点相似性；根据最优对齐的动态规划算法和所述融合后的节点相似性在对齐时跳过所述节点并对不连续的节点进行惩罚，得到候选节点相似性；利用网格遍历的方式来设置技能集之间的相似性和候选节点相似性的多组权重，然后对所述技能集之间的相似性和候选节点相似性进行谱聚类，根据类DBI指数衡量聚类结果，选择最优的权重组合对所述技能集之间的相似性和候选节点相似性进行优化，得到优化后的技能集之间的相似性和候选节点相似性；根据加权融合的方式对优化后的技能集之间的相似性和候选节点相似性进行计算，得到最终的人员相似性；对所述工作经历序列进行公司相似性和岗位名称相似性计算以及权重赋值，得到融合后的节点相似性，包括：对所述工作经历序列进行公司相似性计算，得到公司相似性为 ，其中， 表示第 i 个样本中的第 m 段工作经历的公司， 表示第 j 个样本中的第 f 段工作经历的公司， m 和 f 表示不同的工作经历；对所述工作经历序列进行岗位名称相似性计算的，得到岗位名称相似性为 ，其中， 表示第 i 个样本中的第 m 段工作经历的岗位名称， 表示第 j 个样本中的第 f 段工作经历的岗位名称；对所述公司相似性和岗位名称相似性进行权重赋值，得到融合后的节点相似性为 ，其中， 和 表示不同的节点， 和 表示不同的权重；根据最优对齐的动态规划算法根据所述融合后的节点相似性在对齐时跳过所述节点并对不连续的节点进行惩罚，得到候选节点相似性，包括：根据最优对齐的动态规划算法根据所述融合后的节点相似性在对齐时跳过所述节点并对不连续的节点进行惩罚，得到候选节点相似性为 ，其中，P表示职业路径，职业路径P是由多个融合后的节点D组成的， p 和 q 表示不同的工作经历数量。
2.根据权利要求1所述的方法，其特征在于，根据贪心搜索算法对技能集的向量特征进行相似度计算，得到技能集之间的相似性，包括：将技能看成集合计算技能集合的杰卡德相似度，对技能集里面的每个技能采用贪心搜索计算最大相似度，采用加权融合的方式对所述杰卡德相似度和最大相似度进行计算，得到技能集之间的相似性。
3.根据权利要求2所述的方法，其特征在于，对技能集里面的每个技能采用贪心搜索计算最大相似度，包括：对技能集里面的每个技能采用贪心搜索计算最大相似度为 ，其中， 和 表示不同的技能， i 和 j 表示不同的样本， l和k 表示不同的技能标号。
4.根据权利要求1所述的方法，其特征在于，根据类DBI指数衡量聚类结果，包括：根据类DBI指数衡量聚类结果为 ，其中， 表示簇的数量， ， 分别表示第 和第 个簇的簇内平均距离， , 分别表示第 和第 个簇的簇内样本总数， 表示第 簇内的第 个人员和第 簇内的第 个人员之间的距离。
5.一种基于简历解析的人员相似性计算装置，其特征在于，所述装置包括：数据获取模块，用于获取简历数据集；所述简历数据集中包括多个样本；所述样本包括技能集和工作经历集；所述工作经历集包括公司集和岗位名称集；技能相似性计算模块，用于根据BERT模型对所述技能集和岗位名称集进行特征计算，得到对应的词向量特征；根据贪心搜索算法对技能集的向量特征进行相似度计算，得到技能集之间的相似性；节点相似性计算模块，用于将工作经历按月份分为不同节点构建工作经历序列，对所述工作经历序列进行公司相似性和岗位名称相似性计算以及权重赋值，得到融合后的节点相似性；节点规划模块，用于根据最优对齐的动态规划算法和所述融合后的节点相似性在对齐时跳过所述节点并对不连续的节点进行惩罚，得到候选节点相似性；相似性优化模块，用于利用网格遍历的方式来设置技能集之间的相似性和候选节点相似性的多组权重，然后对所述技能集之间的相似性和候选节点相似性进行谱聚类，根据类DBI指数衡量聚类结果，选择最优的权重组合对所述技能集之间的相似性和候选节点相似性进行优化，得到优化后的技能集之间的相似性和候选节点相似性；相似性最终计算模块，用于根据加权融合的方式对优化后的技能集之间的相似性和候选节点相似性进行计算，得到最终的人员相似性；节点相似性计算模块还用于对所述工作经历序列进行公司相似性和岗位名称相似性计算以及权重赋值，得到融合后的节点相似性，包括：对所述工作经历序列进行公司相似性计算，得到公司相似性为 ，其中， 表示第 i 个样本中的第 m 段工作经历的公司， 表示第 j 个样本中的第 f 段工作经历的公司， m 和 f 表示不同的工作经历；对所述工作经历序列进行岗位名称相似性计算的，得到岗位名称相似性为 ，其中， 表示第 i 个样本中的第 m 段工作经历的岗位名称， 表示第 j 个样本中的第 f 段工作经历的岗位名称；对所述公司相似性和岗位名称相似性进行权重赋值，得到融合后的节点相似性为 ，其中， 和 表示不同的节点， 和 表示不同的权重；节点规划模块还用于根据最优对齐的动态规划算法根据所述融合后的节点相似性在对齐时跳过所述节点并对不连续的节点进行惩罚，得到候选节点相似性，包括：根据最优对齐的动态规划算法根据所述融合后的节点相似性在对齐时跳过所述节点并对不连续的节点进行惩罚，得到候选节点相似性为 ，其中，P表示职业路径，职业路径P是由多个融合后的节点D组成的， p 和 q 表示不同的工作经历数量。
6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
