注意力机制的BiLSTM模型在招聘信息分类中的应用

作者：吕飞亚; 张英俊^*; 潘理虎

来源：计算机系统应用, 2020, 29(04): 242-247.

DOI：10.15888/j.cnki.csa.007364

• 招聘信息
• 文本分类
• One-hot
• BiLSTM模型
• 注意力机制

目前IT招聘信息分类中传统算法存在长距离依赖,且无法突出IT岗位关键词对文本分类特征影响等问题.本文通过训练双向长短期记忆网络BiLSTM与注意力机制相结合的多层文本分类模型,将其应用到招聘信息分类中.该模型包括One-hot词向量输入层、BiLSTM层、注意力机制层和输出层.其中One-hot层构建招聘词典,节省了大量训练词向量时间, BiLSTM层可获取更多上下文不同距离的语义信息,注意力机制层对经过BiLSTM层编码数据进行加权转变可提升序列化学习任务.实验表明:基于该模型的IT招聘信息分类准确率达到93.36%,与其他模型对比,提高约2%.该模型更有针对性的分析不同岗位对就业者能力的要求,实现了不同岗位招聘信息的分类,对高校毕业生就业指导有重要意义.

• 单位
  中国科学院地理科学与资源研究所; 太原科技大学