基于大语言模型的人岗匹配系统设计与实现.pdfVIP

ISSN1009-3044E-mail：eduf@

ComputerKnowledgeandTechnology电脑知识与技术

ComputerKnowledgeandTechnology电脑知识与技术第21卷第5期(2025年2月）

http：//

Vol.21,No.5,February2025Tel：+86-551

基于大语言模型的人岗匹配系统设计与实现

12

高子轩，王敏

(1.成都理工大学，四川成都610059；2.西北工业大学，陕西西安710072)

摘要：当前随着每年求职的人数日益增多及网络招聘的普及，投职简历的数量呈几何级数增长。企业的人力资源部门

工作量急剧增多，需要从海量的简历中找出企业所需人才。为解决这一难题，文章设计实现了一款基于语言大模型

LLM(LargeLanguageModel)的人岗匹配系统，实验结果表明该方法可以显著减少人力资源部门的工作量，原来由人工

耗费几天才能完成的人岗匹配工作被人工智能所取代，缩减为只需几分钟就能完成，大大提高了工作效率。

关键词：人岗匹配；LLM；人工智能；文心一言；语义有哪些信誉好的足球投注网站

中图分类号：TP309.2文献标识码：A

开放科学(资源服务)标识码(OSID)：

文章编号：1009-3044(2025)05-0024-03

0引言法来解决人岗匹配的问题，但是有一个不可避免的问

题是深度学习的模型非常依赖于训练数据，按照特定

当前，每年毕业的大学生人数逐年递增，仅2024的人工标注的训练数据产生的模型仅在与训练数据

年的毕业生数量达到了1084.6万人，每到招聘季都会集相仿的领域中表现出较好的准确性，而对于冷门或

有数以百万计的大学生投递简历，同时许多公司也会[3]

新型领域，由于缺少标注过的训练数据而表现较差。

公布自己的招聘启事，招募满足应聘条件的学生。随加之求职简历涉及个人隐私，很难获得全行业的求职

着网络的普及，基于网络的数字化招聘逐渐成为主流，简历来进行标注和训练，使得此类模型不具备良好的

数字化招聘一方面极大地提高了求职人员投递简历的[4]

通用性，因此影响到了它的实际应用和推广。本文

便捷性，另一方面也让招聘方的人力资源部门面临极设计的人岗匹配系统要克服这些缺陷，采用近年来炙

大挑战[1]。由于网络投递简历十分便捷，求职者为了增

手可热的基于大语言模型LLM的方法，通过小样本甚

加被录用的概率，通常会大量海投，而不管自己是否匹至零样本学习实现简历文本的实体抽取，关键词匹配

配招聘岗位，求职者简历编写的质量也参差不齐，这就和语义检索，即依据招聘岗位的实际需求，形成检索

需要企业人力资源部门的人员投入更多的精力去审核