申请/专利权人：学术桥(北京)教育科技有限公司

申请日：2024-05-31

公开（公告）日：2024-06-28

公开（公告）号：CN118260610A

主分类号：G06F18/22

分类号：G06F18/22;G06Q10/105;G06F18/24;G06F18/214

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明涉及数据分类技术领域，具体涉及一种高校人才评审数据信息优化匹配方法，该方法通过获取数据样本集，将数据样本集中所有数据样本划分为已录取类别和未录取类别；确定数据样本集中每个数据样本的每个数据维度的重要程度，并对每个数据样本与两个类别的其他数据样本之间进行相似性分析，确定各个相似数据样本以及每个相似数据样本的易错分可能性，并最终确定数据样本集中每个数据样本的初始权重。根据初始权重，利用数据样本集对分类模型进行训练，得到训练好的分类模型，并利用训练好的分类模型进行简历分类。本发明通过自适应确定每个数据样本的初始权重，有效提高了简历分类的准确性。

主权项：1.一种高校人才评审数据信息优化匹配方法，其特征在于，包括以下步骤：获取数据样本集，所述数据样本集中每个数据样本为每份简历对应的特征向量，所述特征向量中每种数据维度的数值对应一种简历信息，根据简历录取情况，将所述数据样本集中所有数据样本划分为已录取类别和未录取类别；根据所述已录取类别中数据样本的数量占比、数据样本在同一数据维度的数值的离散情况和每个数据维度下的数值为设定类型数值的数据样本数量，以及所述已录取类别和未录取类别中所述数据样本的同一数据维度的数值之间的分布差异，确定数据样本的每个数据维度的重要程度；对所述数据样本集中每个数据样本与两个类别的其他数据样本之间进行相似性分析，确定每个数据样本与两个类别的相似程度，根据所述相似程度，确定各个相似数据样本，对所述相似数据样本进行采样，得到各个采样点，利用所述采样点进行弱分类器的训练，获取在训练过程中每个采样点在每次迭代时的样本权重，根据所述样本权重、每个相似数据样本中设定类型数值的维度数量以及每个相似数据样本与两个类别的相似程度，确定每个相似数据样本的易错分可能性；根据每个相似数据样本的易错分可能性、每个相似数据样本所属类别的数据样本数量占比、每个相似数据样本的设定类型数值的数据维度的重要程度，确定每个相似数据样本的权重修正系数，根据所述权重修正系数，确定所述数据样本集中每个数据样本的初始权重；根据所述初始权重，利用所述数据样本集对分类模型进行训练，得到训练好的分类模型，并利用所述训练好的分类模型进行简历分类。

全文数据：

权利要求：

百度查询： 学术桥(北京)教育科技有限公司 一种高校人才评审数据信息优化匹配方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD