CN109359185A - 一种兼职智能搜索排序方法 - Google Patents

一种兼职智能搜索排序方法 Download PDF

Info

Publication number
CN109359185A
CN109359185A CN201811212712.4A CN201811212712A CN109359185A CN 109359185 A CN109359185 A CN 109359185A CN 201811212712 A CN201811212712 A CN 201811212712A CN 109359185 A CN109359185 A CN 109359185A
Authority
CN
China
Prior art keywords
time
dimension
user
attribute
gradient
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
Application number
CN201811212712.4A
Other languages
English (en)
Other versions
CN109359185B (zh
Inventor
邓建波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Arc Road Technology Co Ltd
Original Assignee
Hangzhou Arc Road Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Arc Road Technology Co Ltd filed Critical Hangzhou Arc Road Technology Co Ltd
Priority to CN201811212712.4A priority Critical patent/CN109359185B/zh
Publication of CN109359185A publication Critical patent/CN109359185A/zh
Application granted granted Critical
Publication of CN109359185B publication Critical patent/CN109359185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种兼职智能搜索排序方法，由区域维度S100、属性维度S200和动态维度S300组合使用构建而成；其中区域维度S100：兼职区域性明显，基本不会超过城市范围；属性维度S200：包含兼职属性和用户属性；鉴于兼职属性和用户属性有部分重合有强重合部分，将此属性整合度数字化计算；动态维度S300：是建立在静态维度之上；静态维度只能在搭建排序的基本规范，在实时变化的情况的非常死板，引入动态维度健全排序规则，使得排序智能化。本发明利用了兼职行业特殊性结构化排序规则，并利用用户的报名记录，浏览记录等在线行为智能化展示兼职的排序规则，合理利用流量导向最大化提升互联网收益，解决兼职领域特有的难点。

Description

一种兼职智能搜索排序方法
技术领域
本发明属于互联网数据运用领域，尤其涉及一种兼职智能搜索排序方法。
背景技术
搜索是各类大型网站最基本的功能，它能让用户更高效快捷地表达自己的需求并得到网站返回的结果，而排序则是这一类结果的体现。同样地，搜索排序功能的目标是让用户快速高效地匹配到最合适的产品、供应商或者资讯。
随着互联网技术的发展，商品的排序功能几乎主导到网站的流量导向，一个合理的排序能大大提升用户体验，合理分配流量使得网站收益最大化。互联网垂直招聘网站基本以专业为导向，再以类目浏览排序(Categories)、产品搜索排序(Products)、公司搜索排序(Suppliers)，再加以报名量-评价-收藏人数-浏览量-公司信誉等维度数字化结果进行筛选，再将结果展示给用户。此中方法只适合全职使用，在兼职领域并不完全适用。兼职做为一个特殊的岗位领域有着其流动性大、多变性强、区域性明显等特点，与市面上所有的求职领域都有着极大的不同。
发明内容
本发明为了解决兼职领域特有的难点，提供了一种利用了兼职行业特殊性结构化排序规则，并利用用户的报名记录，浏览记录等在线行为智能化展示兼职的排序规则，合理利用流量导向最大化提升互联网收益的兼职智能搜索排序方法。
本发明的技术方案：一种兼职智能搜索排序方法，由区域维度S100、属性维度S200和动态维度S300组合使用构建而成；
其中区域维度S100：兼职区域性明显，基本不会超过城市范围；
属性维度S200：包含兼职属性和用户属性；
兼职属性包括兼职工种、标签、性别要求、身高要求、年龄要求、技能证书、薪资、结算方式；
用户属性包含学历、年龄、身高、技能证书、芝麻信用分、兼职经历和性别；
鉴于兼职属性和用户属性有部分重合有强重合部分，将此属性整合度数字化计算；
动态维度S300：是建立在静态维度之上，S100和S200都属于静态维度，属于业务属性制定不能改变的范围；静态维度只能在搭建排序的基本规范，在实时变化的情况的非常死板，引入动态维度健全排序规则，使得排序智能化。
本发明利用了兼职行业特殊性结构化排序规则，并利用用户的报名记录，浏览记录等在线行为智能化展示兼职的排序规则，合理利用流量导向最大化提升互联网收益，解决兼职领域特有的难点。
优选地，所述区域纬度S100将城市作为排序第一梯度，过滤不符合城市要求的兼职,同城市内距离成为重大因素，采用geohash空间纬度检索算法，将区域划分为规则矩形，并对每个矩形进行编码，以面代点，利用app的gps定位技术上传用户经纬度，并采用solr搜索引擎技术高效计算用户和兼职用工地点经纬度之间的实时距离，根据距离建立梯度机制。
优选地，所述梯度机制如下：
第一梯度：0-15公里+200，
第二梯度：15-20公里+50，
第三梯度：20-25公里+0，
第四梯度：25公里以上-100，
所有其他排序规则一律在各自梯度里面完成，区分梯度化后，求职者在选择工作时可优先考虑距离因素；根据求职者与工作地点的经纬度，结合地图功能，制定步行、公交、出租车和地铁的出行路线。
优选地，兼职属性和用户属性整合度数字化计算方法如下：
1.用户学历＝>兼职学历要求符合+5，
2.用户身高满足兼职身高要求+5，
3.用户年龄符合兼职要求+3，
4.用户性别要求满足企业要求+10，
5.用户有相应技能证书+10，
6.兼职薪资高于行业平均+20分，与行业齐平+10分，低于行业+5分，
7.结算方式：日结+20、周结+10、月结+5、按量结算+10，其他+0，
8.用户的兼职记录里经常报名的同工种的兼职+30。
优选地，所述动态维度S300包含：
1.报名量/浏览量：报名量和浏览量最能体现兼职质量，(报名量/浏览量)*50；
2.加权岗位：审核人员判定这是一个合理高效的兼职，后台添加权重最多100；
3.发布时间：兼职的及时性非常高，为了加大兼职有效性每隔2天-10；
4.用户评分：由于兼职的及时性，直接对兼职评分意义不大，此处是此公司以往的兼职评分；
动态维度弥补了静态维度不能根据环境变化的缺点。
本发明利用了兼职行业特殊性结构化排序规则，并利用用户的报名记录，浏览记录等在线行为智能化展示兼职的排序规则，合理利用流量导向最大化提升互联网收益，解决兼职领域特有的难点。
附图说明
图1为本发明的维度计算示意图；
图2为本发明的区域划分示意图；
具体实施方式
下面结合附图对本发明作进一步详细的说明，但并不是对本发明保护范围的限制。
如图1所示，本发明的兼职排序的维度包括：
区域维度S100：兼职区域性明显，基本不会超过城市范围。将城市作为排序第一梯度，过滤不符合城市要求的兼职,同城市内距离成为重大因素。本发明采用geohash空间纬度检索算法，将区域划分为规则矩形，并对每个矩形进行编码，以面代点(具体查看图2)，利用app的gps定位技术上传用户经纬度，并采用solr搜索引擎技术高效计算用户和兼职用工地点经纬度之间的实时距离，根据距离建立梯度机制，
第一梯度：0-15公里+200
第二梯度：15-20公里+50
第三梯度：20-25公里+0
第四梯度：25公里以上-100
所有其他排序规则一律在各自梯度里面完成
区分梯度化后，求职者在选择工作时可优先考虑距离因素；根据求职者与工作地点的经纬度，结合地图功能，制定步行、公交、出租车和地铁的出行路线。
属性维度S200：属性维度包含兼职属性和用户属性：
兼职属性包括兼职工种、标签、性别要求、身高要求、年龄要求、技能证书、薪资、结算方式等。
用户属性：学历、年龄、身高、技能证书、芝麻信用分、兼职经历和性别等。
鉴于兼职属性和用户属性有部分重合有强重合部分，将此属性整合度数字化计算。
1.用户学历＝>兼职学历要求符合+5
2.用户身高满足兼职身高要求+5
3.用户年龄符合兼职要求+3(兼职对年龄的要求不多)
4.用户性别要求满足企业要求+10
5.用户有相应技能证书+10
6.兼职薪资高于行业平均+20分，与行业齐平+10分，低于行业+5分
7.结算方式：日结+20、周结+10、月结+5、按量结算+10，其他+0
8.用户的兼职记录里经常报名的同工种的兼职+30
动态维度S300：动态维度是建立在静态维度之上，S100和S200都属于静态维度，属于业务属性制定不能改变的范围。静态维度只能在搭建排序的基本规范，在实时变化的情况的非常死板，因此引入动态维度健全排序规则，使得排序智能化。
1.报名量/浏览量：报名量和浏览量最能体现兼职质量，(报名量/浏览量)*50
2.加权岗位：审核人员判定这是一个合理高效的兼职，后台添加权重最多100
3.发布时间：兼职的及时性非常高，为了加大兼职有效性每隔2天-10
4.用户评分：由于兼职的及时性，直接对兼职评分意义不大，此处是此公司以往的兼职评分
动态维度弥补了静态维度不能根据环境变化的缺点。
S100、S200和S300组合使用构建成符合兼职的智能排序方法。
流量是互联网产品的核心，本发明将获取的流量进行分发和变现，流量的获取是放在首位的，是本发明的基础，本发明利用了兼职行业特殊性结构化排序规则，并利用用户的报名记录，浏览记录等在线行为智能化展示兼职的排序规则，合理利用流量导向最大化提升互联网收益。

Claims (5)

1.一种兼职智能搜索排序方法，其特征在于：其由区域维度S100、属性维度S200和动态维度S300组合使用构建而成；
其中区域维度S100：兼职区域性明显，基本不会超过城市范围；
属性维度S200：包含兼职属性和用户属性；
兼职属性包括兼职工种、标签、性别要求、身高要求、年龄要求、技能证书、薪资、结算方式；
用户属性包含学历、年龄、身高、技能证书、芝麻信用分、兼职经历和性别；
鉴于兼职属性和用户属性有部分重合有强重合部分，将此属性整合度数字化计算；
动态维度S300：是建立在静态维度之上，S100和S200都属于静态维度，属于业务属性制定不能改变的范围；静态维度只能在搭建排序的基本规范，在实时变化的情况的非常死板，引入动态维度健全排序规则，使得排序智能化。
2.根据权利要求1所述的一种兼职智能搜索排序方法，其特征在于：所述区域纬度S100将城市作为排序第一梯度，过滤不符合城市要求的兼职,同城市内距离成为重大因素，采用geohash空间纬度检索算法，将区域划分为规则矩形，并对每个矩形进行编码，以面代点，利用app的gps定位技术上传用户经纬度，并采用solr搜索引擎技术高效计算用户和兼职用工地点经纬度之间的实时距离，根据距离建立梯度机制。
3.根据权利要求1所述的一种兼职智能搜索排序方法，其特征在于：所述梯度机制如下：
第一梯度：0-15公里+200，
第二梯度：15-20公里+50，
第三梯度：20-25公里+0，
第四梯度：25公里以上-100，
所有其他排序规则一律在各自梯度里面完成，区分梯度化后，求职者在选择工作时可优先考虑距离因素；根据求职者与工作地点的经纬度，结合地图功能，制定步行、公交、出租车和地铁的出行路线。
4.根据权利要求1所述的一种兼职智能搜索排序方法，其特征在于：兼职属性和用户属性整合度数字化计算方法如下：
1.用户学历＝>兼职学历要求符合+5，
2.用户身高满足兼职身高要求+5，
3.用户年龄符合兼职要求+3，
4.用户性别要求满足企业要求+10，
5.用户有相应技能证书+10，
6.兼职薪资高于行业平均+20分，与行业齐平+10分，低于行业+5分，
7.结算方式：日结+20、周结+10、月结+5、按量结算+10，其他+0，
8.用户的兼职记录里经常报名的同工种的兼职+30。
5.根据权利要求1所述的一种兼职智能搜索排序方法，其特征在于：所述动态维度S300包含：
1.报名量/浏览量：报名量和浏览量最能体现兼职质量，(报名量/浏览量)*50；
2.加权岗位：审核人员判定这是一个合理高效的兼职，后台添加权重最多100；
3.发布时间：兼职的及时性非常高，为了加大兼职有效性每隔2天-10；
4.用户评分：由于兼职的及时性，直接对兼职评分意义不大，此处是此公司以往的兼职评分；
动态维度弥补了静态维度不能根据环境变化的缺点。
CN201811212712.4A 2018-10-18 2018-10-18 一种兼职智能搜索排序方法 Active CN109359185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811212712.4A CN109359185B (zh) 2018-10-18 2018-10-18 一种兼职智能搜索排序方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811212712.4A CN109359185B (zh) 2018-10-18 2018-10-18 一种兼职智能搜索排序方法

Publications (2)

Publication Number Publication Date
CN109359185A true CN109359185A (zh) 2019-02-19
CN109359185B CN109359185B (zh) 2020-08-21

Family

ID=65345713

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811212712.4A Active CN109359185B (zh) 2018-10-18 2018-10-18 一种兼职智能搜索排序方法

Country Status (1)

Country Link
CN (1) CN109359185B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135504A (zh) * 2019-05-20 2019-08-16 杭州弧途科技有限公司 一种基于人工智能的大学生兼职精确匹配方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708525A (zh) * 2012-05-22 2012-10-03 华南理工大学 基于gpu加速的招聘职位智能推荐方法
US20140278633A1 (en) * 2013-03-12 2014-09-18 Kevin M. Daly Skill-based candidate matching
CN105893641A (zh) * 2016-07-01 2016-08-24 中国传媒大学 一种职位推荐方法
CN106980961A (zh) * 2017-03-02 2017-07-25 中科天地互联网科技（苏州）有限公司 一种简历筛选匹配方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708525A (zh) * 2012-05-22 2012-10-03 华南理工大学 基于gpu加速的招聘职位智能推荐方法
US20140278633A1 (en) * 2013-03-12 2014-09-18 Kevin M. Daly Skill-based candidate matching
CN105893641A (zh) * 2016-07-01 2016-08-24 中国传媒大学 一种职位推荐方法
CN106980961A (zh) * 2017-03-02 2017-07-25 中科天地互联网科技（苏州）有限公司 一种简历筛选匹配方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MNMALIST: ""使用GeoHash解决根据经纬度和区域半径搜索商家"", 《CSDN HTTPS://BLOG.CSDN.NET/MNMLIST/ARTICLE/DETAILS/78388753 4/博客》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135504A (zh) * 2019-05-20 2019-08-16 杭州弧途科技有限公司 一种基于人工智能的大学生兼职精确匹配方法

Also Published As

Publication number Publication date
CN109359185B (zh) 2020-08-21

Similar Documents

Publication Publication Date Title
Cramer et al. Disruptive change in the taxi business: The case of Uber
Hajduk Bibliometric analysis of publications on city logistics in international scientific literature
Opasanon et al. Impact analysis of logistics facility relocation using the analytic hierarchy process (AHP)
WO2012126038A1 (en) Logistics sourcing improvements
CN101636757A (zh) 交易标识系统
CN103020274A (zh) 文献分析方法和系统
CN106203938A (zh) 一种基于云计算的园区智能服务平台
CN115422438A (zh) 铁路物资供应资源推荐方法、系统和存储介质
Conceição et al. The facility location problem in the steel industry: a case study in Latin America
CN109359185A (zh) 一种兼职智能搜索排序方法
Saeed et al. Project Waste Management and Recycling Reduce Project Material Expenses
Couto et al. Planning the location of facilities to implement a reverse logistic system of post-consumer packaging using a location mathematical model
Kiba-Janiak et al. Sustainable City Logistics of Last-Mile Delivery and Returns on the e-commerce Market. Various Groups of Stakeholders' Perspectives-Aims and Scope of the Project
Tsirimpa et al. Route choice preferences: insights from Portuguese freight forwarders and truck drivers
Khanal An economic analysis of the Lao PDR tourism industry: A thesis submitted in partial fulfilment of the requirements for the Degree of Doctor of Philosophy in Economics at Lincoln University
Nguyen Sustainability criteria reflection in the selection of a logistics center location with similarity-based TOPSIS using OWA operators
Wong et al. Retaining passenger loyalty through data mining: a case study of Taiwanese airlines
Suksuwan et al. The conceptual framework of the government-sponsored rural road improvement project evaluation and selection
Bland et al. Taking steps toward healthy & sustainable transport investment: A systematic review of economic evaluations in the academic literature on large-scale active transport infrastructure
Soparat et al. The Integrated Appraisal Framework of Rural Road Improvement Projects
Tubis et al. Fuzzy TOPSIS in selecting logistic handling operator: case study from Poland
Alhaddar et al. The mapping of business processes from community solid waste to waste banks using the GoniGoni application
Honga et al. Overview of Green marketing strategy and its influences on business efficiency in the enterprises
Gingerich Studying regional and cross border freight movement activities with truck GPS big data
Bolla et al. The Analysis of Vehicle Operating Cost (VOC) and the Preparation of Public Transport Information Systems Based on Geographic Information Systems (GIS) in Kupang City

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant