CN108665242A - 一种简历匹配方法和装置 - Google Patents

Abstract

本申请实施例公开了一种简历匹配方法，获取待匹配的简历中的参考数据，该参考数据为能够用于评估应聘人员能力的数据，将所获取的待匹配简历中的参考数据输入至预训练的简历匹配模型，该简历匹配模型能够根据输入的待匹配简历中的参考数据相应地输出匹配数据，根据该匹配数据即可确定出待匹配简历的匹配结果。上述简历匹配方法，利用简历匹配模型可以自动根据输入的参考数据，确定该待匹配简历的匹配结果，无需人力资源管理者通过人工查看并分析待匹配简历中的信息，来确定该待匹配简历的匹配结果，由此大大减少了人力资源管理者对待匹配简历进行匹配需要耗费的工作量。

Description

一种简历匹配方法和装置

技术领域

本申请涉及信息处理领域，特别是涉及一种简历匹配方法和装置。

背景技术

求职者在寻找工作时，通常需要在招聘网站或招聘公司的招聘系统中填写个人简历，或者将电子版个人简历发送至招聘公司的招聘邮箱。进而，招聘公司的人力资源管理者可以根据求职者在招聘网站或招聘系统上填写的个人简历，或者根据求职者发送至招聘邮箱中的个人简历，将求职者的个人简历与招聘岗位的用人需求进行匹配，判断求职者是否适合当前招聘职位。

现有技术中，招聘公司的人力资源管理者通常需要对招聘网站或招聘系统中求职者的个人简历逐一进行查看，和/或者，对招聘邮箱中收到的求职者的个人简历逐一进行查看，以判断各求职者是否满足招聘岗位的用人需求。如此将个人简历与招聘岗位进行匹配，当求职者人数较多，存在大量个人简历时，人力资源管理者通常需要耗费大量的精力对个人简历与招聘岗位的用人需求进行匹配。

发明内容

为了解决上述技术问题，本申请提供了一种简历匹配方法和装置，能够自动根据输入的简历，对简历与招聘岗位的用人需求进行匹配。

本申请实施例公开了如下技术方案：

第一方面，本申请实施例提供了一种简历匹配方法，所述方法包括：

获取待匹配简历中的参考数据；

将所述待匹配简历中的参考数据输入预训练的简历匹配模型；

根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果。

可选的，所述方法还包括：

获取历史简历中的参考数据；

针对一个职位，从所述历史简历中的参考数据选取满足所述职位需求的参考数据作为正样本，从所述历史简历的参考数据中选取不满足所述职位需求的参考数据作为负样本；

根据机器学习算法，训练所述职位的正样本和负样本得到所述职位匹配模型。

可选的，将所述职位匹配模型作为所述简历匹配模型。

可选的，所述根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果包括：

判断所述简历匹配模型输出的匹配数据是否大于第一预设阈值；

若所述匹配数据大于所述第一预设阈值，则确定所述待匹配简历与所述职位相匹配；

若所述匹配数据小于所述第一预设阈值，则确定所述待匹配简历与所述职位不匹配。

可选的，所述简历匹配模型包括至少两个并行运行的职位匹配模型，不同的所述职位匹配模型对应于不同的职位。

可选的，所述根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果包括：

判断所述简历匹配模型中的职位匹配模型输出的匹配数据是否大于第二预设阈值；

若所述职位匹配模型输出的匹配数据大于所述第二预设阈值，则确定所述待匹配简历与所述职位相匹配；

若所述职位匹配模型输出的匹配数据小于所述第二预设阈值，则确定所述待匹配简历与所述职位不匹配。

可选的，所述参考数据包括学历参考数据、工作经验参考数据、成绩参考数据中的任意一项或多项。

第二方面，本申请实施例提供了一种简历匹配装置，所述装置包括：

获取单元，用于获取待匹配简历中的参考数据；

输入单元，用于将所述待匹配简历中的参考数据输入预训练的简历匹配模型；

确定单元，用于根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果。

可选的，所述装置还包括：

历史数据获取单元，用于获取历史简历中的参考数据；

选取单元，用于针对一个职位，从所述历史简历中的参考数据选取满足所述职位需求的参考数据作为正样本，从所述历史简历的参考数据中选取不满足所述职位需求的参考数据作为负样本；

训练单元，用于根据机器学习算法，训练所述职位的正样本和负样本得到所述职位匹配模型。

可选的，将所述职位匹配模型作为所述简历匹配模型。

由上述技术方案可以看出，本申请提供的简历匹配方法，获取待匹配的简历中的参考数据，该参考数据具体为简历中的学历信息、工作经验信息、成绩信息等能够用于评估应聘人员能力的数据，将所获取的待匹配简历中的参考数据输入至预训练的简历匹配模型，该简历匹配模型能够根据输入的待匹配简历中的参考数据相应地输出匹配数据，根据该匹配数据即可确定出待匹配简历的匹配结果，所确定的匹配结果能够表征该待匹配简历是否匹配于某一职位，或者，表征该待匹配简历具体与某个或某些职位相匹配。上述简历匹配方法，利用简历匹配模型可以自动根据输入的参考数据，确定该待匹配简历的匹配结果，无需人力资源管理者通过人工查看并分析待匹配简历中的信息，来确定该待匹配简历的匹配结果，由此大大减少了人力资源管理者对待匹配简历进行匹配需要耗费的工作量。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的简历匹配方法的流程示意图；

图2为本申请实施例提供的职位匹配模型训练方法的流程示意图；

图3为本申请实施例提供的简历匹配装置的结构示意图。

具体实施方式

下面结合附图，对本申请实施例进行描述。

本申请提供了一种简历匹配方法，能够自动根据待匹配简历中的诊断数据，确定待匹配简历的匹配结果，无需人力资源管理者通过仔细查看分析待匹配简历，来确定待匹配简历的匹配结果，大大减少了人力资源管理者的工作量。

下面对本申请提供的简历匹配方法的核心技术思路进行介绍：

本申请提供的简历匹配方法，获取待匹配的简历中的参考数据，该参考数据具体为简历中的学历信息、工作经验信息、成绩信息等能够用于评估应聘人员能力的数据，将所获取的待匹配简历中的参考数据输入至预训练的简历匹配模型，该简历匹配模型能够根据输入的待匹配简历中的参考数据相应地输出匹配数据，根据该匹配数据即可确定出待匹配简历的匹配结果，所确定的匹配结果能够表征该待匹配简历是否匹配于某一职位，或者，表征该待匹配简历具体与某个或某些职位相匹配。

上述简历匹配方法，获取到待匹配简历中的参考数据，并将该参考数据输入至预训练的简历匹配模型后，简历匹配模型可以自动根据输入的参考数据确定该待匹配简历的匹配结果，无需人力资源管理者通过人工查看并分析待匹配简历中的信息，来确定该待匹配简历的匹配结果，由此大大减少了人力资源管理者对待匹配简历进行匹配需要耗费的工作量。

下面通过实施例对本申请提供的简历匹配方法进行介绍。

参见图1，图1为本申请实施例提供的简历匹配方法的流程示意图，如图1所示，该简历匹配方法包括：

步骤101：获取待匹配简历中的参考数据。

当公司需要招聘工作人员时，通常需要从招聘网站、公司的招聘系统或招聘邮箱获取应聘人员的应聘简历，将应聘人员的应聘简历作为待匹配简历，通过分析待匹配简历上的各项信息，来判断应聘人员是否能够胜任当前的招聘职位，或者判断应聘人员具体能够胜任当前的某个或某些招聘职位。

获取到应聘人员的应聘简历作为待匹配简历后，进一步从待匹配简历中提取参考数据，待匹配简历中的参考数据为能够反映应聘人员能力的数据，如学历参考数据、工作经验参考数据、成绩参考数据等。可以理解的是，待匹配简历中的参考数据还可以包括其他数据，在此不对待匹配简历中的参考数据做任何具体限定。

需要说明的是，获取待匹配简历中的参考数据时，可以获取其中的任意一项或多项参考数据，在此也不对所获取的待匹配简历中的参考数据的数量做任何限定。

步骤102：将所述待匹配简历中的参考数据输入预训练的简历匹配模型。

获取到待匹配简历中的参考数据后，将所获取的待匹配简历中的参考数据输入至预训练的简历匹配模型中，该简历匹配模型能够根据待匹配简历中的参考数据，确定该待匹配简历的匹配结果。

需要说明的是，该简历匹配模型包括至少一个职位匹配模型，不同的职位匹配模型用于将待匹配简历与不同的职位进行匹配。

当简历匹配模型中仅包括一个职位匹配模型时，根据待匹配简历模型的匹配数据，可以确定该待匹配简历与该职位匹配模型对应的职位是否匹配；当简历匹配模型中包括多个职位匹配模型，且多个职位匹配模型对应于不同的职位时，根据待匹配简历模型中的匹配数据，可以确定该待匹配简历具体与其中的哪个或哪些职位相匹配。

步骤103：根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果。

将待匹配简历中的参考数据输入至预训练的简历匹配模型后，简历匹配模型根据待待匹配简历中的参考数据，相应地输出针对该参考数据的匹配数据，根据该匹配数据可以确定该待匹配简历的匹配结果。

可以理解的是，若简历匹配模型中仅包括一个职位匹配模型，那么根据简历匹配模型输出的匹配数据，可以判断该待匹配简历是否与该职位匹配模型对应的职位相匹配；若简历匹配模型中包括多个职位匹配模型，且不同的职位匹配模型对应于不同的职位，那么根据简历匹配模型输出的匹配数据，可以判断该待匹配简历是否与其中的某个或某些职位相匹配，并且还可以根据输出的匹配数据，确定该待匹配简历与某个职位的匹配程度最高，最能够胜任于该职位。

本申请实施例提供的简历匹配方法，获取到待匹配简历中的参考数据，并将该参考数据输入至预训练的简历匹配模型后，简历匹配模型可以自动根据输入的参考数据确定该待匹配简历的匹配结果，无需人力资源管理者通过人工查看并分析待匹配简历中的信息，来确定该待匹配简历的匹配结果，由此大大减少了人力资源管理者对待匹配简历进行匹配需要耗费的工作量。

上述图1对应的实施例中用于对待匹配简历进行匹配的简历匹配模型是预先训练的，而简历匹配模型均是以职位匹配模型为基础构建得到的，下面结合图2，对职位匹配模型的训练方法进行介绍：

参见图2，图2为本申请实施例提供的职位匹配模型的训练方法的流程示意图。如图2所示，该职位匹配模型的训练方法包括以下步骤：

步骤201：获取历史简历中的参考数据。

历史简历中的参考数据是用于构建职位匹配模型的参考数据，该参考数据为能够反映应聘人员能力的数据，如学历参考数据、工作经验参考数据、成绩参考数据等，当然，参考数据还可以为其他数据，在此不对参考数据做任何具体限定。

可以理解的是，训练职位匹配模型时获取的历史简历中包括的参考数据类型，可以决定输入简历匹配模型的参考数据的类型，具体的，若构建职位匹配模型时采用的是学历参考数据、工作经验参考数据，相应地，利用简历匹配模型对待匹配简历进行职位匹配时，需要获取待匹配简历的学历参考数据和工作经验参考数据。

可以理解的是，所获取的历史简历中的参考数据越多，根据这些参考数据训练得到的职位匹配模型的匹配结果越准确，但是获取的历史简历中的参考数据的数量也会影响训练简历匹配模型的效率，因此，本实施例对所获取的历史简历中的参考数据数量不做限定，在具体实现时，可以根据实际需求确定所获取的历史简历中的参考数据的数量。

步骤202：针对一个职位，从所述历史简历中的参考数据选取满足所述职位需求的参考数据作为正样本，从所述历史简历的参考数据中选取不满足所述职位需求的参考数据作为负样本。

对于一个职位，从步骤201中获取的历史简历中的参考数据中选取满足职位需求的参考数据作为正样本，选取不满足该职位需求的参考数据作为负样本，也可以直接除满足职位需求的参考数据外的其他参考数据均作为负样本，结合针对该职位的正样本和负样本，构成用于训练针对该职位的职位匹配模型的训练样本集。

步骤203：根据机器学习算法，训练所述职位的正样本和负样本得到所述职位匹配模型。

采用机器学习算法，训练步骤202中获取的针对该职位的正样本和负样本，得到对应于该职位的职位匹配模型，具体实现时，可以采用神经网络算法训练对应于某一职位的匹配模型。

构建得到职位匹配模型后，可以根据职位匹配模型进一步构建简历匹配模型。

在一种可能的实现方式中，可以直接将构建的职位匹配模型作为简历匹配模型。利用该简历匹配模型可以判断待匹配简历是否与该职位匹配。

利用构建的职位匹配模型作为简历匹配模型时，根据简历匹配模型输出的匹配数据，确定待匹配简历的匹配结果时，可以判断该简历匹配模型输出的匹配数据是否大于第一预设阈值，若输出的匹配数据大于该第一预设阈值，则可以确定该待匹配简历与该简历匹配模型对应的职位相匹配，即该待匹配简历对应的应聘人员具有胜任该职位的能力；反之，若输出的匹配数据小于该第一预设阈值，则可以确定该待匹配简历与该简历匹配模型对应的职位不匹配，即该待匹配简历对应的应聘人员不具有胜任该职位的能力。

需要说明的是，上述第一预设阈值可以根据实际情况进行设定，在此不对第一预设阈值的具体数值做任何限定。

在一种可能的实现方式中，简历匹配模型中包括至少两个并行运行的职位匹配模型，不同的职位匹配模型对应于不同的职位。该简历匹配模型可以根据输入的待匹配简历的参考数据，判断该待匹配简历是否与自身包括的职位匹配模型对应的职位相匹配，此外，该简历匹配模型还可以根据输出的匹配数据，确定输入的待匹配简历最适合的职位。

具体实现时，根据简历匹配模型输出的匹配数据，确定输入的待匹配简历的匹配结果时，可以判断该简历匹配模型中各个职位匹配模型输出的匹配数据是否大于第二预设阈值，若简历匹配模型中的某个或某些职位匹配模型输出的匹配数据大于该第二预设阈值，则说明该待匹配简历与这个或这些职位匹配模型对应的职位相匹配，该待匹配简历对应的应聘人员可以胜任这些匹配的职位。当输出的匹配数据大于第二预设阈值的职位匹配模型有多个时，还可以进一步根据各个职位匹配模型输出的匹配数据，确定该待匹配简历最适合的职位，具体的，可以比较各个职位匹配模型输出的匹配数据的大小，所输出的匹配数据最大的职位匹配模型对应的职位即为与该待匹配简历匹配度最高的职位，即该待匹配简历对应的应聘人员最适合该职位；反之，若该简历匹配模型中各个职位匹配模型输出的匹配数据均小于第二预设阈值，则说明该待匹配简历与该简历匹配模型中各个职位匹配模型对应的职位均不匹配，即该待匹配简历对应的应聘人员不能够胜任该简历匹配模型中各个职位匹配模型对应的职位。

需要说明的是，上述第二预设阈值可以根据实际情况进行设定，在此不对第二预设阈值做任何具体限定。

采用上述简历匹配模型构建方法构建职位匹配模型，简历匹配模型可以根据输入的待匹配简历的参考数据，确定该待匹配简历所适合的职位。由此，根据输入的参考数据确定该待匹配简历的匹配结果，无需人力资源管理者通过人工查看并分析待匹配简历中的信息，来确定该待匹配简历的匹配结果，由此大大减少了人力资源管理者对待匹配简历进行匹配需要耗费的工作量。

此外，本申请还提供了一种简历匹配装置，参见图3，图3为简历匹配装置300的结构示意图，该装置包括：

获取单元301，用于获取待匹配简历中的参考数据；

输入单元302，用于将所述待匹配简历中的参考数据输入预训练的简历匹配模型；

确定单元303，用于根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果。

可选的，所述装置还包括：

历史数据获取单元，用于获取历史简历中的参考数据；

选取单元，用于针对一个职位，从所述历史简历中的参考数据选取满足所述职位需求的参考数据作为正样本，从所述历史简历的参考数据中选取不满足所述职位需求的参考数据作为负样本；

训练单元，用于根据机器学习算法，训练所述职位的正样本和负样本得到所述职位匹配模型。

可选的，将所述职位匹配模型作为所述简历匹配模型。

可选的，所述确定单元具体用于：

判断所述简历匹配模型输出的匹配数据是否大于第一预设阈值；

若所述匹配数据大于所述第一预设阈值，则确定所述待匹配简历与所述职位相匹配；

若所述匹配数据小于所述第一预设阈值，则确定所述待匹配简历与所述职位不匹配。

可选的，所述简历匹配模型包括至少两个并行运行的职位匹配模型，不同的所述职位匹配模型对应于不同的职位。

可选的，所述确定单元具体用于：

判断所述简历匹配模型中的职位匹配模型输出的匹配数据是否大于第二预设阈值；

若所述职位匹配模型输出的匹配数据大于所述第二预设阈值，则确定所述待匹配简历与所述职位相匹配；

若所述职位匹配模型输出的匹配数据小于所述第二预设阈值，则确定所述待匹配简历与所述职位不匹配。

可选的，所述参考数据包括学历参考数据、工作经验参考数据、成绩参考数据中的任意一项或多项。

本申请实施例提供的简历匹配装置，获取到待匹配简历中的参考数据，并将该参考数据输入至预训练的简历匹配模型后，简历匹配模型可以自动根据输入的参考数据确定该待匹配简历的匹配结果，无需人力资源管理者通过人工查看并分析待匹配简历中的信息，来确定该待匹配简历的匹配结果，由此大大减少了人力资源管理者对待匹配简历进行匹配需要耗费的工作量。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本申请的一种具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种简历匹配方法，其特征在于，所述方法包括：

获取待匹配简历中的参考数据；

将所述待匹配简历中的参考数据输入预训练的简历匹配模型；

根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取历史简历中的参考数据；

针对一个职位，从所述历史简历中的参考数据选取满足所述职位需求的参考数据作为正样本，从所述历史简历的参考数据中选取不满足所述职位需求的参考数据作为负样本；

根据机器学习算法，训练所述职位的正样本和负样本得到所述职位匹配模型。

3.根据权利要求2所述的方法，其特征在于，将所述职位匹配模型作为所述简历匹配模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果包括：

判断所述简历匹配模型输出的匹配数据是否大于第一预设阈值；

若所述匹配数据大于所述第一预设阈值，则确定所述待匹配简历与所述职位相匹配；

若所述匹配数据小于所述第一预设阈值，则确定所述待匹配简历与所述职位不匹配。

5.根据权利要求2所述的方法，其特征在于，所述简历匹配模型包括至少两个并行运行的职位匹配模型，不同的所述职位匹配模型对应于不同的职位。

6.根据权利要求5所述的方法，其特征在于，所述根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果包括：

判断所述简历匹配模型中的职位匹配模型输出的匹配数据是否大于第二预设阈值；

若所述职位匹配模型输出的匹配数据大于所述第二预设阈值，则确定所述待匹配简历与所述职位相匹配；

若所述职位匹配模型输出的匹配数据小于所述第二预设阈值，则确定所述待匹配简历与所述职位不匹配。

7.根据权利要求1至6任意一项所述的方法，其特征在于，所述参考数据包括学历参考数据、工作经验参考数据、成绩参考数据中的任意一项或多项。

8.一种简历匹配装置，其特征在于，所述装置包括：

获取单元，用于获取待匹配简历中的参考数据；

输入单元，用于将所述待匹配简历中的参考数据输入预训练的简历匹配模型；

确定单元，用于根据所述简历匹配模型输出的匹配数据，确定所述待匹配简历的匹配结果。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

历史数据获取单元，用于获取历史简历中的参考数据；

选取单元，用于针对一个职位，从所述历史简历中的参考数据选取满足所述职位需求的参考数据作为正样本，从所述历史简历的参考数据中选取不满足所述职位需求的参考数据作为负样本；

训练单元，用于根据机器学习算法，训练所述职位的正样本和负样本得到所述职位匹配模型。

10.根据权利要求9所述的装置，其特征在于，将所述职位匹配模型作为所述简历匹配模型。