CN105677902A - 一种简历的展示方法 - Google Patents

Abstract

本发明涉及一种简历的展示方法，所述方法包括，从数据库中获取简历与JD基础数据；将获取的简历和JD以胜任力标签数值矩阵的形式表达；获取职位与胜任力标签的关联规则；通过提取简历中的胜任力标签代入所述关联规则，根据所得到的权重总和进行排序，按照排序顺序展示给招聘者。所述方法提高了简历/JD展示的准确率，提高了使用体验，增强使用者对展示结果的满意度。降低了当前平台服务器、客户端的资源占用与浪费，避免用户多次操作或者去其他平台进行搜索，提高了操作的简便性，减少用户时间的耗费，也减少了其他平台服务器和客户端的资源消耗。对招聘、就业、培训等有着指导性的意义。

Description

一种简历的展示方法

技术领域

本发明涉及计算机处理技术领域，尤其涉及一种简历的展示方法。

背景技术

随着网络的发展与普及，基于网络的高速度与巨大的信息量等特性，网络招聘已成为当前主流的招聘形式，网络招聘和网络求职进一步促进了当今社会的人才交流。在当前的网络招聘中，求职者需要根据各个网站或者公司的要求来完成简历，然后向不同的网站或者公司投递。与传统的求职招聘方式相比，当前的网络招聘形式相对高效和快捷。

作为第三方的人力资源网站为招聘者和求职者提供了这样的一个平台，在实际应用中，招聘者通过客户端(如浏览器)向网络平台提交职位，应聘者通过客户端(如浏览器)向网络平台提交简历，网络平台依据所述职位进行简历搜索，并向招聘者展示；或者，网络平台依据所述简历进行职位搜索，并向应聘者展示。

然而，目前一般是按时间先后或匹配程度向招聘者或应聘者展示搜索结果，但是简历与职位之间的匹配准确率较低，导致展示的效果差，真正能满足需求的简历或岗位展示的位置很有可能比较靠后。用户可能需要进行多次翻页操作，进行海量信息的搜索、对比、筛选等以获取相关的简历/职位信息，操作繁琐，耗费时间，而且将大大增加服务器和客户端的资源消耗。

例如，当企业想要寻找Web前端工程师的简历时，会在简历库中对“Web前端工程师”搜索，目前的简历筛选机制会直接选择对“Web前端工程师”进行分词分析，从而在简历中搜索“Web”“前端工程师”“Web前端工程师”，并将结果排序后提供给搜索者，但是这种结果有很大的局限性，首先，如果简历中没有提到上述关键词的话，将不会予以显示；其次，Web的涵盖面非常广，会推荐出大量的无用信息，噪声会给用户造成很大的困扰。而实际上，如果一个人熟练掌握“JavaScript”便有成为前端工程师的能力，如果能掌握“JavaScript”、“Css3”、“HTML5”，那么此人就足以胜任Web前端工程师的职位，即使简历中没有Web前端工程师的字样，这份简历也应该作为搜索结果显示出来，而且是属于匹配度相当高的简历。

上述“JavaScript”、“Css3”、“HTML5”这几项技能，就是Web前端工程师职位所对应的“胜任力”标签。“胜任力”是指能将某一工作中有卓越成就者与普通者区分开来的个人的深层次特征，它可以是动机、特质、自我形象、态度或价值观、某领域知识、认知或行为技能等任何可以被可靠测量或计数的并且能显著区分优秀与一般绩效的个体特征。可见，“胜任力”标签能对简历的准确展示起到很重要的作用。

但是，对于胜任力的研究与测评，以及如何具体的量化，目前并没有成熟的理论基础和实践结果。在之前的胜任力研究工作中，大多是以心理学、管理学为基础，通过心理测量、情景模拟等方法对人员的胜任力进行的测量评价。这种评价规则基本上是基于心理测试、智力测试以及一些能力倾向测验，主观性严重，准确率差，比如人们主观上认为能够决定工作成绩的一些人格、智力、价值观等方面因素，在现实中并没有表现出预期的效果；同时，这一类的测评，并不能反映不同的行业和职位对胜任力的详尽的不同需求。在没有数据支撑的情况下，这些评测方法必须依赖各种辅助信息和决策者的经验判断，主观性严重，且胜任力间的主次关系难以具体确认，不具备广泛的适用意义。

在这种情况下，需要提供一种简历的展示方法和系统，能够定性定量的客观分析胜任力与行业职位之间的关系，从而更好地匹配简历与JD，向招聘者提供更精准的简历/向求职者提供更精准的职位。

发明内容

鉴于上述的分析，本发明旨在提供一种简历展示方法，用以克服上述问题或者至少部分地解决上述问题。

本发明的目的主要是通过以下技术方案实现的：

一种简历的展示方法，其特征在于，包括以下步骤：

步骤S1、从数据库中获取简历与JD基础数据；

步骤S2、将获取的简历和JD以胜任力标签数值矩阵的形式表达；

步骤S3、获取职位与胜任力标签的关联规则；

步骤S4、通过提取简历中的胜任力标签代入所述关联规则，根据所得到的权重总和进行排序，按照排序顺序展示给招聘者。

其中，所述步骤S1进一步包括：

子步骤S11，对从数据库中获取的简历和JD的常见职位根据行业类别进行分类整理，获得得到行业类别及其所包含职位；

子步骤S12，根据职业技能对数据库中的简历和JD进行文本分析处理，进一步进行胜任力细分。

其中，所述步骤S2进一步包括：

将表格式的简历和JD，经过文本分析技术处理，获取其中的胜任力标签，并将其用数值矩阵的形式表达。

其中，所述步骤S3进一步包括：

对各个职位所对应的胜任力标签向量进行统计，得到职位-胜任力标签的对应矩阵；

得到标签间的关联矩阵后，利用关联规则挖掘技术，根据JD对职位与胜任力标签的关系进行挖掘处理，使得每一个职位名称与胜任力标签相对应，并且求出每一个胜任力标签的权重大小；

获取每一行业的职位与胜任力标签的关联规则。

其中，所述步骤S3进一步包括：

使每一个职位名称与其关联度最高的预订数量胜任力标签相对应。

其中，所述步骤S3进一步包括：

招聘者可以对所述关联规则中不同胜任力标签的权重进行调整，以更适合自身需求。

其中，所述步骤S4进一步包括：

通过以下的至少一种方式向招聘者进行展示：以网页反馈结果的方式，或以移动客户端的形式展示，或以邮件的形式展示。

其中，所述步骤S4进一步包括：

当有新的简历进入数据库中，则自动执行步骤S4，并更新展示结果。

本发明有益效果如下：

本发明具体实施方式所提出的简历推送方法方法，首先基于大数据对胜任力标签进行了深度的纵向发掘和广泛的横向采集，使得胜任力标签足以涵盖数千万份简历和JD；再次，对胜任力进行挖掘分析，将能力与职位行业挂钩，并且利用关联规则挖掘技术，将胜任力之间的重要性、关联性数值化，使得胜任力的概念具象化，提高了简历/JD展示的准确率，提高了使用体验，增强使用者对展示结果的满意度。降低了当前平台服务器、客户端的资源占用与浪费，避免用户多次操作或者去其他平台进行搜索，提高了操作的简便性，减少用户时间的耗费，也减少了其他平台服务器和客户端的资源消耗。对招聘、就业、培训等有着指导性的意义。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。

图1示出了根据本发明的一个实施例的一种简历的展示方法的步骤流程图。

具体实施方式

缩略语和关键术语定义

胜任力标签：基于大量的简历信息以及行为数据，利用大数据理论挖掘分析出的针对每一个职位的胜任力标签。

JD:职位描述又叫职位界定，其成果为工作说明书(jobdescription),主要包括工作名称、工作职责、任职条件、工作所要求的技能，是招聘的核心内容。

根据本发明的一个具体实施，公开了一种简历的展示方法，包括以下步骤：

步骤S1、从数据库中获取简历与JD基础数据；

需要说明的是，本发明实施例可以应用于网络平台，其本质为独立的服务器或服务器集群，如分布式系统，存储了海量的简历。在实际应用中，招聘者通过客户端(如浏览器)向网络平台提交JD，应聘者通过客户端(如浏览器)向网络平台提交简历，网络平台依据所述JD的内容进行搜索，如搜索与该JD相关的一个或多个简历，根据相关度对所述一个或多个简历进行排序权重，并向招聘者展示排序权重最高的前N(N为正整数)个简历。

在本发明的一个可选实施例中，步骤S1可以包括如下子步骤：

子步骤S11，

首先，利用网络爬虫技术从互联网上收集行业和职位名称，进行筛选和整理，合并相近相似的职位/去重，得到行业类别及其所包含职位，如表1所示：

表1

其次，根据职业技能和行为管理技能对从数据库中获取的简历和JD进行文本分析处理，进一步进行胜任力细分。其中，

职业技能为职业所需要的必备技能，如软件工程师所需要的C语言、Java等，数据工程师所需要的SQL、SPSS等；

行为管理技能反映了一个人的心里素质、人格魅力、价值观、管理能力等，如抗压能力、交际能力、学习能力等。

基于以上这些能力的分类，整理出涵盖数据库中的简历和JD的胜任力标签。

在本实施例中，由于行为管理技能的不易量化性，采取的是将职业技能作为核心技能，行为管理技能作为重要的辅助技能的方案。

在可选实施例中，只针对职业技能进行胜任力细分。

整理后的胜任力标签如下表2所示：

表2

其次，对数据库中简历的常见职位根据行业类别进行分类整理，获得职位名称。在本实施例中，所获得的职位名称涵盖几十个行业的数千个职位。

步骤S2、将数据库中的简历和JD用胜任力标签数值矩阵的形式表达。

通过将表格式的简历和JD，经过文本分析技术处理，获取其中的胜任力标签，并将其用数值矩阵的形式表达，每一份简历和JD所涵盖的的能力特征都一目了然。

JD代表的是资方的招聘需求，能较为准确的反映当前市场对职位的技能要求，对JD进行分类处理，经处理过后的结果如下表3所示。

表3

步骤S3、获取每一行业的职位与胜任力标签的关联规则。

对各个职位所对应的胜任力标签向量进行统计，即可得到职位-胜任力标签的对应矩阵，如下表4所示：

表4

得到标签间的关联矩阵后，利用关联规则挖掘技术，根据JD对职位与胜任力标签的关系进行挖掘处理，使得每一个职位名称与一部分胜任力标签相对应，并且求出每一个胜任力标签的权重大小。

本实施例中，采用基于伊辛模型(IsingModel)的IsingFit算法进行关联规则挖掘处理，所述算法为基于扩展的贝叶斯信息准则(EBIC),融合了正则回归的一种模型选择方法，可以有效的构建标签之间的内在联系和比重。具体的，将每一个职位所对应的若干行向量作为训练集，经过IsingFit()处理之后即可返回一个加权向量，对每个职位对应标签的权重进行排序即可得到下表5中的结果，

表5

可选的，其他的关联规则的获取方法有比如Apriori算法，FP-Tree算法，都可以达到类似的效果。

通过表5，获取每一行业的职位与胜任力标签的关联规则。进一步的，可以使得每一个行业的职位与其关联度最高的预订数量胜任力标签相对应。

步骤四、通过提取简历中的胜任力标签代入步骤三获得的关联规则，根据所得到的权重总和进行排序，按照排序顺序展示给招聘者。

具体地，将简历中的胜任力标签代入关联规则中，然后对计算得到的权重值进行排序，将简历展示给招聘者。

例如下表6中，简历1和简历3同时申请了职位A，我们将两份简历对应的行向量带入职位A对应的各标签的权重向量得到的关联规则，得分较大者即为更适合该职位的人选。

表6

需要说明的是，本发明实施例可以应用于网络平台，其本质为独立的服务器或服务器集群，如分布式系统，存储了海量的简历。在招聘领域中，所述简历为简历；在求职领域中，所述简历为职位。为使本领域技术人员更好地理解本发明实施例，在本发明实施例中，将简历作为简历的一种实例进行说明。

在实际应用中，招聘者通过客户端(如浏览器)向网络平台提交JD，应聘者通过客户端(如浏览器)向网络平台提交简历，网络平台依据所述JD的内容进行搜索，如搜索与该JD相关的一个或多个简历，根据相关度对所述一个或多个简历进行排序权重，并向招聘者展示排序权重最高的前N(N为正整数)个简历。

在本发明的一个可选实施例中，步骤S1可以包括如下子步骤：

子步骤S11，

首先，利用网络爬虫技术从互联网上收集行业和职位名称，进行筛选和整理，合并相近相似的职位/去重，得到行业类别及其所包含职位，如表1所示：

表1

其次，根据职业技能和行为管理技能对从数据库中获取的简历和JD进行文本分析处理，进一步进行胜任力细分。其中，

职业技能为职业所需要的必备技能，如软件工程师所需要的C语言、Java等，数据工程师所需要的SQL、SPSS等；

行为管理技能反映了一个人的心里素质、人格魅力、价值观、管理能力等，如抗压能力、交际能力、学习能力等。

基于以上这些能力的分类，整理出涵盖数据库中的简历和JD的胜任力标签。

在本实施例中，由于行为管理技能的不易量化性，采取的是将职业技能作为核心技能，行为管理技能作为重要的辅助技能的方案。

在可选实施例中，只针对职业技能进行胜任力细分。

整理后的胜任力标签如下表2所示：

表2

其次，对数据库中简历的常见职位根据行业类别进行分类整理，获得职位名称。在本实施例中，所获得的职位名称涵盖几十个行业的数千个职位。

步骤S2、将数据库中的简历和JD用胜任力标签数值矩阵的形式表达。

通过将表格式的简历和JD，经过文本分析技术处理，获取其中的胜任力标签，并将其用数值矩阵的形式表达，每一份简历和JD所涵盖的的能力特征都一目了然。

JD代表的是资方的招聘需求，能较为准确的反映当前市场对职位的技能要求，对JD进行分类处理，经处理过后的结果如下表3所示。

表3

步骤S3、获取每一行业的职位与胜任力标签的关联规则。

对各个职位所对应的胜任力标签向量进行统计，即可得到职位-胜任力标签的对应矩阵，如下表4所示：

表4

得到标签间的关联矩阵后，利用关联规则挖掘技术，根据JD对职位与胜任力标签的关系进行挖掘处理，使得每一个职位名称与一部分胜任力标签相对应，并且求出每一个胜任力标签的权重大小。

本实施例中，采用基于伊辛模型(IsingModel)的IsingFit算法进行关联规则挖掘处理，所述算法为基于扩展的贝叶斯信息准则(EBIC),融合了正则回归的一种模型选择方法，可以有效的构建标签之间的内在联系和比重。具体的，将每一个职位所对应的若干行向量作为训练集，经过IsingFit()处理之后即可返回一个加权向量，对每个职位对应标签的权重进行排序即可得到下表5中的结果，

表5

可选的，其他的关联规则的获取方法有比如Apriori算法，FP-Tree算法，都可以达到类似的效果。

通过表5，获取每一行业的职位与胜任力标签的关联规则。进一步的，可以使得每一个行业的职位与其关联度最高的预订数量胜任力标签相对应。

招聘者可以对所述关联规则中不同胜任力标签的权重进行调整，以更适合自身需求。

步骤S4、通过提取简历中的胜任力标签代入步骤三获得的关联规则，根据所得到的权重总和进行排序，按照排序顺序展示给招聘者。

具体地，将简历中的胜任力标签代入关联规则中，然后对计算得到的权重值进行排序，将简历展示给招聘者。

例如下表6中，简历1和简历3同时申请了职位A，我们将两份简历对应的行向量带入职位A对应的各标签的权重向量得到的关联规则，得分较大者即为更适合该职位的人选。

表6

可以通过以下的至少一种方式向招聘者进行展示：以网页反馈结果的方式，或以移动客户端的形式展示，或以邮件的形式展示。

当有新的简历进入数据库中，则自动执行步骤S4，并更新展示结果。

在本发明的一些实施例中，步骤S4将简历排序展示给招聘者后，还可以包括：接收上述招聘者的评价以及招聘效果反馈，动态调整职位与胜任力标签的关联规则，从而使得展示结果更符合招聘者的需求。

在本发明的一些实施例中，步骤S4将简历排序展示给招聘者后，还可以包括：针对为上述招聘者展示的简历生成分析报告，将上述分析报告提供给招聘者，在其中指明向招聘者展示所述简历的原因，以及所述简历的优势所在。

本发明有益效果如下：

本发明具体实施方式所提出的简历推送方法方法，首先基于大数据对胜任力标签进行了深度的纵向发掘和广泛的横向采集，使得胜任力标签足以涵盖数千万份简历和JD；再次，对胜任力进行挖掘分析，将能力与职位行业挂钩，并且利用关联规则挖掘技术，将胜任力之间的重要性、关联性数值化，使得胜任力的概念具象化，提高了简历/JD展示的准确率，提高了使用体验，增强使用者对展示结果的满意度。降低了当前平台服务器、客户端的资源占用与浪费，避免用户多次操作或者去其他平台进行搜索，提高了操作的简便性，减少用户时间的耗费，也减少了其他平台服务器和客户端的资源消耗。对招聘、就业、培训等有着指导性的意义。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (8)

1.一种简历的展示方法，其特征在于，包括以下步骤：

步骤S1、从数据库中获取简历与JD职位描述基础数据；

步骤S2、将获取的简历和JD以胜任力标签数值矩阵的形式表达；

步骤S3、获取职位与胜任力标签的关联规则；

步骤S4、通过提取简历中的胜任力标签代入所述关联规则，根据所得到的权重总和进行排序，按照排序顺序展示给招聘者。

2.根据权利要求1所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S1进一步包括：

子步骤S11，对从数据库中获取的简历和JD的常见职位根据行业类别进行分类整理，获得得到行业类别及其所包含职位；

子步骤S12，根据职业技能对数据库中的简历和JD进行文本分析处理，进一步进行胜任力细分。

3.根据权利要求1所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S2进一步包括：

将表格式的简历和JD，经过文本分析技术处理，获取其中的胜任力标签，并将其用数值矩阵的形式表达。

4.根据权利要求1所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S3进一步包括：

对各个职位所对应的胜任力标签向量进行统计，得到职位-胜任力标签的对应矩阵；

得到标签间的关联矩阵后，利用关联规则挖掘技术，根据JD对职位与胜任力标签的关系进行挖掘处理，使得每一个职位名称与胜任力标签相对应，并且求出每一个胜任力标签的权重大小；

获取每一行业的职位与胜任力标签的关联规则。

5.根据权利要求4所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S3进一步包括：

使每一个职位名称与其关联度最高的预订数量胜任力标签相对应。

6.根据权利要求4所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S3进一步包括：

招聘者可以对所述关联规则中不同胜任力标签的权重进行调整，以更适合自身需求。

7.根据权利要求1所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S4进一步包括：

通过以下的至少一种方式向招聘者进行展示：以网页反馈结果的方式，或以移动客户端的形式展示，或以邮件的形式展示。

8.根据权利要求1所述的基于胜任力标签的培训提供方法，其特征在于，所述步骤S4进一步包括：

当有新的简历进入数据库中，则自动执行步骤S4，并更新展示结果。