信息匹配方法、装置、服务器、存储介质和程序产品

技术领域

本申请涉及大数据技术领域，特别是涉及一种信息匹配方法、装置、服务器、存储介质和程序产品。

背景技术

在大型企业中，内部人员流动是提升人力资源效率、降低成本的重要方式，在内部人员中为不同的岗位选择合适的人员是非常重要的。

相关技术中，主要通过人工方法收集内部人员的应聘信息和过往业绩、行为，将内部人员的应聘信息与岗位硬性信息进行匹配，将匹配结果与过往业绩、行为进行结合，按照主观判断得到各内部人员与岗位的匹配度。

但是，相关技术的方法对人员与岗位的匹配效率不高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高人员与岗位匹配效率的信息匹配方法、装置、服务器、存储介质和程序产品。

第一方面，本申请提供了一种信息匹配方法，该方法包括：

响应于至少一个候选人员的岗位转移请求，获取各候选人员的属性信息；岗位转移请求表示各候选人员需从当前岗位转移到目标岗位；

获取目标岗位的岗位要求信息；

通过预设的信息匹配模型对各候选人员的属性信息和目标岗位的岗位要求信息进行匹配，确定出目标人员；目标人员表示属性信息与岗位要求信息匹配成功的候选人员。

在其中一个实施例中，属性信息包括基本信息、业绩信息和行为信息；则获取各候选人员的属性信息，包括：

从人力资源管理数据库中获取各候选人员的基本信息，以及，从企业内部管理数据库中获取各候选人员的业绩信息和行为信息；人力资源管理数据库用于存储企业内人员的基本信息，企业内部管理数据库用于存储企业内人员的业绩数据和行为信息。

在其中一个实施例中，人力资源管理数据库还用于存储企业内部各岗位的岗位要求信息；

则获取目标岗位的岗位要求信息，包括：

从人力资源管理数据库中获取目标岗位的岗位要求信息。

在其中一个实施例中，通过预设的信息匹配模型对各候选人员的属性信息和目标岗位的岗位要求信息进行匹配，确定出目标人员，包括：

将各候选人员的属性信息和岗位要求信息输入至预设的信息匹配模型中，通过信息匹配模型获取各候选人员与岗位要求信息的之间的匹配值；

根据各匹配值以及预设的匹配度阈值，确定出目标人员。

在其中一个实施例中，属性信息包括基本信息、业绩信息和行为信息；

则通过信息匹配模型获取各候选人员与岗位要求信息之间的匹配值，包括：

通过信息匹配模型获取各候选人员的基本信息与岗位要求信息之间的匹配值，得到各候选人员的基本信息匹配值；

通过信息匹配模型获取各候选人员的业绩信息与岗位要求信息之间的匹配值，得到各候选人员的业绩信息匹配值；

通过信息匹配模型获取各候选人员的行为信息与岗位要求信息之间的匹配值，得到各候选人员的行为信息匹配值；

根据各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值，确定各候选人员与岗位要求信息之间的匹配值。

在其中一个实施例中，该方法还包括：对各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值进行数据预处理，得到满足预设条件的至少一个目标候选人员；

相应地，根据各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值，确定各候选人员与岗位要求信息之间的匹配值，包括：

将各目标候选人员的基本信息匹配值和预设的基本信息权重、各目标候选人员的业绩信息匹配值和预设的业绩信息权重以及各目标候选人员的行为信息匹配值和预设的行为信息权重之间的加权平均值，确定为各目标候选人员与岗位要求信息之间的匹配值。

在其中一个实施例中，根据各匹配值以及预设的匹配度阈值，确定出目标人员，包括：

将匹配值大于匹配度阈值的候选人员确定为参考候选人员；

若参考候选人员的数量小于或等于预设人员数量，将参考候选人员全部确定为目标人员；

若参考候选人员的数量大于预设人员数量，则根据匹配值从高到低对各参考候选人员进行排序，并按照排序后的参考候选人员的顺序将与预设人员数量相同的参考候选人员确定为目标人员。

在其中一个实施例中，信息匹配模型的构建过程包括：

获取多个样本候选人员的样本属性信息、多个样本岗位要求信息、各样本候选人员与每一个样本岗位要求信息之间标准匹配值；

将各样本候选人员的样本属性信息和各样本岗位要求信息输入至初始匹配模型中，对初始匹配模型进行训练，得到初始匹配模型输出的各样本候选人员的样本属性信息和每一个样本岗位要求信息之间的测试匹配值；

若各测试匹配值与对应的标准匹配值之间满足预设的收敛条件，确定初始匹配模型训练完成，得到信息匹配模型。

在其中一个实施例中，获取多个样本候选人员的样本属性信息、多个样本岗位要求信息、各样本候选人员与每一个样本岗位要求信息之间标准匹配值，包括：

从人力资源管理数据库中获取历史样本区间内的多个样本候选人员和多个样本岗位要求信息；

根据各样本候选人员的电子标签，从人力资源管理数据库中获取各样本候选人员的样本属性信息，以及，从人力资源管理数据库中获取各样本候选人员与每一个样本岗位要求信息之间标准匹配值。

第二方面，本申请还提供了一种信息匹配装置，该装置包括：

第一获取模块，用于响应于至少一个候选人员的岗位转移请求，获取各候选人员的属性信息；岗位转移请求表示各候选人员需从当前岗位转移到目标岗位；

第二获取模块，用于获取目标岗位的岗位要求信息；

匹配模块，用于通过预设的信息匹配模型对各候选人员的属性信息和目标岗位的岗位要求信息进行匹配，得到目标人员；目标人员表示属性信息与岗位要求信息匹配成功的候选人员。

第三方面，本申请还提供了一种服务器，该服务器包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面方法实施例中的所有内容。

第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面方法实施例中的所有内容。

第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面方法实施例中的所有内容。

上述信息匹配方法、装置、服务器、存储介质和程序产品，该方法响应于至少一个候选人员的岗位转移请求，获取各候选人员的属性信息，获取目标岗位的岗位要求信息，通过预设的信息匹配模型对各候选人员的属性信息和目标岗位的岗位要求信息进行匹配，确定出目标人员。该方法中的岗位转移请求表示各候选人员需从当前岗位转移到目标岗位，目标人员表示属性信息与岗位要求信息匹配成功的候选人员，通过预设的信息匹配模型可以将候选人员的属性要求与目标岗位的岗位要求快速的进行匹配，可以快速的得到候选人员的属性要求与目标岗位的岗位要求的匹配值，从而可以快速的从候选人员中确定目标人员，提高了人员与岗位的匹配效率。

附图说明

图1为一个实施例中信息匹配方法的应用环境图；

图2为一个实施例中信息匹配方法的流程示意图；

图3为一个实施例中信息匹配方法的流程示意图；

图4为一个实施例中信息匹配方法的流程示意图；

图5为一个实施例中信息匹配方法的流程示意图；

图6为一个实施例中信息匹配方法的流程示意图；

图7为一个实施例中信息匹配方法的流程示意图；

图8为一个实施例中信息匹配方法的流程示意图；

图9为一个实施例中信息匹配方法的流程示意图；

图10为一个实施例中信息匹配装置的结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

需要说明的是，本申请的信息匹配生成方法、装置、服务器、存储介质和程序产品可以应用在大数据领域，也可用于除大数据领域外的其他技术领域，本申请对信息匹配生成方法、装置、服务器、存储介质和程序产品的应用领域不做限定。

本申请实施例提供的信息匹配方法，可以应用于如图1所示的应用环境中。该服务器包括通过系统总线连接的处理器、存储器和网络接口。其中，该服务器的处理器用于提供计算和控制能力。该服务器的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该服务器的数据库用于存储信息匹配过程中的数据。该服务器的网络接口用于与外部的终端通过网络连接通信。其中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种信息匹配方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

S201，响应于至少一个候选人员的岗位转移请求，获取各候选人员的属性信息；岗位转移请求表示各候选人员需从当前岗位转移到目标岗位。

其中，候选人员的岗位转移请求可以是候选人员自愿申请从当前岗位转移到目标岗位，或者，也可以是企业根据自身的发展需求，将候选人员从当前岗位转移到目标岗位。上述属性信息可以包括候选人员的最高学历、最高学历专业、最高学历学校类型、外语语种、工作年限、岗位工作年限、岗位序列、信贷客户经理岗位序列、统计贷款收益、不良贷款率等信息。

可选的，服务器可以实时的接收候选人员的岗位转移请求，或者，服务器也可以按照预设的时间间隔周期性的接收候选人员的岗位转移请求。例如，预设的时间间隔可以为1秒或2秒等。

进一步的，可以理解的是，不同的候选人员的岗位转移请求中携带不同的电子标签，服务器可以根据岗位转移请求携带的电子标签从数据库中获取各候选人员的属性信息。由于属性信息为各候选人员的保密信息，为了确保各候选人员的属性信息的安全性，在服务器获取候选人员的属性信息之前，需要获取过程进行合法验证。例如，服务器可以根据账号和密码进行合法验证，若验证成功，服务器可以获取各候选人员的属性信息。

S202，获取目标岗位的岗位要求信息。

其中，岗位要求信息是指目标岗位对候选人员的属性信息的要求。例如，该硬性要求可以是最高学历要求信息、最高学历专业要求信息、最高学历学校类型要求信息、外语语种要求信息、工作年限要求信息、岗位工作年限要求信息、岗位序列要求信息、信贷客户经理岗位序列要求信息、统计贷款收益要求信息、不良贷款率要求信息等。

具体的，服务器可以提取目标岗位的关键词，根据目标岗位的关键词在数据库中获取目标岗位对应的岗位要求信息。例如，目标岗位为对外销售时，岗位要求信息为至少懂五门外语；目标岗位为研发岗时，岗位要求信息为学历A及以上，有三年的相关研发工作经验等。岗位要求信息可以和各候选人员的属性信息存储在一个数据库中，或者，岗位要求信息和各候选人员的属性信息分别存储在两个数据库中。

S203，通过预设的信息匹配模型对各候选人员的属性信息和目标岗位的岗位要求信息进行匹配，确定出目标人员，该目标人员表示属性信息与岗位要求信息匹配成功的候选人员。

具体的，预设的信息匹配模型是通过大量的样本数据进行训练的，通过预设的信息匹配模型可以将各候选人员的属性信息和目标岗位的岗位要求信息进行匹配，得到每一个候选人员与目标岗位的匹配值，将满足条件的候选人员确定为目标人员。

进一步的，可以理解的是，当所需目标人员的个数大于等于候选人员的个数时，且该目标岗位的岗位要求不高时，将所有的候选人员确定为目标人员；当所需目标人员的个数小于候选人员的个数时，将匹配值与预设阈值进行比较，当各候选人员的匹配值都大于等于预设阈值时，说明各候选人员都满足预设条件，再按照匹配值的大小从匹配值大于预设阈值的候选人员中选择与目标人员个数一致的候选人员，将该部分候选人员确定为目标人员；当各候选人员的匹配值都小于预设阈值时，所有的候选人员都不能确定为目标人员。

上述信息匹配方法中，该方法响应于至少一个候选人员的岗位转移请求，获取各候选人员的属性信息，获取目标岗位的岗位要求信息，通过预设的信息匹配模型对各候选人员的属性信息和目标岗位的岗位要求信息进行匹配，确定出目标人员。该方法中的岗位转移请求表示各候选人员需从当前岗位转移到目标岗位，目标人员表示属性信息与岗位要求信息匹配成功的候选人员，通过预设的信息匹配模型可以将候选人员的属性要求与目标岗位的岗位要求快速的进行匹配，可以快速的得到候选人员的属性要求与目标岗位的岗位要求的匹配值，从而可以快速的从候选人员中确定目标人员，提高了人员与岗位的匹配效率。

可选的，本申请实施例涉及获取各候选人员的属性信息的一种可选的实现方式。在图2所示实施例的基础上，上述方法可以包括如下内容：从人力资源管理数据库中获取各候选人员的基本信息，以及，从企业内部管理数据库中获取各候选人员的业绩信息和行为信息；人力资源管理数据库用于存储企业内人员的基本信息，企业内部管理数据库用于存储企业内人员的业绩数据和行为信息。

可选的，对各候选人员预先设置不同的人员电子标签，服务器可以根据不同候选人员的人员电子标签在人力资源管理数据库中查找该人员电子标签的基本信息，得到各候选人员的基本信息，以及，服务器可以根据人员电子标签从企业内部管理数据库中查找该人员电子标签的业绩信息和行为信息，得到各候选人员的业绩信息和行为信息。可选的，服务器可以提取各候选人员的关键词信息，从人力资源管理数据库中查找各候选人员的基本信息，以及，从企业内部管理数据库中查找各候选人员的业绩信息和行为信息。

上述信息匹配方法中，该方法从人力资源管理数据库中获取各候选人员的基本信息，以及，从企业内部管理数据库中获取各候选人员的业绩信息和行为信息。该方法中的人力资源管理数据库用于存储企业内人员的基本信息，企业内部管理数据库用于存储企业内人员的业绩数据和行为信息，将企业内人员的基本信息存储在人力资源数据库中，可以保证企业内人员的基本信息的安全，将业绩信息和行为信息存储在企业内部管理数据库中，可以方便查看企业内人员的业绩信息和行为信息，能够方便对企业内人员的考核评估，方便企业对内部人员的管理，提高了企业的工作效率。

可选的，本申请实施例涉及获取目标岗位的岗位要求信息的一种可选的实现方式。在图2所示实施例的基础上，上述方法可以包括如下内容：从人力资源管理数据库中获取目标岗位的岗位要求信息。

具体的，对不同的岗位预先设置不同的岗位电子标签，服务器可以根据目标岗位的岗位电子标签从人力资源管理数据库中查找，得到该岗位电子标签对应的岗位要求信息。其中，不同的目标岗位的岗位要求信息不同。例如，目标岗位为研发岗位时，目标岗位的岗位要求信息可以是具有5年的研发工作经验。

上述信息匹配方法中，该方法从人力资源管理数据库中获取目标岗位的岗位要求信息。该方法将目标岗位的岗位要求信息存储在人力资源管理数据库中，可以方便企业的人力资源管理人员对岗位要求信息的更改，同时也能方便企业的人力资源管理人员发布目标岗位的岗位要求信息，提高了人力资源管理人员的工作效率。

图3为本申请实施例提供的信息匹配方法的流程示意图。本申请实施例涉及通过预设的信息匹配模型对各候选人员的属性信息和目标岗位的岗位要求信息进行匹配，确定出目标人员的一种可选的实现方式。在图2所示实施例的基础上，如图3所示，上述方法可以包括如下步骤：

S301，将各候选人员的属性信息和岗位要求信息输入至预设的信息匹配模型中，通过信息匹配模型获取各候选人员与岗位要求信息的之间的匹配值。

其中，属性信息包括基本信息、业绩信息和行为信息。

具体的，服务器可以通过相关的特征提取算法提取各候选人员的属性信息中的基本信息、业绩信息和行为信息，以及，通过相关的特征提取算法提取岗位要求信息中的基本信息要求、业绩信息要求和行为信息要求。其中，相关的特征提取算法可以是局部二值模式算法(Local Binary Patterns，LBP)、方向梯度直方图算法(Histogram of OrientedGradient，HOG)或尺度不变特征变换算法(Scale Invariant Feature Transform，SIFT)等。

进一步的，服务器分别将基本信息与基本信息要求、业绩信息和业绩信息要求以及行为信息和行为信息要求输入信息匹配模型中，通过信息匹配模型分别对基本信息与基本信息要求、业绩信息和业绩信息要求以及行为信息和行为信息要求进行匹配，得到基本信息匹配值、业绩信息匹配值和行为信息匹配值。可选的，可以将基本信息匹配值、业绩信息匹配值和行为信息匹配值的平均值作为各候选人员与岗位要求信息的之间的匹配值，或者，可以根据预设的权重，计算基本信息匹配值、业绩信息匹配值和行为信息匹配值的加权平均值作为各候选人员的属性信息与岗位要求信息的之间的匹配值。其中，匹配值的数量与候选人员的数量是一致的。

S302，根据各匹配值以及预设的匹配度阈值，确定出目标人员。

具体的，服务器可以将历史匹配度阈值确定为预设阈值，各候选人员的属性信息与岗位要求信息的匹配值越大，说明该候选人员越接近该岗位要求信息，即该候选人员更适合目标岗位。服务器可以将各候选人员的属性信息与岗位要求信息的之间的匹配值分别与预设的匹配度阈值进行匹配，将匹配值大于预设的匹配度阈值的候选人员确定为目标人员。

上述信息匹配方法中，该方法将各候选人员的属性信息和岗位要求信息输入至预设的信息匹配模型中，通过信息匹配模型获取各候选人员与岗位要求信息的之间的匹配值，根据各匹配值以及预设的匹配度阈值，确定出目标人员。该方法通过预设的信息匹配模型计算各候选人员的属性信息和岗位要求信息之间的匹配值，根据匹配值可以更准确的从候选人员中选择目标人员，使得到的目标人员更符合目标岗位的岗位要求。

图4为本申请实施例提供的信息匹配方法的流程示意图。本申请实施例涉及通过信息匹配模型获取各候选人员与岗位要求信息之间的匹配值的一种可选的实现方式。在图3所示实施例的基础上，如图4所示，上述方法可以包括如下步骤：

S401，通过信息匹配模型获取各候选人员的基本信息与岗位要求信息之间的匹配值，得到各候选人员的基本信息匹配值。

其中，基本信息匹配值是指候选人员的基本信息与岗位要求信息中的基本要求信息的匹配值。

具体的，服务器可以提取岗位要求信息中的基本要求信息，将各候选人员的基本信息和基本要求信息作为信息匹配模型的输入信号，可以将各候选人员的每一个基本信息和岗位要求信息中的基本要求信息进行匹配，得到每一个候选人员的每一个基本信息与基本要求信息的匹配值，计算各基本信息的匹配值的加权平均值，将该加权匹配值确定为该候选人员的基本信息匹配值。表1表示每一条基本信息与基本要求信息的匹配值。例如，基本信息包括学历信息和专业信息时，学历A的候选人员与岗位要求信息的匹配值为75，学历B的候选人员与岗位要求信息的匹配值为80，学历C的候选人员与岗位要求信息的匹配值为85，学历D的候选人员与岗位要求信息的匹配值为90，学历E的候选人员与岗位要求信息的匹配值为95，学历F的候选人员与岗位要求信息的匹配值为100；专业A与岗位要求信息的匹配值为80，专业B与岗位要求信息的匹配值为90，专业C与岗位要求信息的匹配值为100，专业D与岗位要求信息的匹配值为60。若学历信息权重为0.4，专业信息的权重为0.6时，当候选人员的学历为学历D、专业为专业C时，该候选人员的基本要求信息匹配值为0.4*90+0.6*100＝96，即该候选人员的基本要求信息的匹配值为96。

表1

S402，通过信息匹配模型获取各候选人员的业绩信息与岗位要求信息之间的匹配值，得到各候选人员的业绩信息匹配值。

其中，业绩信息匹配值是指候选人员的业绩信息与岗位要求信息中的业绩要求信息的匹配值。

具体的，服务器可以提取岗位要求信息中的业绩要求信息，将各候选人员的业绩信息和岗位要求信息中的业绩要求信息作为信息匹配模型的输入信号，可以将各候选人员的业绩信息和岗位要求信息中的业绩要求信息进行匹配，得到每一个候选人员的业绩信息与业绩要求信息的匹配值，将该匹配值确定为各候选人员的业绩信息匹配值。表2表示每一条业绩信息与业绩要求信息的匹配值。例如，业绩信息包括收益信息和不良贷款率信息时，收益信息的权重为0.4，不良贷款率信息的权重为0.6时，候选人员的业绩信息在收益区间B，不良贷款率信息在贷款率区间B，则业绩信息匹配值为0.4*100+0.6*90＝94，即该候选人员的业绩要求信息的匹配值为94。

表2

S403，通过信息匹配模型获取各候选人员的行为信息与岗位要求信息之间的匹配值，得到各候选人员的行为信息匹配值。

其中，行为信息匹配值是指候选人员的行为信息与岗位要求信息中的行为要求信息的匹配值。

具体的，服务器可以提取岗位要求信息中的行为要求信息，将各候选人员的行为信息和岗位要求信息中的行为要求信息作为信息匹配模型的输入信号，可以将各候选人员的行为信息和岗位要求信息中的行为要求信息进行匹配，得到每一个候选人员的行为信息与行为要求信息的匹配值，将该匹配值确定为各候选人员的业行为信息匹配值。表3表示行为信息与行为要求信息的匹配值。例如，行为信息包括月均迟到早退次数时，月均迟到早退次数在15-30次时，则行为信息匹配值为100，即该候选人员的行为要求信息的匹配值为94。

表3

S404，根据各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值，确定各候选人员与岗位要求信息之间的匹配值。

可选的，服务器可以计算各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值的平均值，将该平均值确定为各候选人员与岗位要求信息之间的匹配值。可选的，服务器可以根据预设的权重，计算各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值的加权平均值，将该加权平均值确定为各候选人员与岗位要求信息之间的匹配值。可选的，服务器可以将各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值输入预设的神经网络模型中，通过预设的神经网络模型输出各候选人员与岗位要求信息之间的匹配值。

上述信息匹配方法中，该方法通过信息匹配模型获取各候选人员的基本信息与岗位要求信息之间的匹配值，得到各候选人员的基本信息匹配值，通过信息匹配模型获取各候选人员的业绩信息与岗位要求信息之间的匹配值，得到各候选人员的业绩信息匹配值，通过信息匹配模型获取各候选人员的行为信息与岗位要求信息之间的匹配值，得到各候选人员的行为信息匹配值，根据各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值，确定各候选人员与岗位要求信息之间的匹配值。该方法通过信息匹配模型可以准确的获取基本信息与岗位要求信息之间的匹配值、业绩信息与岗位要求信息之间的匹配值和行为信息与岗位要求信息之间的匹配值，从而可以根据基本信息匹配值、业绩信息匹配值和行为信息匹配值更精确的得到各候选人员与岗位要求信息之间的匹配值。

图5为本申请实施例提供的信息匹配方法的流程示意图。本申请实施例涉及根据各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值，确定各候选人员与岗位要求信息之间的匹配值的一种可选的实现方式。在图4所示实施例的基础上，如图5所示，上述方法可以还包括如下步骤：

S501，对各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值进行数据预处理，得到满足预设条件的至少一个目标候选人员。

其中，数据预处理包括对各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值进行数据筛选、排序或归一化处理等操作。

具体的，服务器可以对各候选人员的基本信息匹配值进行数据预处理，滤除基本信息不符合目标岗位硬性要求的候选人员，再滤除业绩和行为不符合目标岗位要求的候选人员，得到至少一个目标候选人员。例如，当目标岗位的学历要求必须是学历C及以上，英语必须通过全国大学生英文六级考试，工作年限在三年及以上，服务器可以首先将学历C以下及工作年限在三年以下的候选人员滤除，可以减少候选人员的匹配过程，提高人员与岗位的匹配效率。

进一步的，可以理解的是，服务器可以对目标候选人员分别按照基本信息匹配值、业绩信息匹配值和行为信息匹配值进行排序，得到排序后的基本信息匹配值、业绩信息匹配值和行为信息匹配值。服务器可以对目标候选人员的基本信息匹配值、业绩信息匹配值和行为信息匹配值进行归一化处理，将目标候选人员的基本信息匹配值、业绩信息匹配值和行为信息匹配值缩放到0到1之间，方便对各匹配值进行对比。其中，归一化处理方法可以包括最值归一化、均值方差归一化和直方图统计归一化等方法。

S502，将各目标候选人员的基本信息匹配值和预设的基本信息权重、各目标候选人员的业绩信息匹配值和预设的业绩信息权重以及各目标候选人员的行为信息匹配值和预设的行为信息权重之间的加权平均值，确定为各目标候选人员与岗位要求信息之间的匹配值。

具体的，人力资源管理人员可以根据企业的实际需求，按照不同的岗位类型对基本信息、业绩信息和行为信息设置不同的权重，得到预设的基本信息权重、预设的业绩信息权重和预设的行为信息权重。服务器可以分别计算基本信息匹配值和预设的基本信息权重、业绩信息匹配值和预设的业绩信息权重以及行为信息匹配值和预设的行为信息权重的乘积，再将得到乘积结果相加，得到各目标候选人员的属性信息匹配值与权重的加权平均值，将该加权平均值确定为各目标候选人员与岗位要求信息之间的匹配值。例如，基本信息、业绩信息与行为信息的权重分别为0.4、0.5和0.1，基本信息匹配值为96，业绩信息匹配值为94，行为信息匹配值为100时，该目标候选人员与岗位要求信息之间的匹配值为94*0.4+96*0.5+100*0.1＝95.4。

上述信息匹配方法中，该方法对各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值进行数据预处理，得到满足预设条件的至少一个目标候选人员，将各目标候选人员的基本信息匹配值和预设的基本信息权重、各目标候选人员的业绩信息匹配值和预设的业绩信息权重以及各目标候选人员的行为信息匹配值和预设的行为信息权重之间的加权平均值，确定为各目标候选人员与岗位要求信息之间的匹配值。该方法通过对基本信息匹配值、业绩信息匹配值和行为信息匹配值进行数据预处理操作，滤除一些不满足预设条件的候选人员，提高了确定各目标候选人员与岗位要求信息之间的匹配值的效率。

图6为本申请实施例提供的信息匹配方法的流程示意图。本申请实施例涉及根据各匹配值以及预设的匹配度阈值，确定出目标人员的一种可选的实现方式。在图4所示实施例的基础上，如图6所示，上述方法可以还包括如下步骤：

S601，将匹配值大于匹配度阈值的候选人员确定为参考候选人员。

可选的，服务器可以将历史匹配度阈值确定为匹配度阈值，属性信息与岗位要求信息的匹配值越大，说明该属性信息对应的候选人员更适合该目标岗位。当得到各目标候选人员的属性信息与岗位要求信息的匹配值后，服务器将各目标候选人员的属性信息与岗位要求信息的匹配值与匹配度阈值进行对比，若各目标候选人员中部分候选人员的属性信息与岗位要求信息的匹配值大于匹配度阈值，将目标候选人员中的部分候选人员确定为参考候选人员。

S602，若参考候选人员的数量小于或等于预设人员数量，将参考候选人员全部确定为目标人员。

具体的，预设人员数量为目标人员的数量，服务器可以将预设人员数量与参考候选人员进行对比，当参考候选人员的数量小于或等于预设人员数量，即符合要求的人数不够，此时服务器可以将所有的参考人员确定为目标人员。例如，当预设人员数量为8人，参考候选人员的数量为7人时，则将7各参考候选人员全部确定为目标人员。

S603，若参考候选人员的数量大于预设人员数量，则根据匹配值从高到低对各参考候选人员进行排序，并按照排序后的参考候选人员的顺序将与预设人员数量相同的参考候选人员确定为目标人员。

具体的，当参考候选人员的数量大于预设人员数量时，服务器对参考候选人员的属性信息与岗位要求信息的匹配值进行排序，将匹配值最大的参考候选人员排在匹配值队列的前面，按照匹配值的大小对参考候选人员进行排列，得到匹配值队列。当预设人员数量为N时，服务器从匹配值队列中选择前N个参考候选人员，将该N个参考候选人员确定为目标人员。

上述信息匹配方法中，该方法将匹配值大于匹配度阈值的候选人员确定为参考候选人员，若参考候选人员的数量小于或等于预设人员数量，将参考候选人员全部确定为目标人员，若参考候选人员的数量大于预设人员数量，则根据匹配值从高到低对各参考候选人员进行排序，并按照排序后的参考候选人员的顺序将与预设人员数量相同的参考候选人员确定为目标人员。该方法中将各目标候选人员与岗位要求信息之间的匹配值与预设的匹配值进行比较，将匹配值高于匹配度阈值的候选人员确定为参考人员，再根据预设人员的数据分为两种情况，确定将参考人员全部确定为目标人员，或者，将部分参考人员确定为目标人员，使得到的目标人员更加符合目标岗位的岗位要求。

图7为本申请实施例提供的信息匹配方法的流程示意图。本申请实施例涉及信息匹配模型的构建过程的一种可选的实现方式。在图2所示实施例的基础上，如图7所示，上述方法可以还包括如下步骤：

S701，获取多个样本候选人员的样本属性信息、多个样本岗位要求信息、各样本候选人员与每一个样本岗位要求信息之间标准匹配值。

具体的，服务器可以对多个样本候选人员设置不同的电子标签，根据样本候选人员的电子标签从人力资源管理数据库中查找该电子标签对应的样本属性信息、样本岗位要求信息和各样本候选人员与每一个样本岗位要求信息之间标准匹配值。

S702，将各样本候选人员的样本属性信息和各样本岗位要求信息输入至初始匹配模型中，对初始匹配模型进行训练，得到初始匹配模型输出的各样本候选人员的样本属性信息和每一个样本岗位要求信息之间的测试匹配值。

具体的，服务器可以将各样本候选人员的样本属性信息和各样本岗位要求信息作为样本数据，将样本数据输入至初始匹配模型中进行训练，通过初始匹配模型对各样本属性信息和样本岗位要求信息进行匹配，分别计算样本基本信息、样本业绩信息、样本行为信息与样本岗位要求信息的匹配值，得到样本基本信息匹配值、样本业绩信息匹配值和样本行为信息匹配值，根据预设的权重对样本基本信息匹配值、样本业绩信息匹配值和样本行为信息求加权平均值，将该加权平均值确定为各样本候选人员的样本属性信息和每一个样本岗位要求信息之间的测试匹配值。

S703，若各测试匹配值与对应的标准匹配值之间满足预设的收敛条件，确定初始匹配模型训练完成，得到信息匹配模型。

具体的，当预设的收敛条件是测试匹配值与对应的标准匹配值的差值的绝对值小于预设阈值时，服务器可以计算各测试匹配值与标准匹配值差值的绝对值，当测试匹配值与标准匹配值差值的绝对值大于预设阈值时，再将各测试匹配值与标准匹配值的差值的绝对值与预设阈值进行比较，通过各测试匹配值与标准匹配值差值的绝对值对初始匹配模型中的参数进行调整，直到测试匹配值与标准匹配值差值的绝对值小于等于预设阈值时，确定初始匹配模型训练完成，得到信息匹配模型。

进一步的，可以理解的是，信息匹配模型可以是回归模型，回归模型中使用逻辑回归算法(Logistic Regression，LR)对各候选人员的属性信息与岗位要求信息进行匹配，通过回归模型输出与岗位要求信息匹配的目标人员。通过样本数据对初始匹配模型训练过程中，由于样本数据相对有限，选用小样本学习算法来构建回归模型，核函数选用径向基函数(Radial Basis Function，RBF)对回归模型进行逻辑回归模型训练，使用样本测试数据对回归模型进行测试，观察回归模型的输出结果为测试匹配值，将测试匹配值与标准匹配值进行对比，然后根据对比结果调整支持向量机模型函数的松弛因子惩罚系数C和RBF核函数宽度gamma，重新训练回归模型，直至得到的回归模型满足预设条件，则确认回归模型收敛，将得到的回归模型确定为信息匹配模型。其中，小样本学习算法可以是支持向量机模型函数(Support Vector Machine，SVM)。

上述信息匹配方法中，该方法通过获取多个样本候选人员的样本属性信息、多个样本岗位要求信息、各样本候选人员与每一个样本岗位要求信息之间标准匹配值，将各样本候选人员的样本属性信息和各样本岗位要求信息输入至初始匹配模型中，对初始匹配模型进行训练，得到初始匹配模型输出的各样本候选人员的样本属性信息和每一个样本岗位要求信息之间的测试匹配值，若各测试匹配值与对应的标准匹配值之间满足预设的收敛条件，确定初始匹配模型训练完成，得到信息匹配模型。该方法多个样本属性信息、多个样本岗位要求信息和标准匹配值对初始匹配模型进行训练，初始匹配模型可以通过样本属性信息和样本岗位要求信息准确的预测各样本候选人员与每一个样本岗位要求信息之间的测试匹配值，调整测试匹配值接近标准匹配值，从而可以得到更准确的信息匹配模型。

图8为本申请实施例提供的信息匹配方法的流程示意图。本申请实施例涉及获取多个样本候选人员的样本属性信息、多个样本岗位要求信息、各样本候选人员与每一个样本岗位要求信息之间标准匹配值的一种可选的实现方式。在图7所示实施例的基础上，如图8所示，上述方法可以还包括如下步骤：

S801，从人力资源管理数据库中获取历史样本区间内的多个样本候选人员和多个样本岗位要求信息。

具体的，历史样本区间可以是历史时间内的样本数据，例如，历史时间可以是距离当前时刻1年之内，也可以是过去5年到过去3年的时间，对应的历史样本区间为1年和2年。为了保证样训练得到的信息匹配模型的结果更准确，可以取过去5年内的提交了岗位转移请求的内部人员作为样本候选人员，将各样本候选人员的目标岗位对应的岗位要求信息确定为样本岗位要求信息。服务器可以根据历史样本区间的时间标签，在人力资源管理数据库中查找该时间标签对应的多个样本候选人员和多个样本岗位要求信息。

进一步的，可以理解的是，对于样本候选人员包括样本目标人员和非目标人员，样本目标人员为确定录用的候选人员，非目标人员为未录用的候选人员。

S802，根据各样本候选人员的电子标签，从人力资源管理数据库中获取各样本候选人员的样本属性信息，以及，从人力资源管理数据库中获取各样本候选人员与每一个样本岗位要求信息之间标准匹配值。

具体的，服务器可以将各样本候选人员按照目标岗位的不同进行分类，并对每个目标岗位对应的样本候选人员设置不同的电子标签，不同的目标岗位对应不同的电子标签。服务器可以根据样本候选人员的电子标签从人力资源管理数据库中获取该电子标签对应的样本属性信息，以及，服务器可以根据样本候选人员的电子标签从人力资源管理数据库中获取该电子标签对应的样本候选人员与该样本岗位要求信息之间标准匹配值，直到根据所有电子标签从人力资源管理数据库中获取到各样本候选人员的样本属性信息以及各样本候选人员与每一个样本岗位要求信息之间标准匹配值。

上述信息匹配方法中，该方法从人力资源管理数据库中获取历史样本区间内的多个样本候选人员和多个样本岗位要求信息，根据各样本候选人员的电子标签，从人力资源管理数据库中获取各样本候选人员的样本属性信息，以及，从人力资源管理数据库中获取各样本候选人员与每一个样本岗位要求信息之间标准匹配值。该方法获取历史样本区间内的多个样本候选人员和多个样本岗位要求信息，使得信息匹配模型的样本数量较多，得到的信息匹配模型更加精确。

在一个实施例中，为了便于本领域技术人员的理解，以下对信息匹配方法进行详细介绍，如图9所示，该方法可以包括：

S901，从人力资源管理数据库中获取各候选人员的基本信息，以及，从企业内部管理数据库中获取各候选人员的业绩信息和行为信息；

S902，从人力资源管理数据库中获取目标岗位的岗位要求信息；

S903，通过信息匹配模型获取各候选人员的基本信息与岗位要求信息之间的匹配值，得到各候选人员的基本信息匹配值；

S904，通过信息匹配模型获取各候选人员的业绩信息与岗位要求信息之间的匹配值，得到各候选人员的业绩信息匹配值；

S905，通过信息匹配模型获取各候选人员的行为信息与岗位要求信息之间的匹配值，得到各候选人员的行为信息匹配值；

S906，对各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值进行数据预处理，得到满足预设条件的至少一个目标候选人员；

S907，将各目标候选人员的基本信息匹配值和预设的基本信息权重、各目标候选人员的业绩信息匹配值和预设的业绩信息权重以及各目标候选人员的行为信息匹配值和预设的行为信息权重之间的加权平均值，确定为各目标候选人员与岗位要求信息之间的匹配值；

S908，将匹配值大于匹配度阈值的候选人员确定为参考候选人员；

S909，若参考候选人员的数量小于或等于预设人员数量，将参考候选人员全部确定为目标人员；

S910，若参考候选人员的数量大于预设人员数量，则根据匹配值从高到低对各参考候选人员进行排序，并按照排序后的参考候选人员的顺序将与预设人员数量相同的参考候选人员确定为目标人员。

需要说明的是，针对上述S901-S910中的描述可以参见上述实施例中相关的描述，且其效果类似，本实施例在此不再赘述。

上述信息匹配方法中，从人力资源管理数据库中获取各候选人员的基本信息，以及，从企业内部管理数据库中获取各候选人员的业绩信息和行为信息，从人力资源管理数据库中获取目标岗位的岗位要求信息，通过信息匹配模型获取各候选人员的基本信息与岗位要求信息之间的匹配值，得到各候选人员的基本信息匹配值，通过信息匹配模型获取各候选人员的业绩信息与岗位要求信息之间的匹配值，得到各候选人员的业绩信息匹配值，通过信息匹配模型获取各候选人员的行为信息与岗位要求信息之间的匹配值，得到各候选人员的行为信息匹配值，对各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值进行数据预处理，得到满足预设条件的至少一个目标候选人员，将各目标候选人员的基本信息匹配值和预设的基本信息权重、各目标候选人员的业绩信息匹配值和预设的业绩信息权重以及各目标候选人员的行为信息匹配值和预设的行为信息权重之间的加权平均值，确定为各目标候选人员与岗位要求信息之间的匹配值，将匹配值大于匹配度阈值的候选人员确定为参考候选人员，若参考候选人员的数量小于或等于预设人员数量，将参考候选人员全部确定为目标人员，若参考候选人员的数量大于预设人员数量，则根据匹配值从高到低对各参考候选人员进行排序，并按照排序后的参考候选人员的顺序将与预设人员数量相同的参考候选人员确定为目标人员。该方法通过预设的信息匹配模型可以将候选人员的属性要求与目标岗位的岗位要求快速的进行匹配，可以快速的得到候选人员的属性要求与目标岗位的岗位要求的匹配值，从而可以快速的从候选人员中确定目标人员，提高了人员与岗位的匹配效率，通过信息匹配模型将岗位用人需求与之结合，实现智能化精准推荐，可显著提升员工和用人单位双方匹配效率。

应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的信息匹配方法的信息匹配装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个信息匹配装置实施例中的具体限定可以参见上文中对于信息匹配方法的限定，在此不再赘述。

在一个实施例中，如图10所示，提供了一种信息匹配装置，包括：第一获取模块11、第二获取模块12和匹配模块13，其中：

第一获取模块11，用于响应于至少一个候选人员的岗位转移请求，获取各候选人员的属性信息；岗位转移请求表示各候选人员需从当前岗位转移到目标岗位；

第二获取模块12，用于获取目标岗位的岗位要求信息；

匹配模块13，用于通过预设的信息匹配模型对各候选人员的属性信息和目标岗位的岗位要求信息进行匹配，得到目标人员；目标人员表示属性信息与岗位要求信息匹配成功的候选人员。

本实施例提供的信息匹配装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

在一个实施例中，上述第一获取模块包括第一获取单元，其中：

第一获取单元，用于从人力资源管理数据库中获取各候选人员的基本信息，以及，从企业内部管理数据库中获取各候选人员的业绩信息和行为信息；人力资源管理数据库用于存储企业内人员的基本信息，企业内部管理数据库用于存储企业内人员的业绩数据和行为信息。

本实施例提供的信息匹配装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

在一个实施例中，上述第二获取模块包括第二获取单元，其中：

第二获取单元：用于从人力资源管理数据库中获取目标岗位的岗位要求信息。

本实施例提供的信息匹配装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

在一个实施例中，上述匹配模块包括：第三获取单元和确定单元，其中：

第三获取单元，用于将各候选人员的属性信息和岗位要求信息输入至预设的信息匹配模型中，通过信息匹配模型获取各候选人员与岗位要求信息的之间的匹配值；

确定单元，用于根据各匹配值以及预设的匹配度阈值，确定出目标人员。

本实施例提供的信息匹配装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

可选的，上述第三获取单元具体用于通过信息匹配模型获取各候选人员的基本信息与岗位要求信息之间的匹配值，得到各候选人员的基本信息匹配值；通过信息匹配模型获取各候选人员的业绩信息与岗位要求信息之间的匹配值，得到各候选人员的业绩信息匹配值；通过信息匹配模型获取各候选人员的行为信息与岗位要求信息之间的匹配值，得到各候选人员的行为信息匹配值；根据各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值，确定各候选人员与岗位要求信息之间的匹配值。

本实施例提供的信息匹配装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

可选的，上述第三获取单元具体用于对各候选人员的基本信息匹配值、各候选人员的业绩信息匹配值以及各候选人员的行为信息匹配值进行数据预处理，得到满足预设条件的至少一个目标候选人员；将各目标候选人员的基本信息匹配值和预设的基本信息权重、各目标候选人员的业绩信息匹配值和预设的业绩信息权重以及各目标候选人员的行为信息匹配值和预设的行为信息权重之间的加权平均值，确定为各目标候选人员与岗位要求信息之间的匹配值。

本实施例提供的信息匹配装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

可选的，上述确定单元具体用于将匹配值大于匹配度阈值的候选人员确定为参考候选人员；若参考候选人员的数量小于或等于预设人员数量，将参考候选人员全部确定为目标人员；若参考候选人员的数量大于预设人员数量，则根据匹配值从高到低对各参考候选人员进行排序，并按照排序后的参考候选人员的顺序将与预设人员数量相同的参考候选人员确定为目标人员。

本实施例提供的信息匹配装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

可选的，上述匹配模块具体还用于获取多个样本候选人员的样本属性信息、多个样本岗位要求信息、各样本候选人员与每一个样本岗位要求信息之间标准匹配值；将各样本候选人员的样本属性信息和各样本岗位要求信息输入至初始匹配模型中，对初始匹配模型进行训练，得到初始匹配模型输出的各样本候选人员的样本属性信息和每一个样本岗位要求信息之间的测试匹配值；若各测试匹配值与对应的标准匹配值之间满足预设的收敛条件，确定初始匹配模型训练完成，得到信息匹配模型。

本实施例提供的信息匹配装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

可选的，上述匹配模块具体还用于从人力资源管理数据库中获取历史样本区间内的多个样本候选人员和多个样本岗位要求信息；根据各样本候选人员的电子标签，从人力资源管理数据库中获取各样本候选人员的样本属性信息，以及，从人力资源管理数据库中获取各样本候选人员与每一个样本岗位要求信息之间标准匹配值。

本实施例提供的信息匹配装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。

上述信息匹配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于服务器中的处理器中，也可以以软件形式存储于服务器中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种服务器，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述方法实施例中的所有内容。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述方法实施例中的所有内容。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。