CN108460581A - 一种信息反馈方法及装置 - Google Patents

Abstract

本发明实施例提供了一种信息反馈方法，包括：基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立第一筛选偏好模型；基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立第二筛选偏好模型；对于第二筛选者所查看的与第一筛选者关联的历史面试记录，根据第一筛选偏好模型和第二偏好模型确定偏好相似度。本发明实施例同时公开了一种信息反馈装置。通过本发明实施例的方案实现了在隐去敏感信息的同时为人才筛选者提供对历史面试记录的参考反馈信息。

Description

一种信息反馈方法及装置

技术领域

本发明涉及互联网领域，特别涉及一种信息反馈方法及装置。

背景技术

近年来，随着互联网技术的发展，人才招聘市场的互联网化早已成为主流。大型综合招聘网站(如51Job，智联招聘)和互联网行业垂直招聘网站(如拉钩，Boss直聘)覆盖了大部分的中高端求职人群。这类网站系统部署在云端，可以同时为多家企业提供招聘管理服务。

这类网站系统能够获得多家企业的求职者面试记录，并根据同一求职者的身份信息合并。如果一个招聘网站系统的客户覆盖度足够高，理论上有能力获得任一求职者在职业生涯中在不同企业和不同职位的所有面试记录，如果将这些面试记录提供给企业的求职者筛选人，对于提高筛选效率会产生巨大的帮助。

实践中，在向筛选人展示求职者的所有历史面试记录细节信息的情况下，这些细节信息中包括的面试官相关信息可为筛选人提供一定的参考度，如面试官的所属单位等。然而，如历史面试记录细节信息中包括了面试官个人信息，这种展示方式就会存在个人隐私信息泄露的问题。

发明内容

有鉴于此，本发明实施例提出了一种信息反馈方法及装置，用于解决在为筛选人提供对历史面试记录的反馈时会泄露相关人员隐私信息的问题。

一方面，本发明实施例提供了一种信息反馈方法，包括：基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立第一筛选偏好模型；基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立第二筛选偏好模型；对于第二筛选者所查看的与第一筛选者关联的历史面试记录，根据第一筛选偏好模型和第二偏好模型确定偏好相似度。

可选地，基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立第一筛选偏好模型第一筛选偏好模型包括：基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立N个第一筛选偏好模型；基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立第二筛选偏好模型包括：基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立N个第二筛选偏好模型，其中N为大于等于2的正整数；根据第一筛选偏好模型和第二偏好模型确定偏好相似度包括：分别计算N个第一筛选偏好模型中的每个第一筛选偏好模型与和N个第二筛选偏好模型中对应的第二筛选偏好模型之间的相似度并进行加权和得到所述偏好相似度。

可选地，所述方法还包括：获取所述历史面试记录的发布时间信息，根据所述发布时间信息确定时间衰减系数；基于所述偏好相似度和所述时间衰减系数计算参考度值。

可选地，所述方法还包括：将历史面试记录按照偏好相似度和/或参考度值进行排序。

可选地，基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立N个第一筛选偏好模型包括：基于与第一筛选者关联的每个第一简历反馈数据所对应的简历的第一评分值为第一筛选者建立第一偏好模型作为所述N个第一筛选偏好模型中的一个第一筛选偏好模型；基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立N个第二筛选偏好模型包括：基于与第二筛选者关联的每个第二简历反馈数据所对应的简历的第二评分值为第二筛选者建立第二偏好模型作为所述N个第二筛选偏好模型中的一个第二筛选偏好模型。

可选地，基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立N个第一筛选偏好模型包括：基于与第一筛选者关联的每个第一简历反馈数据所对应的简历的第一评分值和特征信息，为第一筛选者建立第三偏好模型作为所述N个第一筛选偏好模型中的一个第一筛选偏好模型；基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立N个第二筛选偏好模型包括：基于与第二筛选者关联的每个第二简历反馈数据所对应的简历的第二评分值和特征信息，为第二筛选者建立第四偏好模型作为所述N个第二筛选偏好模型中的一个第二筛选偏好模型。

可选地，所述方法还包括：基于与第一筛选者关联的第三简历反馈数据所对应的简历的评分值调整第一偏好模型，基于与第二筛选者关联的第四简历反馈数据所对应的简历的评分值调整第二偏好模型。

可选地，所述方法还包括：基于目标简历的评分值，调整所述第一偏好模型和第二偏好模型，其中，所述目标简历为所述第一评分值或所述第二评分值的生成时间超出预定时间阈值的简历。

可选地，所述方法还包括：基于与第一筛选者关联的第三简历反馈数据所对应的简历的评分值和特征信息，调整所述第三偏好模型；基于与第二筛选者关联的第四简历反馈数据所对应的简历的评分值和特征信息，调整所述第四偏好模型。

可选地，所述方法还包括：基于目标简历的第一评分值和特征信息调整第三偏好模型，和/或基于目标简历的第二评分值和特征信息调整第四偏好模型，其中，目标简历为所述第一简历反馈数据和/或第二简历反馈数据的生成时间超出预定时间阈值的简历。

可选地，根据第一简历反馈数据和第二简历反馈数据所对应的筛选阶段，确定第一简历反馈数据所对应的简历的第一评分值和第二简历反馈数据所对应的简历的第二评分值。

可选地，所述第一简历反馈数据所对应的简历和第二简历反馈数据所对应的简历与第一职位信息和/或反馈时间信息相关联。

另一方面，本发明实施例还提供了一种信息反馈装置，包括：第一生成单元，其配置为基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立第一筛选偏好模型；第二生成单元，其配置为基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立第二筛选偏好模型；确定单元，其配置为对于第二筛选者所查看的与第一筛选者关联的历史面试记录，根据第一筛选偏好模型和第二偏好模型确定偏好相似度。

再一方面，本发明实施例提出了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机可执行指令，所述计算机可执行指令在计算机上运行时执行上述任一实施例的信息反馈方法。

又一方面，本发明实施例提出了一种电子设备，所述电子设备包括至少一个处理器，所述处理器配置为执行预定的计算机可执行指令以执行上述任一实施例的信息反馈方法。

通过本发明实施例，根据筛选者的偏好数据为查看该筛选者作出的面试记录的其他筛选者提供有效的参考信息，同时其他筛选者不能看到该筛选者的个人隐私信息，实现了在隐去敏感信息的同时为人才筛选者提供对历史面试记录的参考反馈信息。

附图说明

图1为本发明的信息反馈方法的一个实施例的示意性流程图；

图2为本发明的信息反馈方法的一个实施例的示意性流程图；

图3为本发明的信息反馈方法的另一个实施例的示意性流程图；

图4为本发明的信息反馈方法的再一个实施例的示意性流程图；

图5为本发明的信息反馈方法的又一个实施例的示意性流程图；

图6为本发明的信息反馈方法的一个实施例的示意性流程图；

图7为本发明的信息反馈方法的另一个实施例的示意性流程图；

图8为本发明的信息反馈方法的再一个实施例的示意性流程图；

图9为本发明的信息反馈方法的一个实施例的示意性流程图；

图10为本发明的电子设备的一个实施例的示意性框图。

具体实施方式

下面参照附图对本发明多个实施例进行说明。

图1为本发明的信息反馈方法的一个实施例的示意性流程图。

如图1所示，本发明实施例的信息反馈方法包括：

S10、基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立第一筛选偏好模型；

S11、基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立第二筛选偏好模型；

S12、对于第二筛选者所查看的与第一筛选者关联的历史面试记录，根据第一筛选偏好模型和第二偏好模型确定偏好相似度。

在本发明实施例中，第一筛选者通过登录招聘网站的服务端对来自多个候选求职者的多个简历进行查看来对候选求职者进行筛选，对于在不同程度上符合筛选者要求的求职者简历，第一筛选者可以对简历作出反馈动作，例如仅浏览详情、浏览详情后邀请面试、反馈已通过面试等。其中，仅浏览详情为被动反馈动作，第一筛选者在浏览简历详情后如无面试意向，无需在界面上给出进一步倾向性反馈信息，服务端即可形成表示第一筛选者仅浏览了简历详情而无后续意向的第一反馈数据；浏览详情后邀请面试为主动反馈动作，第一筛选者在浏览简历详情后产生面试意向时，可以主动操作界面上与该简历对应的例如邀请面试按钮等控件，触发服务端生成表示第一筛选者浏览了简历详情后发出了面试邀请的第一反馈数据；反馈已通过面试也属于主动反馈动作，第一筛选者在对邀请面试的求职者进行面试后，可主动登录网站服务端在该求职者的简历界面相应反馈栏中填写对该求职者的面试相关的反馈评论，触发服务端生成表示第一筛选者对该求职者的面试已通过的第一反馈数据，触发服务端并生成该求职者的与第一筛选者相关联的历史面试记录，该历史面试记录中可包括该求职者的基本信息、面试时间、第一筛选者标识信息、第一筛选者提供的对该求职者反馈评论等。

需要说明的是，同一简历的反馈数据表示的筛选阶段是唯一的，例如，对于反馈数据为浏览简历后邀请面试的简历，如果投递该简历的求职者参加面试后获得通过，且第一筛选者提交了关于面试通过的反馈信息，则服务端自动将该简历的反馈数据更新为表示通过面试的反馈数据。

对于第一筛选者做出过反馈动作的简历，可分别获取表示第一筛选者对其作出的反馈动作的第一简历反馈数据，基于第一简历反馈数据为第一筛选者建立第一筛选偏好模型。类似地，对于第二筛选者做出过反馈动作的简历，也可分别获取表示第二筛选者对其作出的反馈动作的第二简历反馈数据，基于第二简历反馈数据为第二筛选者建立第二筛选偏好模型。

当第二筛选者查看与第一筛选者关联的历史面试记录时，可以根据第一筛选偏好模型和第二偏好模型确定偏好相似度，得到直观的参考度结果。

通过本发明实施例，第二筛选者在招聘网站查看某个求职者的各个历史面试记录期间，对基于第一筛选者针对该求职者作出的面试反馈评论而生成的一条历史面试记录产生了兴趣时(例如第一筛选者对该求职者的评价很高)，可以根据第一筛选者与自己的偏好相似度，来确定该历史面试记录的参考程度，有效地实现了在隐去敏感信息的同时为人才筛选者提供对历史面试记录的参考反馈信息。

图2为本发明的信息反馈方法的一个实施例的示意性流程图。

如图2所示，本发明实施例的信息反馈方法包括：

S110、获取第一反馈数据，第一反馈数据基于第一筛选者对至少一个第一简历的反馈动作生成；

S111、基于第一反馈数据为对应的第一简历设置评分值，并对第一简历抽取特征信息；

S112、基于第一简历的评分值和特征信息，为第一筛选者建立第一偏好特征信息集；

S113、对于第二筛选者所查看的与第一筛选者关联的每一历史面试记录，基于第一偏好特征信息集与第二筛选者的第二偏好特征信息集确定偏好相似度。

本发明实施例中在设置评分值时，可以根据第一反馈数据对应的筛选阶段，为相应的第一简历设置与该筛选阶段对应的评分值。例如，对于表示仅浏览了简历详情但未邀请面试的第一反馈数据，可为与其相应的第一简历设置数值为-1分的评分；对于表示浏览了简历详情后邀请了面试的第一反馈数据，可为与其相应的第一简历设置数值为3分的评分；对于表示通过了面试的第一反馈数据，可以为与其相应的第一简历设置数值为5分的评分。

本发明实施例中为第一简历设置评分值的方式不限于为第一简历直接设置与筛选阶段对应的分值，其他设置评分值的方式可以例如包括但不限于，基于各第一反馈数据，并根据第一筛选者对各个第一简历的标注信息或评价信息，为各第一简历设置评分值。例如，对于某些第一简历，其第一反馈数据表示第一筛选者仅浏览了简历详情而未邀请面试，但第一筛选者在该第一简历的界面上的标注部分备注了表示将该求职者作为候选人才的信息，则即使目前未邀请面试，也可以为该第一简历设置比未备注任何信息的情况更高的分值，例如2分；例如，对于某些第一简历，虽然其求职者通过了面试，但第一筛选者对该求职者的面试反馈信息中的评价比较一般，属于暂时录用该求职者的情况，则可以为该第一简历设置比面试反馈评价较高的情况更低的分值，例如4分。

对第一简历抽取特征信息的步骤可以是抽取一些关键的特征信息，例如学历信息、工作过的企业名称信息、技能信息等，具体抽取哪些特征信息可以由服务端自动选定，也可以由第一筛选者指定。

可基于各个第一简历的评分值和特征信息建立第一偏好特征信息集，该第一偏好特征集包括了从上述所有第一简历中抽取出的特征信息，这些特征信息中可以包括多个类，例如学历类，曾就业企业类，技能类等。在每个类下包括来自各个第一简历的不同的或者相同的属于该类下的多个特征信息，这些特征信息可以根据其所来自的第一简历的评分值的和进行排序。例如，在三份第一简历A、B和C中，简历A和B这两份中的毕业学校为上海交通大学，简历C中的毕业学校为南京大学，并且简历A、B和C的评分值分别是3、5和3，则由于特征信息“上海交通大学”对应于简历A和B的评分值的和，即8分，而特征信息“南京大学”对应于简历C的评分值，即3分，因此在第一偏好特征信息集中，在毕业学校类下，将上海交通大学的优先级设置为高于南京大学。

在本发明实施例中，为第一筛选者建立第一偏好特征信息集，并以类似的方式为第二筛选者建立第二偏好特征信息集。当第二筛选者查看基于第一筛选者的面试反馈生成的历史面试记录时，可以直接对第一偏好特征信息集和第二偏好特征信息集确定偏好相似度，得到直观的参考度结果。确定偏好相似度的方式例如分别计算第一偏好特征信息集和第二偏好特征信息集中的每个共有子特征在两个信息集的取值的差作为特征值，将共有子特征及其特征值构成一个相似偏好特征信息集，以便于第二筛选者直观地看到与第一筛选者之间的偏好相似度，例如当相似偏好特征信息集内的子特征越多且其特征值都较小时，可以确定两位筛选者的人才偏好相似度较高。

在本发明一个实施例中，在创建上述相似偏好特征信息集之后，还可以直接计算出一个偏好相似度值，例如将相似偏好特征信息集中的特征值低于预定阈值的子特征的比率作为偏好相似度值。在计算出偏好相似度值的情况下，可以将第二筛选者查看的历史面试记录按照该计算出的偏好相似度进行排序，第二筛选者可以取排序较高的那些历史面试记录来加以特别关注，从而在确保参考准确性的同时极大地提高了筛选简历的效率。可以理解的是，参加排序的多个历史面试记录并不一定要关联于同一个筛选者，在这些历史面试记录关联于不同筛选者的情况下，可以分别计算第二筛选者的偏好特征信息集与这些筛选者中的每位筛选者的偏好特征信息集之间的偏好相似度。

通过本发明实施例，第二筛选者在招聘网站查看某个求职者的各个历史面试记录期间，对基于第一筛选者针对该求职者作出的面试反馈评论而生成的一条历史面试记录产生了兴趣时(例如第一筛选者对该求职者的评价很高)，可以根据第一筛选者的第一偏好特征信息集和第二筛选者的第二偏好特征信息集确定第一筛选者的人才偏好是否与自己相似，来确定该历史面试记录的参考程度。如此，在第一筛选者的个人隐私信息不必表露在求职者的历史面试记录中的情况下，有效地实现了在隐去敏感信息的同时为人才筛选者提供对历史面试记录的参考反馈信息，而且本发明实施例的反馈方式与第二筛选者在历史面试记录中直接查看第一筛选者的个人信息来确定参考度的方式相比，能够提供更准确的筛选者个人偏好信息，从而能够为第二筛选者提供更有针对性的参考信息。

在本发明一个实施例中，建立第一偏好特征信息集的方式还可以包括直接将每个第一简历的评分值作为从该第一简历抽取的特征信息中每个特征信息的值，这里为了便于表述，将从第一简历中抽取的多个特征信息中的每个特征信息也称为子特征。例如，简历A的评分值为3，则将从上述简历A中抽取的毕业学校类子特征“上海交通大学”取值为3，曾就业企业类子特征“百度”取值为3；简历B的评分值为5，则将从上述简历B中抽取的毕业学校类子特征“上海交通大学”取值为5，曾就业企业类子特征“奇虎360”取值为5；简历C的评分值为3，则将从上述简历C中抽取的毕业学校类子特征“南京大学”取值为3，曾就业企业类子特征“百度”取值为3。随后，对从各第一简历中抽取的特征信息之间相同的子特征的值进行合并，将合并值作为该子特征在第一偏好特征信息集中的取值，例如子特征“上海交通大学”的合并值为8，“百度”的合并值为8。此外，将从各第一简历中抽取的特征信息中每个唯一的子特征的值直接作为该子特征在第一偏好特征信息集中的取值，例如子特征“南京大学”的取值仍为3，子特征“奇虎360”的取值仍为5。通过本发明实施例，可将第一偏好特征信息集呈现为序列形式，降低了排布上的要求，同时仍能比较直观地为第二筛选者展示第一筛选者的人才偏好信息。

图3为本发明的信息反馈方法的另一个实施例的示意性流程图。

如图3所示，本发明实施例的信息反馈方法包括：

S120、获取第一反馈数据，第一反馈数据基于第一筛选者对至少一个第一简历的反馈动作生成；

S121、基于第一反馈数据为对应的第一简历设置评分值，并对第一简历抽取特征信息；

S122、基于第一简历的评分值和特征信息，为第一筛选者建立第一偏好特征信息集；

S123、获取基于第一筛选者对第二简历作出的反馈动作生成的对应的第二反馈数据；

S124、基于第二反馈数据为第二简历设置评分值，并对第二简历抽取特征信息；

S125、基于第二简历的评分值和特征信息，调整所述第一偏好特征信息集。

在本发明实施例中，第一偏好特征信息集并非一经建立后就不再改动，而是可以基于与第一筛选者对更多的简历的反馈动作关联的反馈数据来进行调整。对于第一筛选者在处理完多个第一简历之后处理的第二简历，也可以使用与第一简历类似的处理方式，获取与第一筛选者对第二简历的反馈动作而生成的第二反馈数据，基于第二反馈数据为第二简历设置评分值，对第二简历抽取特征信息，并基于第二简历的评分值和特征信息来调整第一偏好特征信息集。例如，在简历A、B和C之后，第一筛选者又查看了简历D，并作出了邀请面试的反馈动作，则第二反馈数据表示对简历D的求职者邀请了面试。同时，从简历D中抽取的特征信息包括子特征“南京大学”和子特征“百度”，则可以根据简历D的评分值3，在第一偏好特征信息集中将子特征“南京大学”和子特征“百度”的排位各调高与评分3对应的位移。

在本发明另一实施例中，也可以将第二简历的评分值设置为从第二简历抽取的特征信息中每个子特征的值，将第二简历的各子特征中已经存在于第一偏好特征信息集中的那些子特征的原取值加上该设置值后作为该子特征在第一偏好特征信息集中的调整后的取值，并将第二简历的各子特征中未包含于第一偏好特征信息集中的子特征连带其设置值一同加入第一偏好特征信息集。

图4为本发明的信息反馈方法的再一个实施例的示意性流程图。

如图4所示，本发明实施例的信息反馈方法包括：

S130、获取第一反馈数据，第一反馈数据基于第一筛选者对至少一个第一简历的反馈动作生成；

S131、基于第一反馈数据为对应的第一简历设置评分值，并对第一简历抽取特征信息；

S132、基于第一简历的评分值和特征信息，为第一筛选者建立第一偏好特征信息集；

S133、基于目标第一简历的评分值和特征信息，调整所述第一偏好特征信息集。

在本发明实施例中，第一偏好特征信息集还可以基于多个第一简历的第一反馈数据中生成时间过久的第一反馈数据进行调整。其中，将多个第一简历的第一反馈数据中生成时间超出预定时间阈值的第一反馈数据对应的第一简历确定为目标第一简历，预定时间阈值例如可以是3个月、6个月、一年等。可以基于目标第一简历的评分值和特征信息来调整第一偏好特征信息集。例如，当预定时间阈值为6个月，而简历A、B和C中的简历A的第一反馈数据的生成时间已经超过了一年，可考虑从第一偏好特征信息集中将其影响值排除，根据简历A的子特征“上海交通大学”及其取值3，以及子特征“百度”及其取值3，可将调整量设定为3，在第一偏好特征信息集中将子特征“上海交通大学”和子特征“百度”的排位各降低与评分3对应的位移。

类似地，本发明实施例中对第一偏好特征信息集的调整也不会影响第二筛选者对历史面试记录中链接的点击操作。

在本发明另一实施例中，也可以根据目标第一简历的第一反馈数据的生成时间超出预定时间阈值的程度来确定用于从第一偏好特征信息集中调整目标第一简历的影响值的调整量。例如，当预定时间阈值为6个月，则在简历A的第一反馈数据的生成时间超过6个月未满7个月时，可将用于调整影响值的调整量对应地确定为1，该调整量为与简历A的评分值3相比较小的值，并在第一偏好特征信息集中将子特征“上海交通大学”和子特征“百度”的排位各降低与调整量对应的位移。

在本发明另一实施例中，第一偏好特征信息集中的子特征具有赋值且顺序排列时，可以将第一偏好特征信息集中的与目标第一简历(如简历A)的特征信息中共有的子特征的值减去上述调整量来进行调整。

在本发明各实施例中，对第一简历或第二简历抽取特征信息可以通过对简历抽取结构化信息来实施，所抽取的结构化信息可以分为多个类别，例如学历、毕业学校、曾就业企业、技能等各个类别的结构化信息。

图5为本发明的信息反馈方法的一个实施例的示意性流程图。

如图5所示，本发明实施例的信息反馈方法包括：

S210、基于第一筛选者对第一简历集中的每个第一简历的评分值，为第一筛选者建立第一偏好向量；

S211、基于第二筛选者对所述第一简历集中的每个第一简历的评分值，为第二筛选者建立第二偏好向量；

S212、对于第二筛选者所查看的与第一筛选者关联的历史面试记录，基于第一偏好向量和第二偏好向量确定偏好相似度。

在本发明实施例中，首先选取第一筛选者和第二筛选者均作出过反馈动作的简历作为第一简历，将一个或多个第一简历组成第一简历集，然后获取第一筛选者和第二筛选者对每个第一简历的评分值。其中，可将与基于第一筛选者作出的反馈动作生成的反馈数据和基于第二筛选者作出的反馈动作生成的反馈数据同时关联的简历确定为第一简历，或者直接将一个或多个随机选取的简历构成第一简历集，并请第一筛选者和第二筛选者对第一简历集内的每个第一简历进行评分。

作为评分值的一个示例，可以在选取第一简历的同时获得与第一简历关联的各个反馈数据，并以与前述实施例类似的方式根据与每个第一简历关联的反馈数据对应的筛选阶段和/或筛选者标注或评价信息来自动确定第一简历的评分值，由于反馈数据和标注/评价信息都是由筛选者根据自己的人才偏好确定的，所以评分值是综合考虑筛选者对第一简历的评价而给出的。

作为评分值的另一个示例，筛选者也可以直接对各第一简历给出评分值，这里，对于同一份第一简历，第一筛选者和第二筛选者根据自身的人才偏好接近与否，可能给出相同或者不同的评分值。

在获得第一筛选者和第二筛选者对第一简历集内每一第一简历的评分值后，可以基于这些评分值，为第一筛选者和第二筛选者分别建立第一偏好向量和第二偏好向量。

作为建立偏好向量的一个示例，可以通过将第一筛选者对第一简历集内每一第一简历的评分值按照与每一第一简历在第一简历集内的顺序对应的顺序排列形成第一偏好向量，形成第二偏好向量的方法类似。

作为另一个示例，当需要为多位筛选者建立偏好向量时，可以先根据每位筛选者对第一简历集内的每个第一简历的评分值构造一个对于第一简历集的反馈评分矩阵T_m,n，其中m表示筛选者的数量，n表示第一简历集内包含的第一简历的数量，在该矩阵中的每一数据项T_i,j表示第i位筛选者对第一简历集内第j个第一简历的评分值，1≤i≤m，且1≤j≤n。在反馈评分矩阵中，按照i是按行还是按列排序，矩阵中的第i行或第i列即为第i位筛选者的偏好向量。

在为第一筛选者和第二筛选者分别建立第一偏好向量和第二偏好向量后，当第二筛选者查看基于第一筛选者的面试反馈生成的历史面试记录时，可以基于第一偏好向量和第二偏好向量确定偏好相似度。作为一个示例，可以通过对第一偏好向量和第二偏好向量求内积的方式来计算偏好相似度，内积也称为标量积或点积，对两个向量计算的内积可以表示这两个向量之间的“夹角”，在本发明实施例中也就是偏好相似度。作为另一个示例，可以如前述实施例类似地，计算第一偏好向量和第二偏好向量中的对应的评分值之间的差得到一个评分差值序列，以便于第二筛选者直观地看到与第一筛选者之间的偏好相似度，例如当评分差值序列中的值都较小时，可以确定两位筛选者的人才偏好相似度较高，还可以直接计算出一个偏好相似度值，例如将评分差值序列中的值低于预定值的比率作为偏好相似度值。

在本发明一个实施例中，在计算出偏好相似度值后，可以将第二筛选者查看的历史面试记录按照该计算出的偏好相似度进行排序，第二筛选者可以取排序较高的那些历史面试记录来加以特别关注，从而在确保参考准确性的同时极大地提高了筛选简历的效率。可以理解的是，参加排序的多个历史面试记录并不一定要关联于同一个筛选者，在这些历史面试记录关联于不同筛选者的情况下，可以分别计算第二筛选者的偏好向量与这些筛选者中的每位筛选者的偏好向量之间的偏好相似度。

通过本发明实施例，第二筛选者在招聘网站查看某个求职者的各个历史面试记录期间，对基于第一筛选者针对该求职者作出的面试反馈评论而生成的一条历史面试记录产生了兴趣时(例如第一筛选者对该求职者的评价很高)，可以根据自己与第一筛选者的偏好向量计算的偏好相似度，确定第一筛选者的人才偏好是否与自己相似，从而确定该历史面试记录的参考程度。如此，有效地实现了在隐去敏感信息的同时为人才筛选者提供对历史面试记录的参考反馈信息，能够为第二筛选者提供更有针对性的参考信息。

图6为本发明的信息反馈方法的另一个实施例的示意性流程图。

如图6所示，本发明实施例的信息反馈方法包括：

S220、基于第一筛选者对第一简历集中的每个第一简历的评分值，为第一筛选者建立第一偏好向量；

S221、基于第二筛选者对所述第一简历集中的每个第一简历的评分值，为第二筛选者建立第二偏好向量；

S222基于第一筛选者对第二简历的评分值和第二筛选者对所述第二简历的评分值，调整第一偏好向量和第二偏好向量；

S223、对于第二筛选者所查看的与第一筛选者关联的历史面试记录，基于第一偏好向量和第二偏好向量确定偏好相似度。

在本发明实施例中，第一偏好向量和第二偏好向量并非一经建立后就不再改动，而是可以基于与第一筛选者和第二筛选者对更多的简历的评分来进行调整。对于第一简历集之外的第二简历，也可以以与第一简历类似的方式，获取第一筛选者和第二筛选者对第二简历的评分值，并基于该评分值来调整第一偏好向量和第二偏好向量，具体调整过程例如可以是将第一筛选者对第二简历的评分值添加到第一偏好向量的末尾或首位或其他预定位置，并将第二筛选者对第二简历的评分值添加到第二偏好向量的末尾或首位或其他预定位置，只要确保在第一偏好向量中的添加位置与在第二偏好向量中的添加位置相同即可。

图7为本发明的信息反馈方法的再一个实施例的示意性流程图。

如图7所示，本发明实施例的信息反馈方法包括：

S230、基于第一筛选者对第一简历集中的每个第一简历的评分值，为第一筛选者建立第一偏好向量；

S231、基于第二筛选者对所述第一简历集中的每个第一简历的评分值，为第二筛选者建立第二偏好向量；

S232、基于目标第一简历的评分值，调整第一偏好向量和第二偏好向量；

S233、对于第二筛选者所查看的与第一筛选者关联的历史面试记录，基于第一偏好向量和第二偏好向量确定偏好相似度。

在本发明实施例中，可以基于第一简历集内的所有第一简历的评分值中生成时间过久的评分值对第一和第二偏好向量进行调整。其中，将第一简历集内的所有第一简历的评分值生成时间超出预定时间阈值的评分值对应的第一简历确定为目标第一简历，预定时间阈值例如可以是3个月、6个月、一年等。例如，当预定时间阈值为6个月，而目标第一简历的评分值的生成时间已经超过了一年，可考虑从第一偏好向量和第二偏好向量中均将其评分值删除。

图8为本发明的信息反馈方法的一个实施例的示意性流程图。

如图8所示，本发明实施例的信息反馈方法包括：

S310、基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立N个第一筛选偏好模型；；

S311、基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立N个第二筛选偏好模型，其中N为大于等于2的正整数；

S312、分别计算N个第一筛选偏好模型中的每个第一筛选偏好模型与和N个第二筛选偏好模型中对应的第二筛选偏好模型之间的相似度并进行加权和得到所述偏好相似度。

在本发明实施例中，使用基于第一筛选者和第二筛选者对一个或多个简历作出的反馈动作生成的第一简历反馈数据和第二简历反馈数据，分别为第一筛选者和第二筛选者建立多个偏好模型，并在第二筛选者查看与第一筛选者关联的历史面试记录时，分别计算两位筛选者的对应偏好模型之间的相似度，并对计算出的所有相似度计算加权和，得到最终的偏好相似度。通过本发明的实施例，能够综合考虑筛选者的多维度的人才偏好，得到较为准确的偏好相似度值，为筛选者提供有效的参考信息。

在本发明一个实施例中，在第二筛选者要查看多份历史面试记录的情况下，可以将第二筛选者查看的历史面试记录按照该计算出的偏好相似度进行排序，第二筛选者可以取排序较高的那些历史面试记录来加以特别关注，从而在确保参考准确性的同时极大地提高了筛选简历的效率。

在本发明另一个实施例中，在计算出偏好相似度之后，还获取第二筛选者所查看的历史面试记录的发布时间信息，根据该发布时间信息确定一个时间衰减系数，再基于所计算的偏好相似度和所确定的时间衰减系数计算出一个参考度值，例如将偏好相似度乘以时间衰减系数。时间衰减系数可以随着发布时间距当前时间的长度约长而越低。本发明实施例中，通过向第二筛选者提供将偏好相似度以及历史面试记录的发布时间均考虑在内的参考度值，能够进一步提高第二筛选者对历史面试记录的参考准确度。类似地，当第二筛选者要查看多份历史面试记录的情况下，可以将第二筛选者查看的历史面试记录按照该计算出的参考度值进行排序。此外，在计算参考度值的情况下，还可以向第二筛选者同时展示分别按照偏好相似度和参考度值进行排序后的历史面试记录。

本发明实施例中，多个偏好模型的建立可以包括为第一筛选者建立第一偏好模型作为N个第一筛选偏好模型中的一个第一筛选偏好模型，为第二筛选者建立第二偏好模型作为所述N个第二筛选偏好模型中的一个第二筛选偏好模型。可通过建立前述实施例的第一偏好向量作为第一偏好模型，建立第二偏好向量作为第二偏好模型。具体而言，可以基于各第一简历反馈数据为多个简历各设置第一评分值，将多个简历各自的第一评分值构成为第一偏好向量作为第一筛选者的第一偏好模型，并基于各第二简历反馈数据为多个简历各设置第二评分值，将多个简历各自的第二评分值构成为第二偏好向量作为第二筛选者的第二偏好模型。

本发明实施例中，多个偏好模型的建立还可以包括为第一筛选者建立第三偏好模型作为N个第一筛选偏好模型中的一个第一筛选偏好模型，为第二筛选者建立第四偏好模型作为所述N个第二筛选偏好模型中的一个第二筛选偏好模型。具体而言，可以基于各第一简历反馈数据和第二简历反馈数据为多个简历各设置第一评分值和第二评分值，并对多个简历各抽取特征信息，基于多个简历的第一评分值和特征信息为第一筛选者建立第一偏好特征信息集作为第三偏好模型，并基于多个简历的第二评分值和特征信息为第二筛选者建立第二偏好特征信息集作为第四偏好模型。

对各个简历的评分值可以以与前述实施例类似的方式根据与每个简历关联的反馈数据对应的筛选阶段和/或筛选者标注或评价信息来确定。

在本发明实施例中，可以基于与第一筛选者关联的第三简历反馈数据所对应的简历的评分值调整第一偏好模型，基于与第二筛选者关联的第四简历反馈数据所对应的简历的评分值调整第二偏好模型，也就是基于上述多个简历之外的其他简历的评分值来调整第一和第二偏好模型。在本发明实施例中，也可以基于上述多个简历中的目标简历的评分值来调整第一偏好模型和第二偏好模型，目标简历是上述多个简历中第一评分值或第二评分值的生成时间超出预定时间阈值的简历。具体调整方式可参照前述实施例，在此省略具体说明。

在本发明实施例中，可以基于与第一筛选者关联的第三简历反馈数据所对应的简历的评分值和特征信息调整所述第三偏好模型，基于与第二筛选者关联的第四简历反馈数据所对应的简历的评分值和特征信息，调整所述第四偏好模型，也就是基于上述多个简历之外的其他简历的评分值和特征信息来调整第三和第四偏好模型。在本发明实施例中，也可以基于上述多个简历中的目标简历的第一评分值和特征信息调整第三偏好模型，和/或基于目标简历的第二评分值和特征信息调整第四偏好模型，其中，目标简历为上述多个简历中的第一反馈数据和/或第二反馈数据的生成时间超出预定时间阈值的简历。具体调整方式可参照前述实施例，在此省略具体说明。

在本发明各实施例中，在生成第一偏好特征信息集时所选取的第一简历可以与一些辅助信息相关联，以提高第一偏好特征信息在某些方面的准确性。例如，辅助信息可以包括第一职位信息和/或反馈时间信息。其中，当所选取的第一简历与第一职位信息相关联时，所生成的第一偏好特征信息集可以体现与第一职位相关的特点，例如技能类下的子特征或毕业学校类下的子特征将与第一职位相关。当所选取的第一简历与反馈时间信息相关联时，所生成的第一偏好特征信息集可以体现第一筛选者在一定时间段内的人才偏好。

图9为本发明的信息反馈装置的一个实施例的示意性框图。

如图9所示，本发明实施例的信息反馈装置10包括第一生成模块11、第二生成模块12和确定模块13。

第一生成模块11配置为基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立第一筛选偏好模型，第二生成模块12配置为基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立第二筛选偏好模型。

确定单元13配置为对于第二筛选者所查看的与第一筛选者关联的历史面试记录，根据第一筛选偏好模型和第二偏好模型确定偏好相似度。

图9中各个模块的具体运行方式可参照前述的各个信息反馈方法实施例，在此省略具体说明。

通过本发明实施例，第二筛选者在招聘网站查看某个求职者的各个历史面试记录期间，对基于第一筛选者针对该求职者作出的面试反馈评论而生成的一条历史面试记录产生了兴趣时(例如第一筛选者对该求职者的评价很高)，可以根据第一筛选者与自己的偏好相似度，来确定该历史面试记录的参考程度，有效地实现了在隐去敏感信息的同时为人才筛选者提供对历史面试记录的参考反馈信息。

在本发明一个实施例中，还提供了一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序指令/模块，如本申请实施例中的信息反馈方法对应的程序指令/模块(例如，图9中所示的第一生成模块11、第二生成模块12和确定模块13)。该非暂态计算机可读存储介质中存储的计算机可执行程序指令/模块可由计算机的处理器读取并运行以执行上述任一实施例的信息反馈方法。

图10是本实施例提供的执行信息反馈方法的电子设备的硬件结构示意图，如图10所示，该电子设备可以包括一个或多个处理器1010，图5中以一个处理器1010为例。

该电子设备还可以包括：输入装置1030和输出装置1040。

处理器1010、输入装置1030和输出装置1040可以通过总线或者其他方式连接，图10中以通过总线连接为例。

电子设备可以内置有存储器或外接至存储器。存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序指令/模块，如本申请实施例中的信息反馈方法对应的程序指令/模块(例如，图9中所示的第一生成模块11、第二生成模块12和确定模块13)。处理器1010通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行各种相应的功能应用以及数据处理，即实现上述方法实施例中的信息反馈方法。

存储器可以包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需要的应用程序；数据存储区可存储根据信息反馈装置的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。

在存储器外置于电子设备的实施例中，存储器可以包括直接与电子设备物理连接的移动存储设备，还可选包括相对于电子设备远程设置的存储器，这些远程存储器可以通过有线或无线网络而与电子设备通信。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置1030可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置1040可包括显示屏等显示设备。

上述一个或者多个程序指令/模块可以存储在上述存储器中，当其被所述一个或者多个处理器1010执行时，能够执行上述任意方法实施例中的信息反馈方法。

上述产品可执行本申请实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请实施例所提供的方法。

本发明实施例的电子设备以多种形式存在，包括但不限于：

(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括：智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备：这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备：这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如iPod)，掌上游戏机，电子书，以及智能玩具和便携式车载设备。

(4)服务器：提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

以上对本发明多个实施例进行了说明，但本发明并不限于这些具体的实施例，本领域技术人员能够在理解本发明的精神及构思的情况下，对这些实施例进行变型和修改，这些变型和修改都应落入本申请所要求保护的范围之内。

Claims (15)

1.一种信息反馈方法，包括：

基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立第一筛选偏好模型；

基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立第二筛选偏好模型；

对于第二筛选者所查看的与第一筛选者关联的历史面试记录，根据第一筛选偏好模型和第二偏好模型确定偏好相似度。

2.如权利要求1所述的方法，其中，

基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立第一筛选偏好模型第一筛选偏好模型包括：基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立N个第一筛选偏好模型；

基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立第二筛选偏好模型包括：基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立N个第二筛选偏好模型，其中N为大于等于2的正整数；

根据第一筛选偏好模型和第二偏好模型确定偏好相似度包括：分别计算N个第一筛选偏好模型中的每个第一筛选偏好模型与和N个第二筛选偏好模型中对应的第二筛选偏好模型之间的相似度并进行加权和得到所述偏好相似度。

3.如权利要求1所述的方法，还包括：

获取所述历史面试记录的发布时间信息，根据所述发布时间信息确定时间衰减系数；

基于所述偏好相似度和所述时间衰减系数计算参考度值。

4.如权利要求3所述的方法，还包括：

将历史面试记录按照偏好相似度和/或参考度值进行排序。

5.如权利要求2所述的方法，其中，

基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立N个第一筛选偏好模型包括：基于与第一筛选者关联的每个第一简历反馈数据所对应的简历的第一评分值为第一筛选者建立第一偏好模型作为所述N个第一筛选偏好模型中的一个第一筛选偏好模型；

基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立N个第二筛选偏好模型包括：基于与第二筛选者关联的每个第二简历反馈数据所对应的简历的第二评分值为第二筛选者建立第二偏好模型作为所述N个第二筛选偏好模型中的一个第二筛选偏好模型。

6.如权利要求2或5所述的方法，其中，

基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立N个第一筛选偏好模型包括：基于与第一筛选者关联的每个第一简历反馈数据所对应的简历的第一评分值和特征信息，为第一筛选者建立第三偏好模型作为所述N个第一筛选偏好模型中的一个第一筛选偏好模型；

基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立N个第二筛选偏好模型包括：基于与第二筛选者关联的每个第二简历反馈数据所对应的简历的第二评分值和特征信息，为第二筛选者建立第四偏好模型作为所述N个第二筛选偏好模型中的一个第二筛选偏好模型。

7.如权利要求5所述的方法，还包括：

基于与第一筛选者关联的第三简历反馈数据所对应的简历的评分值调整第一偏好模型，基于与第二筛选者关联的第四简历反馈数据所对应的简历的评分值调整第二偏好模型。

8.如权利要求5所述的方法，还包括：

基于目标简历的评分值，调整所述第一偏好模型和第二偏好模型，其中，所述目标简历为所述第一评分值或所述第二评分值的生成时间超出预定时间阈值的简历。

9.如权利要求6所述的方法，还包括：

基于与第一筛选者关联的第三简历反馈数据所对应的简历的评分值和特征信息，调整所述第三偏好模型；

基于与第二筛选者关联的第四简历反馈数据所对应的简历的评分值和特征信息，调整所述第四偏好模型。

10.如权利要求6所述的方法，还包括：

基于目标简历的第一评分值和特征信息调整第三偏好模型，和/或基于目标简历的第二评分值和特征信息调整第四偏好模型，其中，目标简历为所述第一简历反馈数据和/或第二简历反馈数据的生成时间超出预定时间阈值的简历。

11.如权利要求5或6所述的方法，其中，根据第一简历反馈数据和第二简历反馈数据所对应的筛选阶段，确定第一简历反馈数据所对应的简历的第一评分值和第二简历反馈数据所对应的简历的第二评分值。

12.如权利要求1-11中任一项所述的方法，其中，所述第一简历反馈数据所对应的简历和第二简历反馈数据所对应的简历与第一职位信息和/或反馈时间信息相关联。

13.一种信息反馈装置，包括：

第一生成单元，其配置为基于与第一筛选者关联的第一简历反馈数据为第一筛选者建立第一筛选偏好模型；

第二生成单元，其配置为基于与第二筛选者关联的第二简历反馈数据为第二筛选者建立第二筛选偏好模型；

确定单元，其配置为对于第二筛选者所查看的与第一筛选者关联的历史面试记录，根据第一筛选偏好模型和第二偏好模型确定偏好相似度。

14.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机可执行指令，所述计算机可执行指令在计算机上运行时执行如权利要求1-12中任一项所述的信息反馈方法。

15.一种电子设备，其特征在于，所述电子设备包括至少一个处理器，所述处理器配置为执行预定的计算机可执行指令以执行如权利要求1-12中任一项所述的信息反馈方法。