周毛 青海民族大学 青海省西宁市 810007

0 引言

企业的发展离不开人才的引进，针对此，主要有两个途径，一方面是以定向的方式进行有针对性的人才招聘，另一方面就是在缺乏明确目标的情况下，在海量的人才市场中筛选出符合招聘需求的人才[1]。与前者相比，筛选式的人才招聘将面对海量的信息资源，因此，对这些信息合理地分类是十分必要的[2]。由于在复杂的社会环境下，每个人的工作经历都呈现出明显的个性化特征，但又由于行业之间的内在联系，导致不同岗位之间也存在一定的互通性，这就对档案的分类工作提出了更高的要求[3]。

为了提高分类的可靠性，许多学者均针对信息资源分类问题进行了研究。其中，文献利用DenseNet迁移学习对分类信息之间的相似性进行计算，并通过设置阈值，实现对信息资源的分类，该方法的分类结果对阈值设定的依赖性较强，因此稳定性较低；文献[5]提出以深度卷积网络为基础的分类方法，通过对信息的特征进行聚类处理，实现分类，有效提高了分类的效率，但分类后数据之间的距离较大；文献为了避免卷积神经网络粒度问题对分类结果产生的负面影响，将分类信息中的表型信息作为特征提取的基础，实现了高精度的信息分类，但适用范围较小，对于部分不包含表型信息的资源，难以实现其分类效果；文献在对分类信息进行数据增强处理的基础上，利用贝叶斯卷积神经网络实现资源分类，取得了良好的分类效果，但数据增强阶段的工作较为复杂，对操作人员的技术水平要求较高，因此，难以实现普及性应用。……