CN106095982A - 简历搜索方法及装置 - Google Patents
简历搜索方法及装置 Download PDFInfo
- Publication number
- CN106095982A CN106095982A CN201610445490.5A CN201610445490A CN106095982A CN 106095982 A CN106095982 A CN 106095982A CN 201610445490 A CN201610445490 A CN 201610445490A CN 106095982 A CN106095982 A CN 106095982A
- Authority
- CN
- China
- Prior art keywords
- related term
- resume
- key word
- search
- shared
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 239000012141 concentrate Substances 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 5
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
- G06F16/24534—Query rewriting; Transformation
- G06F16/24537—Query rewriting; Transformation of operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种简历搜索方法,包括:接收用于从简历数据库中进行简历搜索的关键词和相关词集;其中,所述相关词集记载有多个相关词,以及每一个相关词与所述关键词的相关度;根据每一个相关词与所述关键词的相关度,计算出在进行简历搜索时每一个相关词所占的权重值及所述关键词所占的权重值;将所述关键词、所述关键词所占的权重值、每一个相关词和所述每一个相关词所占的权重值提交给搜索引擎,以从所述简历数据库中搜索出简历。相应地,本发明还公开了一种简历搜索装置。采用本发明实施例,计算出关键词和相关词在搜索过程的权重,提高检索简历的准确度。
Description
技术领域
本发明涉及计算机信息检索领域,尤其涉及一种简历搜索方法及装置。
背景技术
在以往对简历的搜索匹配过程中,存在两种方法:一种是直接关键词检索;另一种是关键词+相关词检索;但是发明人在实施过程发现上述方案存在以下问题:
对于第一种方案,仅考虑关键词的检索过程中出现的词频来获取检索结果,即,偏向与该关键词相关的技能的简历排序在前,难以综合考虑简历的综合技能,不便于综合评估简历本人的综合技能。
对于第二种方案,在检索过程中关键词和相关词命中的频次决定了搜索出来的简历的排序,则检索结果极有可能偏向某个频次较高的相关词,另一方面,当相关词的数量大大多于关键词时,则在检索过程中关键词可能会被相关词淹没,难以突出关键词相对于相关词在搜索出简历过程中作为主要作检索关键词的作用。
发明内容
本发明实施例提出一种简历搜索方法,计算出关键词和相关词在搜索过程的权重,提高检索简历的准确度。
本发明实施例提供一种简历搜索方法,包括:
接收用于从简历数据库中进行简历搜索的关键词和相关词集;其中,所述相关词集记载有多个相关词,以及每一个相关词与所述关键词的相关度;
根据每一个相关词与所述关键词的相关度,计算出在进行简历搜索时每一个相关词所占的权重值及所述关键词所占的权重值;
将所述关键词、所述关键词所占的权重值、所述每一个相关词和所述每一个相关词所占的权重值提交给搜索引擎,以从所述简历数据库中搜索出简历。
进一步地,所述根据每一个相关词与所述关键词的相关度,计算出在进行简历搜索时每一个相关词所占的权重值及所述关键词所占的权重值,具体为:
根据基准分值公式计算出所述相关词集中第i个相关词的基准分值Si;其中,ri为所述相关词集中的第i个相关词的相关度;rmin为所述相关词集所记载的所有相关词的相关度的最小值;rmax为所述所有相关词的相关度的最大值;
对所述所有相关词的基准分值进行求和,获得基准分值总值sum;
根据第一权重公式WA=5+log1.5(sum+1),计算出所述关键词在进行简历搜索时所占的权重值WA;其中,A为所述关键词;
判断所述第i个相关词的基准分值是否大于WA/n;若是,则根据第二权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;若否,则根据第三权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;其中,n为权重系数,k为所述相关词集中的相关词的数量。
再进一步地,在所述判断所述第i个相关词的基准分值是否大于WA/n之前,还包括:
根据均值公式计算基准分值均值其中,为所述所有相关词的相关度的平均值;
对于所述相关词集中的第i个相关词,判断所述第i个相关词的基准分值Si是否大于所述基准分值均值
若是,通过更新公式更新所述第i个相关词的基准分值Si。
更进一步地,所述将所述关键词、所述关键词所占的的权重值、每一个相关词和所述每一个相关词所占的权重值提交给搜索引擎,以从所述简历数据库中搜索出简历,具体为:
根据搜索引擎的权重关联格式,将所述关键词所占的权重值和所述关键词相关联作为第一组合,以及将所述每一个相关词所占的权重值与其对应的相关词相关联作为第二组合;
将所述第一组合和所述第二组合提交给搜索引擎,以供所述搜索引擎从所述简历数据库中搜索出简历,并根据所述搜索引擎内置的排序算法显示搜索出的简历;其中,所述简历中包含的所述关键词和所述每一个相关词以高亮形式显示。
相应地,本发明实施例还提供一种简历搜索装置,包括:
接收模块,用于接收用于从简历数据库中进行简历搜索的关键词和相关词集;其中,所述相关词集记载有多个相关词,以及每一个相关词与所述关键词的相关度;
权重计算模块,用于根据每一个相关词与所述关键词的相关度,计算出在进行简历搜索时每一个相关词所占的权重值及所述关键词所占的权重值;
搜索模块,用于将所述关键词、所述关键词所占的权重值、所述每一个相关词和所述每一个相关词所占的权重值提交给搜索引擎,以从所述简历数据库中搜索出简历。
进一步地,所述权重计算模块具体包括:
基准分值计算单元,用于根据基准分值公式计算出所述相关词集中第i个相关词的基准分值Si;其中,ri为所述相关词集中的第i个相关词的相关度;rmin为在所述相关词集中所记载的所有相关词的相关度的最小值;rmax为在所述所有相关词的相关度的最大值;
求和计算单元,用于对所述所有相关词的基准分值进行求和,获得基准分值总值sum;
关键词权重计算单元,用于根据第一权重公式WA=5+log1.5(sum+1),计算出所述关键词在进行简历搜索时所占的权重值WA;其中,A为所述关键词;
相关词权重计算单元,用于判断所述第i个相关词的基准分值是否大于WA/n;若是,则根据第二权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;若否,则根据第三权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;其中,n为权重系数;k为所述相关词集中的相关词的数量。
再进一步地,所述权重计算模块还包括:
均值计算单元,用于在所述判断所述第i个相关词的基准分值是否大于WA/n之前,根据均值公式计算基准分值均值其中,为所述所有相关词的相关度的平均值;
判断单元,用于对于所述相关词集中的第i个相关词,判断所述第i个相关词的基准分值Si是否大于所述基准分值均值
更新单元,用于当判断所述第i个相关词的基准分值Si大于所述基准分值均值时,通过更新公式更新所述第i个相关词的基准分值Si。
更进一步地,所述搜索模块具体包括:
权重相联单元,用于根据搜索引擎的权重关联格式,将所述关键词所占的权重值和所述关键词相关联作为第一组合,以及将所述每一个相关词所占的权重值与其对应的相关词相关联作为第二组合;
搜索显示单元,用于将所述第一组合和所述第二组合提交给搜索引擎,以供所述搜索引擎从所述简历数据库中搜索出简历,并根据所述搜索引擎内置的排序算法显示搜索出的简历;其中,所述简历中包含的所述关键词和所述每一个相关词以高亮形式显示。
实施本发明实施例,具有如下有益效果:
本发明实施例提供的简历搜索方法和装置,通过划分关键词和相关词在简历搜索过程中所占的权重值,使得既能通过相关词检索到的简历,同时也能泛化关键词,突出关键词在检索过程中的主体地位,从而在检索过程中可以更准确地找到与关键词对应领域下匹配的简历,使得检索出来的简历更为合理。
附图说明
图1是本发明提供的简历搜索方法的一个实施例的流程示意图;
图2是本发明提供的简历搜索装置的一个实施例的结构示意图;
图3是本发明提供的简历搜索装置的权重计算模块的一个实施例的结构示意图;
图4是本发明提供的简历搜索装置的搜索模块的一个实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参见图1,是本发明提供的简历搜索方法的一个实施例的流程示意图,该方法包括步骤S1至S3,具体如下:
S1,接收用于从简历数据库中进行简历搜索的关键词和相关词集;其中,所述相关词集记载有多个相关词,以及每一个相关词与所述关键词的相关度;
S2,根据每一个相关词与所述关键词的相关度,计算出在进行简历搜索时每一个相关词所占的权重值及所述关键词所占的权重值;
S3,将所述关键词、所述关键词所占的权重值、所述每一个相关词和所述每一个相关词所占的权重值提交给搜索引擎,以从所述简历数据库中搜索出简历。
在具体实施时,上述步骤S2的实施方式如下:
根据基准分值公式计算出所述相关词集中第i个相关词的基准分值Si;其中,ri为所述相关词集中的第i个相关词的相关度;rmin为在所述相关词集中所记载的所有相关词的相关度的最小值;rmax为在所述所有相关词的相关度的最大值;
对所述所有相关词的基准分值进行求和,获得基准分值总值sum;
根据第一权重公式WA=5+log1.5(sum+1),计算出所述关键词在进行简历搜索时所占的权重值WA;其中,A为所述关键词;
判断所述第i个相关词的基准分值是否大于WA/n;若是,则根据第二权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;若否,则根据第三权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;其中,n为权重系数,k为所述相关词集中的相关词的数量。
需要说明的是,计算相关词集中每个相关词的基准分值的目的是将相关词的相关度基于同一个基准,以一个分值的形式,表示该相关词与关键词的相关程度,该基准值优选为rmax-rmin+1;第一权重公式采用对数形式的公式,在基准分值总值增长过快时,关键词的权重值仍保持缓和增长,因而,可以在相关词相对较多的情况下,避免关键词所占权重过大这种情况的出现;在进行相关词的权重计算时,分别采用第二权重公式和第三权重公式进行计算,是考虑到当相关词的基准分值过大和过小这两种情况出现时,避免计算出该相关词的权重值大于关键词的权重值,或者是大大小于关键词的权重值,也就是说在检索简历过程中,能避免相关词过多把关键词淹没、以及出现关键词过于突出的情况;权重系数的设置,来源于该相关词是从多少个词库中获取相关词的而决定,例如,从一个词库中获取相关词,则n的取值为2;分别从两个词库中获取相关词,则n的取值为4。
再进一步地,在上述步骤S2的实施方式中的在所述判断所述第i个相关词的基准分值是否大于WA/n之前,还包括:
根据均值公式计算基准分值均值其中,为所述所有相关词的相关度的平均值;
对于所述相关词集中的第i个相关词,判断所述第i个相关词的基准分值Si是否大于所述基准分值均值
若是,通过更新公式更新所述第i个相关词的基准分值Si。
需要说明的是,将该相关词集中的相关词的相关度均值基于同一个基准,且该基准与上述基准相同,目的是以一个分值的形式,表示该相关词集与关键词的平均相关程度;当一个相关词与关键词的相关程度(即基准分值)大于该相关词集与关键词的平均相关程度(即,基准分值均值)时,可将该相关词与关键词的相关程度,与该相关词集与关键词的平均相关程度两个相关程度的差异值放大10倍作为该相关词与关键词的相关程度的分值;反之,则保持该相关词与关键词的相关程度的原分值,这种方式更能确切地表达该相关词与关键词的相关程度。
更进一步地,上述步骤S3的具体实施方式为:
根据搜索引擎的权重关联格式,将所述关键词所占的权重值和所述关键词相关联作为第一组合,以及将所述每一个相关词所占的权重值与其对应的相关词相关联作为第二组合;
将所述第一组合和所述第二组合提交给搜索引擎,以供所述搜索引擎从所述简历数据库中搜索出简历,并根据所述搜索引擎内置的排序算法显示搜索出的简历;其中,所述简历中包含的所述关键词和所述每一个相关词以高亮形式显示。
需要说明的是,一般采用的搜索引擎为solr搜索引擎,则上述权重关联格式,可依据如下格式进行关联:关键词^关键词权重、相关词1^相关词1权重、相关词2^相关词2权重……
实施本发明实施例的简历搜索方法,通过调整相关词与关键词的相关程度,使相关词与关键词之间的关系更为合理,并依据表示该相关程度的基准分值计算出关键词和相关词在简历搜索过程中所占的权重值,使得既能通过相关词检索到的简历,同时也能泛化关键词,突出关键词在检索过程中的主体地位,从而在检索过程中可以更准确地找到与关键词对应领域下匹配的简历,使得检索出来的简历更为合理。
相应地,参见图2,是本发明提供的简历搜索装置的一个实施例的结构示意图,该简历搜索装置,包括:
接收模块10,用于接收用于从简历数据库中进行简历搜索的关键词和相关词集;其中,所述相关词集记载有多个相关词,以及每一个相关词与所述关键词的相关度;
权重计算模块20,用于根据每一个相关词与所述关键词的相关度,计算出在进行简历搜索时每一个相关词所占的权重值及所述关键词所占的权重值;
搜索模块30,用于将所述关键词、所述关键词所占的的权重值、所述每一个相关词和所述每一个相关词所占的权重值提交给搜索引擎,以从所述简历数据库中搜索出简历。
进一步地,如图3所示,图3是本发明提供的简历搜索装置的权重计算模块的一个实施例的结构示意图,所述权重计算模块20具体包括:
基准分值计算单元21,用于根据基准分值公式计算出所述相关词集中第i个相关词的基准分值Si;其中,ri为所述相关词集中的第i个相关词的相关度;rmin为在所述相关词集中所记载的所有相关词的相关度的最小值;rmax为在所述所有相关词的相关度的最大值;
求和计算单元22,用于对所述所有相关词的基准分值进行求和,获得基准分值总值sum;
关键词权重计算单元23,用于根据第一权重公式WA=5+log1.5(sum+1),计算出所述关键词在进行简历搜索时所占的权重值WA;其中,A为所述关键词;
相关词权重计算单元24,用于判断所述第i个相关词的基准分值是否大于WA/n;若是,则根据第二权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;若否,则根据第三权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;其中,n为权重系数;k为所述相关词集中的相关词的数量。
再进一步地,所述权重计算模块还包括:
均值计算单元25,用于在所述判断所述第i个相关词的基准分值是否大于WA/n之前,根据均值公式计算基准分值均值其中,为所述所有相关词的相关度的平均值;
判断单元26,用于对于所述相关词集中的第i个相关词,判断所述第i个相关词的基准分值Si是否大于所述基准分值均值
更新单元27,用于当判断所述第i个相关词的基准分值Si是大于所述基准分值均值时,通过更新公式更新所述第i个相关词的基准分值Si。
更进一步地,如图4所示,图4是本发明提供的简历搜索装置的搜索模块的一个实施例的结构示意图;所述搜索模块30具体包括:
权重相联单元31,用于根据搜索引擎的权重关联格式,将所述关键词所占的权重值和所述关键词相关联作为第一组合,以及将所述每一个相关词所占的权重值与其对应的相关词相关联作为第二组合;
搜索显示单元32,用于将所述第一组合和所述第二组合提交给搜索引擎,以供所述搜索引擎从所述简历数据库中搜索出简历,并根据所述搜索引擎内置的排序算法显示搜索出的简历;其中,所述简历中包含的所述关键词和所述每一个相关词以高亮形式显示。
实施本发明实施例的简历搜索装置,通过调整相关词与关键词的相关程度,使相关词与关键词之间的关系更为合理,并依据表示该相关程度的基准分值计算出关键词和相关词在简历搜索过程中所占的权重值,使得既能通过相关词检索到的简历,同时也能泛化关键词,突出关键词在检索过程中的主体地位,从而在检索过程中可以更准确地找到与关键词对应领域下匹配的简历,使得检索出来的简历更为合理。
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,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (8)
1.一种简历搜索方法,其特征在于,包括:
接收用于从简历数据库中进行简历搜索的关键词和相关词集;其中,所述相关词集记载有多个相关词,以及每一个相关词与所述关键词的相关度;
根据每一个相关词与所述关键词的相关度,计算出在进行简历搜索时每一个相关词所占的权重值及所述关键词所占的权重值;
将所述关键词、所述关键词所占的权重值、所述每一个相关词和所述每一个相关词所占的权重值提交给搜索引擎,以从所述简历数据库中搜索出简历。
2.如权利要求1所述简历搜索方法,其特征在于,所述根据每一个相关词与所述关键词的相关度,计算出在进行简历搜索时每一个相关词所占的权重值及所述关键词所占的权重值,具体为:
根据基准分值公式计算出所述相关词集中第i个相关词的基准分值Si;其中,ri为所述相关词集中的第i个相关词的相关度;rmin为所述相关词集所记载的所有相关词的相关度的最小值;rmax为所述所有相关词的相关度的最大值;
对所述所有相关词的基准分值进行求和,获得基准分值总值sum;
根据第一权重公式WA=5+log1.5(sum+1),计算出所述关键词在进行简历搜索时所占的权重值WA;其中,A为所述关键词;
判断所述第i个相关词的基准分值是否大于WA/n;若是,则根据第二权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;若否,则根据第三权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;其中,n为权重系数,k为所述相关词集中的相关词的数量。
3.如权利要求2所述的简历搜索方法,其特征在于,在所述判断所述第i个相关词的基准分值是否大于WA/n之前,还包括:
根据均值公式计算基准分值均值其中,为所述所有相关词的相关度的平均值;
对于所述相关词集中的第i个相关词,判断所述第i个相关词的基准分值Si是否大于所述基准分值均值
若是,通过更新公式更新所述第i个相关词的基准分值Si。
4.如权利要求1所述的简历搜索方法,其特征在于,所述将所述关键词、所述关键词所占的权重值、每一个相关词和所述每一个相关词所占的权重值提交给搜索引擎,以从所述简历数据库中搜索出简历,具体为:
根据搜索引擎的权重关联格式,将所述关键词所占的权重值和所述关键词相关联作为第一组合,以及将所述每一个相关词所占的权重值与其对应的相关词相关联作为第二组合;
将所述第一组合和所述第二组合提交给搜索引擎,以供所述搜索引擎从所述简历数据库中搜索出简历,并根据所述搜索引擎内置的排序算法显示搜索出的简历;其中,所述简历中包含的所述关键词和所述每一个相关词以高亮形式显示。
5.一种简历搜索装置,其特征在于,包括:
接收模块,用于接收用于从简历数据库中进行简历搜索的关键词和相关词集;其中,所述相关词集记载有多个相关词,以及每一个相关词与所述关键词的相关度;
权重计算模块,用于根据每一个相关词与所述关键词的相关度,计算出在进行简历搜索时每一个相关词所占的权重值及所述关键词所占的权重值;
搜索模块,用于将所述关键词、所述关键词所占的权重值、所述每一个相关词和所述每一个相关词所占的权重值提交给搜索引擎,以从所述简历数据库中搜索出简历。
6.如权利要求5所述简历搜索装置,其特征在于,所述权重计算模块具体包括:
基准分值计算单元,用于根据基准分值公式计算出所述相关词集中第i个相关词的基准分值Si;其中,ri为所述相关词集中的第i个相关词的相关度;rmin为在所述相关词集中所记载的所有相关词的相关度的最小值;rmax为在所述所有相关词的相关度的最大值;
求和计算单元,用于对所述所有相关词的基准分值进行求和,获得基准分值总值sum;
关键词权重计算单元,用于根据第一权重公式WA=5+log1.5(sum+1),计算出所述关键词在进行简历搜索时所占的权重值WA;其中,A为所述关键词;
相关词权重计算单元,用于判断所述第i个相关词的基准分值是否大于WA/n;若是,则根据第二权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;若否,则根据第三权重公式计算出所述第i个相关词在进行简历搜索时所占的权重值Wi;其中,n为权重系数;k为所述相关词集中的相关词的数量。
7.如权利要求6所述的简历搜索装置,其特征在于,所述权重计算模块还包括:
均值计算单元,用于在所述判断所述第i个相关词的基准分值是否大于WA/n之前,根据均值公式计算基准分值均值其中,为所述所有相关词的相关度的平均值;
判断单元,用于对于所述相关词集中的第i个相关词,判断所述第i个相关词的基准分值Si是否大于所述基准分值均值
更新单元,用于当判断所述第i个相关词的基准分值Si大于所述基准分值均值时,通过更新公式更新所述第i个相关词的基准分值Si。
8.如权利要求5所述的简历搜索装置,其特征在于,所述搜索模块具体包括:
权重相联单元,用于根据搜索引擎的权重关联格式,将所述关键词所占的权重值和所述关键词相关联作为第一组合,以及将所述每一个相关词所占的权重值与其对应的相关词相关联作为第二组合;
搜索显示单元,用于将所述第一组合和所述第二组合提交给搜索引擎,以供所述搜索引擎从所述简历数据库中搜索出简历,并根据所述搜索引擎内置的排序算法显示搜索出的简历;其中,所述简历中包含的所述关键词和所述每一个相关词以高亮形式显示。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610445490.5A CN106095982B (zh) | 2016-06-17 | 2016-06-17 | 简历搜索方法及装置 |
PCT/CN2016/113161 WO2017215243A1 (zh) | 2016-06-17 | 2016-12-29 | 简历搜索方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610445490.5A CN106095982B (zh) | 2016-06-17 | 2016-06-17 | 简历搜索方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106095982A true CN106095982A (zh) | 2016-11-09 |
CN106095982B CN106095982B (zh) | 2019-03-29 |
Family
ID=57237572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610445490.5A Active CN106095982B (zh) | 2016-06-17 | 2016-06-17 | 简历搜索方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106095982B (zh) |
WO (1) | WO2017215243A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107357917A (zh) * | 2017-07-20 | 2017-11-17 | 北京拉勾科技有限公司 | 一种简历搜索方法及计算设备 |
WO2017215245A1 (zh) * | 2016-06-17 | 2017-12-21 | 广州视源电子科技股份有限公司 | 简历搜索方法和装置 |
WO2017215243A1 (zh) * | 2016-06-17 | 2017-12-21 | 广州视源电子科技股份有限公司 | 简历搜索方法及装置 |
CN108021641A (zh) * | 2017-11-29 | 2018-05-11 | 有米科技股份有限公司 | 应用的关联关键词拓展的方法和装置 |
CN110084571A (zh) * | 2019-05-08 | 2019-08-02 | 软通智慧科技有限公司 | 一种简历筛选方法、装置、服务器和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007034874A (ja) * | 2005-07-29 | 2007-02-08 | Nomura Research Institute Ltd | 検索システム及び検索方法 |
CN103425687A (zh) * | 2012-05-21 | 2013-12-04 | 阿里巴巴集团控股有限公司 | 一种基于关键词的检索方法和系统 |
CN104216931A (zh) * | 2013-05-29 | 2014-12-17 | 酷盛(天津)科技有限公司 | 实时推荐系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106095982B (zh) * | 2016-06-17 | 2019-03-29 | 广州视源电子科技股份有限公司 | 简历搜索方法及装置 |
CN105956195B (zh) * | 2016-06-17 | 2019-03-29 | 广州视源电子科技股份有限公司 | 简历搜索方法和装置 |
CN106126589B (zh) * | 2016-06-17 | 2018-05-22 | 广州视源电子科技股份有限公司 | 简历搜索方法及装置 |
-
2016
- 2016-06-17 CN CN201610445490.5A patent/CN106095982B/zh active Active
- 2016-12-29 WO PCT/CN2016/113161 patent/WO2017215243A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007034874A (ja) * | 2005-07-29 | 2007-02-08 | Nomura Research Institute Ltd | 検索システム及び検索方法 |
CN103425687A (zh) * | 2012-05-21 | 2013-12-04 | 阿里巴巴集团控股有限公司 | 一种基于关键词的检索方法和系统 |
CN104216931A (zh) * | 2013-05-29 | 2014-12-17 | 酷盛(天津)科技有限公司 | 实时推荐系统及方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017215245A1 (zh) * | 2016-06-17 | 2017-12-21 | 广州视源电子科技股份有限公司 | 简历搜索方法和装置 |
WO2017215243A1 (zh) * | 2016-06-17 | 2017-12-21 | 广州视源电子科技股份有限公司 | 简历搜索方法及装置 |
CN107357917A (zh) * | 2017-07-20 | 2017-11-17 | 北京拉勾科技有限公司 | 一种简历搜索方法及计算设备 |
CN108021641A (zh) * | 2017-11-29 | 2018-05-11 | 有米科技股份有限公司 | 应用的关联关键词拓展的方法和装置 |
CN108021641B (zh) * | 2017-11-29 | 2019-07-19 | 有米科技股份有限公司 | 应用的关联关键词拓展的方法和装置 |
CN110084571A (zh) * | 2019-05-08 | 2019-08-02 | 软通智慧科技有限公司 | 一种简历筛选方法、装置、服务器和介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2017215243A1 (zh) | 2017-12-21 |
CN106095982B (zh) | 2019-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106095982A (zh) | 简历搜索方法及装置 | |
CN106126589A (zh) | 简历搜索方法及装置 | |
Vlachou et al. | Identifying the most influential data objects with reverse top-k queries | |
US9141728B2 (en) | Methods and systems for creating and using an adaptive thesaurus | |
US8923655B1 (en) | Using senses of a query to rank images associated with the query | |
US20060248074A1 (en) | Term-statistics modification for category-based search | |
CN105975596A (zh) | 一种搜索引擎查询扩展的方法及系统 | |
TW201348991A (zh) | 搜尋方法和系統 | |
CN104994424B (zh) | 一种构建音视频标准数据集的方法和装置 | |
CN105956195B (zh) | 简历搜索方法和装置 | |
Hagen et al. | The power of naive query segmentation | |
US9251289B2 (en) | Matching target strings to known strings | |
CN104462399B (zh) | 搜索结果的处理方法及装置 | |
US20190325212A1 (en) | Method, electronic device and computer program product for categorization for document | |
US10521437B2 (en) | Resource portfolio processing method, device, apparatus and computer storage medium | |
Pang et al. | Efficient processing of exact top-k queries over disk-resident sorted lists | |
CN105320764A (zh) | 一种基于增量慢特征的3d模型检索方法及其检索装置 | |
JP2011221872A (ja) | 知識量推定装置及びプログラム | |
Liu et al. | App relationship calculation: An iterative process | |
TW201335770A (zh) | 關聯詞彙搜索系統及方法 | |
CN110362813B (zh) | 基于bm25的搜索相关性度量方法、存储介质、设备及系统 | |
Levandoski et al. | Flexible and extensible preference evaluation in database systems | |
Jiang et al. | Pitt at TREC 2013: Different Effects of Click-through and Past Queries on Whole-session Search Performance. | |
CN104008146B (zh) | 一种基于共同视觉模式的图像查询扩展方法及系统 | |
Paulsen et al. | Combining latent semantic indexing and clustering to retrieve and cluster biomedical information: A 2-step approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |