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 PDFInfo
- 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
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
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。
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)
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)
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 |
-
2018
- 2018-10-18 CN CN201811212712.4A patent/CN109359185B/zh active Active
Patent Citations (4)
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)
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)
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 |