一种人才就业模型的题库推送配置方法及系统

技术领域

本发明涉及信息推送技术领域，具体而言，涉及一种人才就业模型的题库推送配置方法及系统。

背景技术

相关技术中，通常仅仅是针对题库输入配置数据进行题库分配识别，没有考虑到题库输入配置数据与题库输出配置数据之间的联系，发明人经过研究发现在某些情况下如果仅仅单独针对题库输入配置数据进行题库分配识别，可能会遗漏掉基于题库输入配置数据与题库输出配置数据之间的联系产生的就业信息特征，导致在对目标题库配置服务进行题库分配时的输入特征的准确性不高，影响题库分配精度。

发明内容

为了至少克服现有技术中的上述不足，本发明的目的在于提供一种人才就业模型的题库推送配置方法及系统，根据就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息和题库输出配置数据的第二题库标签特征信息，进而在进行题库分配过程中可以结合考虑到题库配置输入和题库配置输出之间的题库标签特征信息之间的联系，由此对二者进行标签映射关联后获得标签映射关联特征信息，可以丰富在对目标题库配置服务进行题库分配时的输入特征，便于提高题库分配的准确性，此外结合两种不同题库分配类别的题库分配网络对标签映射关联特征信息进行分配题库对象的分类，可以从复合的题库分配维度进行题库分配，进一步提高题库分配的准确性。

第一方面，本发明提供一种人才就业模型的题库推送配置方法，应用于所述服务器，所述服务器与所述多个题库服务终端通信连接，所述方法包括：

获取对当前人才就业统计获得的就业类别分区对应的人才就业模型相关联的就业信息分布，并根据所述就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息，获取所述目标题库配置服务中题库输出配置数据的第二题库标签特征信息；

将所述题库输入配置数据清单的第一题库标签特征信息和所述题库输出配置数据的第二题库标签特征信息进行标签映射关联，得到标签映射关联特征信息；

根据第一题库分配网络中的题库调取节点，识别所述标签映射关联特征信息与所述第一题库分配网络中多个分配题库索引的分配参考度，将由所述第一题库分配网络得到的分配参考度与所述第一题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第一分配题库对象清单；

根据第二题库分配网络中的题库调取节点，识别所述标签映射关联特征信息与所述第二题库分配网络中多个分配题库索引的分配参考度，将由所述第二题库分配网络得到的分配参考度与所述第二题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第二分配题库对象清单，其中，所述第一题库分配网络和所述第二题库分配网络用于从不同的题库分配类别对所述标签映射关联特征信息进行题库分配；

将所述第一分配题库对象清单和所述第二分配题库对象清单进行标签映射关联，得到所述目标题库配置服务对应的分配题库对象，并根据所述分配题库对象对所述目标题库配置服务进行对应的题库推送配置。

在第一方面的一种可能的实施方式中，所述根据所述就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息，获取所述目标题库配置服务中题库输出配置数据的第二题库标签特征信息，包括：

获取包含目标就业规划的目标题库配置服务，在所述目标题库配置服务中提取题库输出配置数据，并根据需求源信息、所述目标题库配置服务中的多个题库标签需求生成多个题库输入配置数据，并将所述多个题库输入配置数据组合为题库输入配置数据清单；

获取所述就业信息分布所对应的第一就业属性分布和第二就业属性分布，其中，所述第一就业属性分布中包括与多个特征匹配的题库标签特征，所述第二就业属性分布中包括与多个题库输出配置数据的特征匹配的题库标签特征；

通过所述第一就业属性分布提取所述题库输入配置数据清单的第一题库标签特征信息，并通过所述第二就业属性分布提取所述题库输出配置数据的第二题库标签特征信息。

在第一方面的一种可能的实施方式中，所述通过所述第一就业属性分布提取所述题库输入配置数据清单的第一题库标签特征信息的步骤，包括：

在所述题库输入配置数据清单中的每个题库输入配置数据中提取关键源标签，将所有题库输入配置数据中具有相同关键源标签组合为单位题库输入配置数据清单；

将各单位题库输入配置数据清单分别输入第一就业属性分布中，通过所述第一就业属性分布中匹配每个单位题库输入配置数据清单的特征的第一题库标签特征信息；

根据各单位题库输入配置数据清单对应的关键源标签之间的标签关联关系，将所述各单位题库输入配置数据清单的第一题库标签特征信息进行连接，得到所述题库输入配置数据清单的第一题库标签特征信息。

在第一方面的一种可能的实施方式中，所述通过所述第二就业属性分布提取所述题库输出配置数据的第二题库标签特征信息，包括：

将所述题库输出配置数据中的各请求目标子数据分别输入第二就业属性分布中，通过所述第一就业属性分布提取匹配每个请求目标子数据的特征的第二题库标签特征信息。

在第一方面的一种可能的实施方式中，所述将所述第一分配题库对象清单和所述第二分配题库对象清单进行标签映射关联，得到所述目标题库配置服务对应的分配题库对象，包括：

在所述第一分配题库对象清单和所述第二分配题库对象清单中，将属于相同分配题库对象所关联的分配参考度进行加权平均，并将加权平均后的分配参考度和所述分配题库对象进行标注绑定，得到目标分配题库对象清单；

在所述目标分配题库对象清单中提取具有最大分配参考度所关联的分配题库对象，并将提取出的分配题库对象，作为所述目标题库配置服务对应的分配题库对象。

在第一方面的一种可能的实施方式中，所述第二题库分配网络通过以下方式获得：

获取第一标定标签映射关联特征信息和第二标定标签映射关联特征信息；

提取所述第一标定标签映射关联特征信息的第二题库标签特征信息，并根据第二题库分配网络中的题库调取节点，识别所述第一标定标签映射关联特征信息的第二题库标签特征信息与所述第二题库分配网络中多个分配题库索引的分配参考度，将由所述第一标定标签映射关联特征信息的第二题库标签特征信息得到的分配参考度与所述第二题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第三分配题库对象清单；

提取所述第二标定标签映射关联特征信息的第二题库标签特征信息，并根据所述第二题库分配网络中的题库调取节点，识别所述第二标定标签映射关联特征信息的第二题库标签特征信息与所述多个分配题库索引的分配参考度，将由所述第二标定标签映射关联特征信息的第二题库标签特征信息得到的分配参考度与所述第二题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第四分配题库对象清单；

根据所述第一标定标签映射关联特征信息的第二题库标签特征信息和所述第三分配题库对象清单、所述第二标定标签映射关联特征信息的第二题库标签特征信息和所述第四分配题库对象清单，确定损失函数值，并根据所述损失函数值，调整所述第二题库分配网络中的模型参数；

所述第二题库分配网络用于输出与目标题库配置服务中题库输出配置数据的第二题库标签特征信息相匹配的第二分配题库对象清单；

所述第二分配题库对象清单用于与第一分配题库对象清单进行标签映射关联后得到所述目标题库配置服务对应的分配题库对象；

所述第一分配题库对象清单是由第一题库分配网络输出的与所述目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息相匹配的标签集合。

在第一方面的一种可能的实施方式中，所述损失函数值包括识别损失参数值和验证损失参数值；

所述根据所述第一标定标签映射关联特征信息的第二题库标签特征信息和所述第三分配题库对象清单、所述第二标定标签映射关联特征信息的第二题库标签特征信息和所述第四分配题库对象清单，确定损失函数值，包括：

根据所述第三分配题库对象清单、所述第一标定标签映射关联特征信息对应的标注分配题库索引，生成所述第一标定标签映射关联特征信息的识别损失参数值；

根据所述第四分配题库对象清单、所述第二标定标签映射关联特征信息对应的标注分配题库索引，生成所述第二标定标签映射关联特征信息的识别损失参数值；

根据所述第一标定标签映射关联特征信息的第二题库标签特征信息、所述第一标定标签映射关联特征信息对应的标注分配题库索引、所述第二标定标签映射关联特征信息的第二题库标签特征信息、所述第二标定标签映射关联特征信息对应的标注分配题库索引，生成所述验证损失参数值；

根据所述第一标定标签映射关联特征信息的识别损失参数值、所述第二标定标签映射关联特征信息的识别损失参数值、所述验证损失参数值，生成所述损失函数值。

在第一方面的一种可能的实施方式中，所述获取对当前人才就业统计获得的就业类别分区对应的人才就业模型相关联的就业信息分布的步骤，包括：

获取对当前人才就业统计获得的就业类别分区对应的人才就业模型，并基于所述人才就业模块从对应的人才就业接口中获得当前就业填表统计信息，对所述当前就业填表统计信息进行就业分布节点解析，以将所述当前就业填表统计信息解析为当前就业分布节点配置信息，得到处理后的聚合就业分布节点识别信息；

基于所述聚合就业分布节点识别信息，生成多组不同就业类别的就业分布节点配置信息集，分别检测所述多组不同就业类别的就业分布节点配置信息集中的就业行为特征，以得到所述多组不同就业类别的就业分布节点配置信息集中的就业行为特征信息；

基于所述多组不同就业类别的就业分布节点配置信息集的就业行为特征信息以及所述聚合就业分布节点识别信息的就业分布节点变化信息确定就业分布权重，将所述多组不同就业类别的就业分布节点配置信息集中的就业行为特征信息映射到所述聚合就业分布节点识别信息中，得到多组就业分布填充信息；

根据所述就业行为特征信息之间的就业共享行为信息，对所述多组就业分布填充信息进行分配，获得所述人才就业模型相关联的就业信息分布。

在第一方面的一种可能的实施方式中，所述对所述当前就业填表统计信息进行就业分布节点解析，以将所述当前就业填表统计信息解析为当前就业分布节点配置信息，得到处理后的聚合就业分布节点识别信息的步骤，包括：

检测所述当前就业填表统计信息中的就业需求项目；

从检测到的就业需求项目中选取出符合就业填表统计信息的分布统计范围的目标就业需求项目；

确定所述目标就业需求项目所对应的就业分布节点分布，根据所述就业分布节点分布对应的招聘需求计划构建招聘需求分配列表；

根据所述招聘需求分配列表，对所述当前就业填表统计信息进行就业分布节点解析，以将所述当前就业填表统计信息解析为当前就业分布节点配置信息，得到处理后的聚合就业分布节点识别信息。

第二方面，本发明实施例还提供一种人才就业模型的题库推送配置装置，应用于服务器，所述服务器与多个题库服务终端通信连接，所述装置包括：

获取模块，用于获取对当前人才就业统计获得的就业类别分区对应的人才就业模型相关联的就业信息分布，并根据所述就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息，获取所述目标题库配置服务中题库输出配置数据的第二题库标签特征信息；

关联模块，用于将所述题库输入配置数据清单的第一题库标签特征信息和所述题库输出配置数据的第二题库标签特征信息进行标签映射关联，得到标签映射关联特征信息；

第一识别模块，用于根据第一题库分配网络中的题库调取节点，识别所述标签映射关联特征信息与所述第一题库分配网络中多个分配题库索引的分配参考度，将由所述第一题库分配网络得到的分配参考度与所述第一题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第一分配题库对象清单；

第二识别模块，用于根据第二题库分配网络中的题库调取节点，识别所述标签映射关联特征信息与所述第二题库分配网络中多个分配题库索引的分配参考度，将由所述第二题库分配网络得到的分配参考度与所述第二题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第二分配题库对象清单，其中，所述第一题库分配网络和所述第二题库分配网络用于从不同的题库分配类别对所述标签映射关联特征信息进行题库分配；

配置模块，用于将所述第一分配题库对象清单和所述第二分配题库对象清单进行标签映射关联，得到所述目标题库配置服务对应的分配题库对象，并根据所述分配题库对象对所述目标题库配置服务进行对应的题库推送配置。

第三方面，本发明实施例还提供一种人才就业模型的题库推送配置系统，所述人才就业模型的题库推送配置系统包括服务器以及与所述服务器通信连接的多个题库服务终端；

所述服务器，用于：

获取对当前人才就业统计获得的就业类别分区对应的人才就业模型相关联的就业信息分布，并根据所述就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息，获取所述目标题库配置服务中题库输出配置数据的第二题库标签特征信息；

将所述题库输入配置数据清单的第一题库标签特征信息和所述题库输出配置数据的第二题库标签特征信息进行标签映射关联，得到标签映射关联特征信息；

根据第一题库分配网络中的题库调取节点，识别所述标签映射关联特征信息与所述第一题库分配网络中多个分配题库索引的分配参考度，将由所述第一题库分配网络得到的分配参考度与所述第一题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第一分配题库对象清单；

根据第二题库分配网络中的题库调取节点，识别所述标签映射关联特征信息与所述第二题库分配网络中多个分配题库索引的分配参考度，将由所述第二题库分配网络得到的分配参考度与所述第二题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第二分配题库对象清单，其中，所述第一题库分配网络和所述第二题库分配网络用于从不同的题库分配类别对所述标签映射关联特征信息进行题库分配；

将所述第一分配题库对象清单和所述第二分配题库对象清单进行标签映射关联，得到所述目标题库配置服务对应的分配题库对象，并根据所述分配题库对象对所述目标题库配置服务进行对应的题库推送配置。

第四方面，本发明实施例还提供一种服务器，所述服务器包括处理器、机器可读存储介质和网络接口，所述机器可读存储介质、所述网络接口以及所述处理器之间通过总线系统相连，所述网络接口用于与至少一个题库服务终端通信连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以执行第一方面或者第一方面中任意一个可能的实现方式中的人才就业模型的题库推送配置方法。

第五方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有指令，当其被执行时，使得计算机执行上述第一方面或者第一方面中任意一个可能的实现方式中的人才就业模型的题库推送配置方法。

基于上述任意一个方面，本发明根据所述就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息和题库输出配置数据的第二题库标签特征信息，进而在进行题库分配过程中可以结合考虑到题库配置输入和题库配置输出之间的题库标签特征信息之间的联系，由此对二者进行标签映射关联后获得标签映射关联特征信息，可以丰富在对目标题库配置服务进行题库分配时的输入特征，便于提高题库分配的准确性，此外结合两种不同题库分配类别的题库分配网络对标签映射关联特征信息进行分配题库对象的分类，可以从复合的题库分配维度进行题库分配，进一步提高题库分配的准确性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。

图1为本发明实施例提供的人才就业模型的题库推送配置系统的应用场景示意图；

图2为本发明实施例提供的人才就业模型的题库推送配置方法的流程示意图；

图3为本发明实施例提供的人才就业模型的题库推送配置装置的功能模块示意图；

图4为本发明实施例提供的用于实现上述的人才就业模型的题库推送配置方法的服务器的结构对象示意框图。

具体实施方式

下面结合说明书附图对本发明进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。

图1是本发明一种实施例提供的人才就业模型的题库推送配置系统10的交互示意图。人才就业模型的题库推送配置系统10可以包括服务器100以及与服务器100通信连接的信息设备200。图1所示的人才就业模型的题库推送配置系统10仅为一种可行的示例，在其它可行的实施例中，该人才就业模型的题库推送配置系统10也可以仅包括图1所示组成部分的其中一部分或者还可以包括其它的组成部分。

本实施例中，人才就业模型的题库推送配置系统10中的服务器100和信息设备200可以通过配合执行以下方法实施例所描述的人才就业模型的题库推送配置方法，具体服务器100和信息设备200的执行步骤部分可以参照以下方法实施例的详细描述。

为了解决前述背景技术中的技术问题，图2为本发明实施例提供的人才就业模型的题库推送配置方法的流程示意图，本实施例提供的人才就业模型的题库推送配置方法可以由图1中所示的服务器100执行，下面对该人才就业模型的题库推送配置方法进行详细介绍。

步骤S110，获取对当前人才就业统计获得的就业类别分区对应的人才就业模型相关联的就业信息分布，并根据就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息，获取目标题库配置服务中题库输出配置数据的第二题库标签特征信息。

本实施例中，就业类别分区对应的人才就业模型可以是以某个程序脚本的形式运行，可以具有一个或者多个可供运行的就业信息分布。

本实施例中，题库标签特征信息可以是指目标题库配置服务中题库输入配置数据清单或者目标题库配置服务中题库输出配置数据匹配于就业信息分布中的各个题库配置规则的信息分量，可以以信息分量集合的形式进行表示，例如可以表示为（匹配信息分量1、匹配信息分量2、匹配信息分量3、......匹配信息分量N）。

本实施例中，题库输入配置数据可以用于表征发起该目标题库配置服务的源对象的源数据信息，例如请求源在发起该目标题库配置服务中，该目标题库配置服务中通常包括许多字段，如需求源信息、多个题库标签需求信息等，然后具体获取这些信息中的具体字段内容和过往字段内容，以获得题库输入配置数据。题库输出配置数据可以用于表征该目标题库配置服务所配置的目标数据字段的请求指令信息，可以包括题库配置行为、题库配置协议、题库配置内容、题库配置权限等等数据。

步骤S120，将题库输入配置数据清单的第一题库标签特征信息和题库输出配置数据的第二题库标签特征信息进行标签映射关联，得到标签映射关联特征信息。

在一些可替代的实施例中，将第一题库标签特征信息和第二题库标签特征信息进行标签映射关联，得到目标题库配置服务的请求完整特征信息，将上述请求完整特征信息称之为标签映射关联特征信息。标签映射关联的过程可以是首先将第一题库标签特征信息和第二题库标签特征信息归一化到同一个分量映射区间内，将上述两种题库标签特征信息直接通过特征一对一映射的方式连接起来，作为标签映射关联特征信息；也可以利用支持向量机将两种题库标签特征信息中相同维度的特征进行映射关联后，再对上述两种映射关联的特征信息进行统一建模处理，处理后得到的特征信息即是标签映射关联特征信息。在其它可能的实现方式中，也可以采用其它标签映射关联方式，只需要考虑到第一题库标签特征信息和第二题库标签特征信息之间的映射关系特征即可。

步骤S130，根据第一题库分配网络中的题库调取节点，识别标签映射关联特征信息与第一题库分配网络中多个分配题库索引的分配参考度，将由第一题库分配网络得到的分配参考度与第一题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第一分配题库对象清单。

本实施例中，上述第一题库分配网络中的题库调取节点可以是提前训练完成的，该题库调取节点的输入是标签映射关联特征信息、输出是标签映射关联特征信息与第一题库分配网络中多个分配题库索引的分配参考度，分配参考度越高说明标签映射关联特征信息与分配题库索引对应的分配题库对象标签的匹配概率越大；第一题库分配网络中包含的分配题库索引的数量和种类是训练递归神经网络模型时由训练数据集中包含的分配题库对象标签的数量和种类决定的。

本实施例中，分配题库索引可以是表示用于反映分配题库对象的特征，分配题库对象可以是指针对目标题库配置服务的题库分配结果。

步骤S140，根据第二题库分配网络中的题库调取节点，识别标签映射关联特征信息与第二题库分配网络中多个分配题库索引的分配参考度，将由第二题库分配网络得到的分配参考度与第二题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第二分配题库对象清单。

本实施例中，第一题库分配网络和第二题库分配网络用于从不同的题库分配类别对标签映射关联特征信息进行题库分配。题库分配类别可以是指针对标签映射关联特征信息的特征提取维度，从而从不同的特征提取维度提取标签映射关联特征信息的特征信息进行后续的题库分配。第一题库分配网络和第二题库分配网络中分配题库索引的种类可以相同，也可以部分相同，具体不作限定。

步骤S150，将第一分配题库对象清单和第二分配题库对象清单进行标签映射关联，得到目标题库配置服务对应的分配题库对象，并根据分配题库对象对目标题库配置服务进行处理。

基于上述设计，本实施例根据就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息和题库输出配置数据的第二题库标签特征信息，进而在进行题库分配过程中可以结合考虑到题库配置输入和题库配置输出之间的题库标签特征信息之间的联系，由此对二者进行标签映射关联后获得标签映射关联特征信息，可以丰富在对目标题库配置服务进行题库分配时的输入特征，便于提高题库分配的准确性，此外结合两种不同题库分配类别的题库分配网络对标签映射关联特征信息进行分配题库对象的分类，可以从复合的题库分配维度进行题库分配，进一步提高题库分配的准确性。

在一种可能的实现方式中，针对步骤S110，在根据就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息，获取目标题库配置服务中题库输出配置数据的第二题库标签特征信息的流程中，可以通过以下示例性的子步骤实现，详细描述如下。

子步骤S111，获取包含目标就业规划的目标题库配置服务，在目标题库配置服务中提取题库输出配置数据，并根据需求源信息、目标题库配置服务中的多个题库标签需求生成多个题库输入配置数据，并将多个题库输入配置数据组合为题库输入配置数据清单。

子步骤S112，获取就业信息分布所对应的第一就业属性分布和第二就业属性分布。

其中，第一就业属性分布中包括与多个特征匹配的题库标签特征，第二就业属性分布中包括与多个题库输出配置数据的特征匹配的题库标签特征。

子步骤S113，通过第一就业属性分布提取题库输入配置数据清单的第一题库标签特征信息，并通过第二就业属性分布提取题库输出配置数据的第二题库标签特征信息。

例如，在通过第一就业属性分布提取题库输入配置数据清单的第一题库标签特征信息的过程中，可以在题库输入配置数据清单中的每个题库输入配置数据中提取关键源标签，将所有题库输入配置数据中具有相同关键源标签组合为单位题库输入配置数据清单。然后，将各单位题库输入配置数据清单分别输入第一就业属性分布中，通过第一就业属性分布中匹配每个单位题库输入配置数据清单的特征的第一题库标签特征信息。接着，根据各单位题库输入配置数据清单对应的关键源标签之间的标签关联关系，将各单位题库输入配置数据清单的第一题库标签特征信息进行连接，得到题库输入配置数据清单的第一题库标签特征信息。

例如，关键源标签是能够代表题库输入配置数据清单中关键对象特征的标签，按照题库输入配置数据清单的时间顺序，将所有题库输入配置数据中具有相同关键源标签组合为单位题库输入配置数据清单，由此可以根据单位题库输入配置数据清单中多个单位题库输入配置数据清单之间的标签关联性以及相互之间的依赖性，将多个单位题库输入配置数据清单之间的标签关联性转换为结构化的循环依赖关系，进而通过第一就业属性分布中匹配每个单位题库输入配置数据清单的特征的第一题库标签特征信息，其中每个单位题库输入配置数据清单清单都对应一个第一题库标签特征信息。

相对应地，在通过第二就业属性分布提取题库输出配置数据的第二题库标签特征信息过程中，也可以将题库输出配置数据中的各请求目标子数据分别输入第二就业属性分布中，通过第一就业属性分布提取匹配每个请求目标子数据的特征的第二题库标签特征信息。

在一种可能的实现方式中，针对步骤S150而言，在将第一分配题库对象清单和第二分配题库对象清单进行标签映射关联，得到目标题库配置服务对应的分配题库对象的流程中，可以通过以下示例性的子步骤实现，详细描述如下。

子步骤S151，在第一分配题库对象清单和第二分配题库对象清单中，将属于相同分配题库对象所关联的分配参考度进行加权平均，并将加权平均后的分配参考度和分配题库对象进行标注绑定，得到目标分配题库对象清单。

子步骤S152，在目标分配题库对象清单中提取具有最大分配参考度所关联的分配题库对象，并将提取出的分配题库对象，作为目标题库配置服务对应的分配题库对象。

进一步地，以下将结合具体的一种可替代的示例对上述的第二题库分配网络的训练过程进行简要描述，关于第一题库分配网络的训练过程也可以一并参照以下实施例对应执行即可。该第二题库分配网络可以通过以下方式获得：

（1）获取第一标定标签映射关联特征信息和第二标定标签映射关联特征信息。

（2）提取第一标定标签映射关联特征信息的第二题库标签特征信息，并根据第二题库分配网络中的题库调取节点，识别第一标定标签映射关联特征信息的第二题库标签特征信息与第二题库分配网络中多个分配题库索引的分配参考度，将由第一标定标签映射关联特征信息的第二题库标签特征信息得到的分配参考度与第二题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第三分配题库对象清单。

（3）提取第二标定标签映射关联特征信息的第二题库标签特征信息，并根据第二题库分配网络中的题库调取节点，识别第二标定标签映射关联特征信息的第二题库标签特征信息与多个分配题库索引的分配参考度，将由第二标定标签映射关联特征信息的第二题库标签特征信息得到的分配参考度与第二题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第四分配题库对象清单。

（4）根据第一标定标签映射关联特征信息的第二题库标签特征信息和第三分配题库对象清单、第二标定标签映射关联特征信息的第二题库标签特征信息和第四分配题库对象清单，确定损失函数值，并根据损失函数值，调整第二题库分配网络中的模型参数。

在一种可能的实现方式中，上述的损失函数值具体可以包括识别损失参数值和验证损失参数值。

因此，可以根据第三分配题库对象清单、第一标定标签映射关联特征信息对应的标注分配题库索引，生成第一标定标签映射关联特征信息的识别损失参数值。

并且，可以根据第四分配题库对象清单、第二标定标签映射关联特征信息对应的标注分配题库索引，生成第二标定标签映射关联特征信息的识别损失参数值。

此外，同时根据第一标定标签映射关联特征信息的第二题库标签特征信息、第一标定标签映射关联特征信息对应的标注分配题库索引、第二标定标签映射关联特征信息的第二题库标签特征信息、第二标定标签映射关联特征信息对应的标注分配题库索引，生成验证损失参数值（如第一标定标签映射关联特征信息的第二题库标签特征信息与第二标定标签映射关联特征信息的第二题库标签特征信息之间的损失参数值，以及第一标定标签映射关联特征信息对应的标注分配题库索引与第二标定标签映射关联特征信息对应的标注分配题库索引之间的损失参数值）。

由此，可以根据第一标定标签映射关联特征信息的识别损失参数值、第二标定标签映射关联特征信息的识别损失参数值、验证损失参数值，生成损失函数值（例如可以将第一标定标签映射关联特征信息的识别损失参数值、第二标定标签映射关联特征信息的识别损失参数值、验证损失参数值的相加值或者加权值作为损失函数值）。

本实施例中，第二题库分配网络用于输出与目标题库配置服务中题库输出配置数据的第二题库标签特征信息相匹配的第二分配题库对象清单。

本实施例中，第二分配题库对象清单用于与第一分配题库对象清单进行标签映射关联后得到目标题库配置服务对应的分配题库对象。

本实施例中，第一分配题库对象清单是由第一题库分配网络输出的与目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息相匹配的标签集合。

在进一步的一种可能的实现方式中，针对前述的步骤S110，在获取对当前人才就业统计获得的就业类别分区对应的人才就业模型相关联的就业信息分布的流程中，可以通过以下示例性的子步骤实现，详细描述如下。

步骤S111，获取对当前人才就业统计获得的就业类别分区对应的人才就业模型，并基于人才就业模块从对应的人才就业接口中获得当前就业填表统计信息，对当前就业填表统计信息进行就业分布节点解析，以将当前就业填表统计信息解析为当前就业分布节点配置信息，得到处理后的聚合就业分布节点识别信息。

步骤S112，基于聚合就业分布节点识别信息，生成多组不同就业类别的就业分布节点配置信息集，分别检测多组不同就业类别的就业分布节点配置信息集中的就业行为特征，以得到多组不同就业类别的就业分布节点配置信息集中的就业行为特征信息。

步骤S113，基于多组不同就业类别的就业分布节点配置信息集的就业行为特征信息以及聚合就业分布节点识别信息的就业分布节点变化信息确定就业分布权重，将多组不同就业类别的就业分布节点配置信息集中的就业行为特征信息映射到聚合就业分布节点识别信息中，得到多组就业分布填充信息。

步骤S114，根据就业行为特征信息之间的就业共享行为信息，对多组就业分布填充信息进行分配，获得人才就业模型相关联的就业信息分布。

例如，步骤S111中，可以检测当前就业填表统计信息中的就业需求项目，从检测到的就业需求项目中选取出符合就业填表统计信息的分布统计范围的目标就业需求项目，确定目标就业需求项目所对应的就业分布节点分布，根据就业分布节点分布对应的招聘需求计划构建招聘需求分配列表，从而可以根据招聘需求分配列表，对当前就业填表统计信息进行就业分布节点解析，以将当前就业填表统计信息解析为当前就业分布节点配置信息，得到处理后的聚合就业分布节点识别信息。

图3为本公开实施例提供的人才就业模型的题库推送配置装置300的功能模块示意图，本实施例可以根据上述服务器100执行的方法实施例对该人才就业模型的题库推送配置装置300进行功能模块的划分，也即该人才就业模型的题库推送配置装置300所对应的以下各个功能模块可以用于执行上述服务器100执行的各个方法实施例。其中，该人才就业模型的题库推送配置装置300可以包括获取模块310、关联模块320、第一识别模块330、第二识别模块340以及配置模块350，下面分别对该人才就业模型的题库推送配置装置300的各个功能模块的功能进行详细阐述。

获取模块310，用于获取对当前人才就业统计获得的就业类别分区对应的人才就业模型相关联的就业信息分布，并根据就业信息分布获取目标题库配置服务中题库输入配置数据清单的第一题库标签特征信息，获取目标题库配置服务中题库输出配置数据的第二题库标签特征信息。

关联模块320，用于将题库输入配置数据清单的第一题库标签特征信息和题库输出配置数据的第二题库标签特征信息进行标签映射关联，得到标签映射关联特征信息。

第一识别模块330，用于根据第一题库分配网络中的题库调取节点，识别标签映射关联特征信息与第一题库分配网络中多个分配题库索引的分配参考度，将由第一题库分配网络得到的分配参考度与第一题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第一分配题库对象清单。

第二识别模块340，用于根据第二题库分配网络中的题库调取节点，识别标签映射关联特征信息与第二题库分配网络中多个分配题库索引的分配参考度，将由第二题库分配网络得到的分配参考度与第二题库分配网络中多个分配题库索引对应的分配题库对象进行标注绑定，得到第二分配题库对象清单，其中，第一题库分配网络和第二题库分配网络用于从不同的题库分配类别对标签映射关联特征信息进行题库分配。

配置模块350，用于将第一分配题库对象清单和第二分配题库对象清单进行标签映射关联，得到目标题库配置服务对应的分配题库对象，并根据分配题库对象对目标题库配置服务进行处理。

图4示出了本公开实施例提供的用于实现上述的人才就业模型的题库推送配置方法的服务器100的硬件结构示意图，如图4所示，服务器100可包括处理器110、机器可读存储介质120、总线130以及收发器140。

在具体实现过程中，至少一个处理器110执行机器可读存储介质120存储的计算机执行指令，使得处理器110可以执行如上方法实施例的人才就业模型的题库推送配置方法，其中，处理器110、机器可读存储介质120以及收发器140通过总线130连接，处理器110可以用于控制收发器140的收发动作，从而可以与前述的信息设备200进行数据收发。

处理器110的具体实现过程可参见上述服务器100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。

机器可读存储介质120可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器。

此外，本发明实施例还提供一种可读存储介质，所述可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上人才就业模型的题库推送配置方法。

最后，应当理解的是，本说明书中实施例仅用以说明本说明书实施例的原则。其它的变形也可能属于本说明书范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。