一种基于大模型RAG及微调的自动招聘机器人系统的制作方法

本发明涉及行政招聘，更具体地说，本发明涉及一种基于大模型rag及微调的自动招聘机器人系统。

背景技术：

1、现阶段，越来越多的企业和单位选择通过网络招聘人才，网络招聘的主要过程包括：hr制作招聘文件，在招聘网站上发布招聘需求并接收求职者投递的简历，综合分析，决定是否需要面试，为了提高招聘数据的检索识别准确性，提高企业招聘的效率，需要通过自动招聘机器人系统对招聘数据进行检索和识别，进而实现企业高效且精确的招聘效果。

2、参考公开号为cn113537920a的专利申请公开了智能人事招聘系统，其基于大数据算法、ai智能匹配和三方saas合作，专注提升hr部门的招聘人效和全流程的业务打通可以提升三倍以上的hr人效，使企业拥有自己的招聘门户网站，同时企业可以实现数字化人才管理，提升管理效率，可以从应聘、面试以及后期的人才跟踪评估方面为人才招聘提供全方位的数据服务，通过建立解析算法、知识图谱和大数据分析，对企业人事招聘提供服务，以稳定的匹配企业的用人需求，做到人才的最优化利用

3、现有的自动招聘机器人系统在对海量的招聘数据进行检索识别时，通过将招聘数据与招聘需求的关联逐一比对的方式，可以筛选出与招聘需求相符的目标数据，以实现招聘的效果，由于数据库内储存的招聘数据类型繁杂且覆盖范围较广，通过单一比对的方式仅能够对特征较明显的招聘数据进行识别，使得部分特征不明显的招聘数据无法被检索识别到，导致检索识别到的目标数据不够精准，同时也无法根据招聘需求中特定或专项的需求进行针对性的数据检索识别操作，容易出现检索识别到的目标数据与企业招聘需求存在差异的现象，不利于企业高效且精准的招聘使用。

4、鉴于此，本发明提出一种基于大模型rag及微调的自动招聘机器人系统以解决上述问题。

技术实现思路

1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种基于大模型rag及微调的自动招聘机器人系统，应用于检索识别服务器，包括：

2、特征识别模块，用于获取用户端的招聘数据，提取出招聘数据的待识别特征，并从待识别特征中识别出招聘特征；

3、第一检索模块，用于基于扩展准则，将招聘特征扩展为检索特征，并通过rag技术检索出与检索特征相对应的原始检索数据，扩展准则为：将检索特征的结构值和属性值分别扩展为标准结构和标准属性；

4、计算筛选模块，用于获取原始检索数据的综合比重数据，综合比重数据包括有效字符占比值和有效更新时长，计算出原始检索数据的招聘关联值，并从原始检索数据中筛选出有效检索数据；

5、第二检索模块，用于通过微调技术训练出检索识别模型，并通过检索识别模型识别出与招聘特征相对应的目标数据；

6、招聘报告模块，用于构建出具有报告位的基础报告单，报告位包括第一报告位和第二报告位，并将有效检索数据和目标数据分别导入报告位中，生成招聘报告单。

7、进一步的，待识别特征的提取方法包括：

8、逐一标记出企业数据库内所有的储存数据，并通过地址管理系统逐一查询出所有的储存数据的ip编号和用户端的ip编号，将ip编号与用户端的ip编号一致的储存数据记为招聘数据，获得i个招聘数据；

9、将岗位、学历、薪资、区域和福利记为标准语义；

10、通过自然语言处理技术逐一识别出i个招聘数据的招聘语义，并将存在任意一个标准语义的招聘语义记为目标语义，获得p个目标语义；

11、通过分词技术将p个目标语义对应的招聘数据逐一拆分，生成p个字符行，并对p个字符行内的字符依次编号；

12、将p个目标语义的字符对应的编号记为目标编号，并将与目标编号首尾相邻的两个编号记为相邻编号；

13、将目标编号和相邻编号所对应的字符依次汇总后，获得p个待识别特征。

14、进一步的，招聘特征的识别方法包括：

15、通过权限管理系统逐一查询出p个待识别特征的权限备注框，并标记出权限备注框内的形式备注值和权限备注值；

16、将形式备注值和权限备注值均为高值的待识别特征记为待验证特征，获得s个待验证特征；

17、将目标语义存在重复的待验证特征记为重复特征，并通过时间戳逐一查询出x个重复特征中目标语义的记录时刻，记为x个记录时刻；

18、按照时间的先后顺序，将x个记录时刻依次排列，并剔除掉除位于第一位的记录时刻以外的重复特征，并将余下的重复特征和待验证特征记为招聘特征，获得m个招聘特征。

19、进一步的，检索特征的扩展方法包括：

20、通过结构管理系统和属性管理系统分别查询出大数据库内历史数据的结构和属性，获得标准结构和标准属性；

21、通过结构管理系统和属性管理系统逐一查询出m个招聘特征的结构和属性，记为特征结构和特征属性，并标记出特征结构的结构值和特征属性的属性值，获得m个结构值和m个属性值；

22、将结构值不为标准结构的招聘特征记为第一无效特征，剔除掉第一无效特征中的结构值，并将标准结构导入第一无效特征的特征结构中，获得第一有效特征；

23、将属性值不为标准属性的招聘特征记为第二无效特征，剔除掉第二无效特征中的属性值，并将标准属性导入第二无效特征的特征属性中，获得第二有效特征；

24、将第一有效特征、第二有效特征和余下的招聘特征记为检索特征，获得m个检索特征。

25、进一步的，原始检索数据的检索方法包括：

26、将大数据库内的历史数据等分成m个数据集合，并将m个数据集合与m个检索特征随机一一对应；

27、分别标记出m个数据集合的数据输入端口和数据输出端口，获得m个输入端和m个输出端；

28、将m个检索特征逐一导入m个输入端，通过rag技术从m个数据集合内筛选出与m个检索特征具有相同招聘语义的历史数据，并将检索到的历史数据压缩后，生成m个原始数据包；

29、将m个原始数据包分别通过m个输出端输出并解压后，获得个原始检索数据。

30、进一步的，有效字符占比值的获取方法包括：

31、通过分词技术依次将个原始检索数据拆分为原始字符，并统计个原始检索数据中的原始字符的数量，获得个总量值；

32、从大数据库内查询出用户端预设的标准字符，将与标准字符存在重复的原始字符记为有效字符，并统计出有效字符的数量，获得个有效值；

33、将个有效值依次与个总量值比较，获得个有效字符占比值；

34、有效字符占比值的表达式为：

35、；

36、式中，为第个原始检索数据的有效字符占比值，为第个原始检索数据的有效值，为第个原始检索数据的总量值。

37、进一步的，招聘关联值的表达式为：

38、；

39、式中，为第个原始检索数据的招聘关联值，为第个原始检索数据的有效更新时长，、为大于0的比例系数；

40、有效检索数据的筛选方法包括：

41、将个招聘关联值依次与预设的招聘关联阈值比较；

42、当大于等于时，将第个原始检索数据记为有效检索数据，获得q个有效检索数据；

43、当小于时，不将第个原始检索数据记为有效检索数据。

44、进一步的，检索识别模型的训练方法包括：

45、将招聘特征和有效检索数据汇总生成特征数据集，并将特征数据集转换为对应的一组特征向量，将特征数据集与对应的目标数据构建成检索识别模型的样本集合，并将样本集合分为训练样本和测试样本；

46、将训练样本中的特征向量作为检索识别模型的输入，并将每组特征数据集对应的目标数据作为检索识别模型的输出，以目标数据为预测目标，以最小化所有训练样本的预测误差之和作为训练目标，对检索识别模型进行训练，并通过测试样本对检索识别模型进行测试，直至预测误差之和达到收敛时停止训练，获得能够预测出目标数据的检索识别模型。

47、进一步的，基础报告单的构建方法包括：

48、逐一标记出报告单数据库内所有的报告单模板，识别出所有的报告单模板的模板属性，并将模板属性为有效模板的报告单模板记为有效报告单，获得t个有效报告单；

49、通过时间戳逐一查询出t个有效报告单的生成时刻，按照时间的先后顺序将t个生成时刻排列后，选择位于最后一位生成时刻对应的有效报告单作为目标报告单；

50、在目标报告单内分别绘制出两个上下排列的报告位，并按照由上往下的方式将两个报告位分别记为第一报告位和第二报告位，获得基础报告单。

51、进一步的，招聘报告单的生成方法包括：

52、在第一报告位内绘制出q个独立的数据单元，获得q个第一单元；

53、将q个有效检索数据逐一导入到q个第一单元内，并在导入有效检索数据后的第一报告位上备注关键字“有效”；

54、在第二报告位内绘制出z个独立的数据单元，获得z个第二单元；

55、将z个目标数据逐一导入到z个第二单元内，并在导入目标数据后的第二报告位上备注关键字“目标”；

56、在招聘报告单上且位于第一报告位的上方绘制出表单位，并在表单位内备注关键字“招聘报告”，生成招聘报告单。

57、本发明一种基于大模型rag及微调的自动招聘机器人系统的技术效果和优点：

58、本发明通过获取用户端的招聘数据，提取出招聘数据的待识别特征，并从待识别特征中识别出招聘特征，基于扩展准则，将招聘特征扩展为检索特征，并通过rag技术检索出与检索特征相对应的原始检索数据，获取原始检索数据的综合比重数据，计算出原始检索数据的招聘关联值，并从原始检索数据中筛选出有效检索数据，通过微调技术训练出检索识别模型，并通过检索识别模型识别出与招聘特征相对应的目标数据，构建出具有报告位的基础报告单，并将有效检索数据和目标数据分别导入报告位中，生成招聘报告单；相对于现有技术，通过将招聘特征扩展成检索特征，使得检索特征既能够对用户端的招聘需求进行准确表示，同时也能够为rag技术提供合理且明确的检索标准，即可检索出与用户端的招聘需求初步符合且大覆盖范围的原始检索数据，并结合综合比重数据来计算出招聘关联值，可以从原始检索数据中筛选出小覆盖范围的有效检索数据，避免了特征不明显的数据被遗漏，并通过微调技术训练出可以对特定和专项招聘需求进行目标数据识别的检索识别模型，满足了符合用户端特定招聘需求数据精准且快速的检索识别操作，方便企业人事部门根据招聘需求从海量的数据中识别到合适的目标数据，进而提高了企业和人员之间数据的双向交互效果，有效的提高了企业的招聘成功率。