CN109492164A

CN109492164A - 一种简历的推荐方法、装置、电子设备及存储介质

Info

Publication number: CN109492164A
Application number: CN201811419558.8A
Authority: CN
Inventors: 赵长冯; 潘鑫宇; 杨校辉
Original assignee: Beijing Netemployment Consulting Co Ltd
Current assignee: Beijing Netemployment Consulting Co Ltd
Priority date: 2018-11-26
Filing date: 2018-11-26
Publication date: 2019-03-19

Abstract

本发明实施例公开了一种简历的推荐方法、装置、电子设备及存储介质，该方法包括：基于预设的知识图谱数据库确定目标求职者和/或目标招聘者的信息；根据目标求职者和/或所述目标招聘者的信息为目标求职者推荐职位和/或为目标招聘者推荐简历，预设的知识图谱数据库：包括求职者模型和职位模型；求职者模型包括不同职位的信息、与职位信息对应的不同属性标签以及与标签对应的权重信息；职位推荐模型包括不同求职者的信息、与求职者信息对应的不同属性标签以及与标签对应的权重信息。因此，通过知识图谱可以准确的理解求职者和招聘者的需求内容，从而实现简历和职位的自动、快速且精准的匹配，提升简历和职位的中意度。

Description

一种简历的推荐方法、装置、电子设备及存储介质

技术领域

本发明涉及互联网技术领域，尤其涉及一种简历的推荐方法、装置、电子设备及存储介质。

背景技术

目前，大量的企业选择在网上进行招聘，求招聘企业发布招聘信息，求职者需要在网上完成自己简历的投递，等待企业招聘者的审核。

另外，求职者想要根据自己的基本信息进行适合职位的查询，需要去逐条浏览企业的不同职业的招聘需求；或者企业想要查询自己发布的职位的合适人选，查看求职者的意向信息，或者需要逐个去查看投递的简历信息，通过专门的招聘人员判断该简历是否符合自己发布的岗位。

显然，现有的招聘模式进行岗位匹配的效率较低，并且求职者和招聘者在求职或招聘过程中的体验效果差。

发明内容

本发明提供一种简历的推荐方法、装置、电子设备及存储介质，实现简历和职位的自动、快速且精准的匹配，提升简历和职位的中意度。

第一方面，本发明实施例提供了一种简历的推荐方法，包括：

基于预设的知识图谱数据库确定目标求职者和/或目标招聘者的信息；

根据所述目标求职者和/或所述目标招聘者的信息为所述目标求职者推荐职位和/或为所述目标招聘者推荐简历；

其中，所述预设的知识图谱数据库：包括求职者模型和职位模型；所述求职者模型包括不同职位的信息、与所述职位信息对应的不同属性标签以及与标签对应的权重信息；所述职位推荐模型包括不同求职者的信息、与所述求职者信息对应的不同属性标签以及与标签对应的权重信息。

第二方面，本发明实施例还提供了一种简历的推荐装置，包括：

信息确定模块，用于基于预设的知识图谱数据库确定目标求职者和/或目标招聘者的信息；

简历推荐模块，用于根据所述目标求职者和/或所述目标招聘者的信息为所述目标求职者推荐职位和/或为所述目标招聘者推荐简历；

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的一种简历的推荐方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的一种简历的推荐方法。

本发明实施例的技术方案，基于预设的知识图谱数据库确定目标求职者和/或目标招聘者的信息；根据所述目标求职者和/或所述目标招聘者的信息为所述目标求职者推荐职位和/或为所述目标招聘者推荐简历。而由于所述预设的知识图谱数据库：包括求职者模型和职位模型；所述求职者模型包括不同职位的信息、与所述职位信息对应的不同属性标签以及与标签对应的权重信息；所述职位推荐模型包括不同求职者的信息、与所述求职者信息对应的不同属性标签以及与标签对应的权重信息。因此，通过知识图谱可以准确的理解求职者和招聘者的需求内容，从而可以实现简历和职位的自动、快速且精准的匹配，提升简历和职位的中意度。

附图说明

图1是本发明实施例一中的一种简历的推荐方法的流程图。

图2是本发明实施例二中的一种职位的推荐方法的流程图。

图3是本发明实施例三中的一种简历的推荐方法的流程图。

图4是本发明实施例四中的一种简历的推荐装置的结构示意图。

图5是本发明实施例五中的一种电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种简历的推荐方法的流程图，本实施例可适用于招聘网站中的为招聘者推荐简历和/或为求职者推荐职位的情况，该方法可以由简历的推荐装置来执行，该装置可以采用硬件和/或软件实现，可以配置于电子设备中，该方法具体包括如下步骤：

S110、基于预设的知识图谱数据库确定目标求职者和/或目标招聘者的信息。

其中，目标求职者可以是有求职需求的用户，比如用户在招聘网站创建了简历，并且标注为找工作的状态。目标招聘者可以是有招聘需求的企业和职位，比如可以是在招聘网站上发布了招聘信息的企业。

所述预设的知识图谱数据库：包括求职者模型和职位模型；所述求职者模型包括不同职位的信息、与所述职位信息对应的不同属性标签以及与标签对应的权重信息；所述职位推荐模型包括不同求职者的信息、与所述求职者信息对应的不同属性标签以及与标签对应的权重信息。

可选的，所述不同职位的信息包括招聘者的基本信息和/或招聘者的历史行为数据信息；所述求职者的信息包括求职者的基本信息和/或求职者的历史行为数据信息。

其中，职位的基本信息可以包括不同维度的信息，比如职位的行业、国家、地区、企业类型、企业规模、职位类别、职位级别和招聘薪资等。可以通过对职位的基本信息分析获取到职位对应的不同属性标签以及对应的权重值来描述招聘者的信息。例如，招聘者的某个职位要求中写着：要求熟练使用PPT和PS软件，那么经过一定的分析算法或预设分析模型可以得到：该职位的要求点包括：PPT技能标签，PS技能标签，而且PPT技能标签和PS技能标签的权重值应该差不多。

另外，除了分析基本信息之外，还可以进一步结合历史行为数据信息对不同属性对应的标签以及对应的权重信息进行计算。对于招聘者而言，可以进一步分析招聘者的历史行为，比如招聘者的这个招聘职位之前查看的都是研究生学历软件工程专业的简历，则相应可以分析出该职位信息对应的标签还包括：学历要求标签和专业要求标签，并且各分配一定的权重值。

求职者的基本信息可以包括不同维度，用于描述求职者的信息，比如求职者的国籍、户籍、性别、年龄、居住地-国家、居住地-地区、学历、期望行业、期望职类和期望薪资等。可以通过求职者的基本信息提取或分析得到相应的不同属性标签以及对应的权重值来描述求职者的信息，比如求职者的不同技能点。例如，求职者的简历中写着：特长是使用PPT，接触过PS软件。因此通过一定的分析算法或预设分析模型可以得出该求职者的技能点包括PPT技能标签，PS技能标签。并且PS技能标签的权重值应该比PPT技能标签的权重值小。

另外，除了分析基本信息之外，还可以进一步结合历史行为数据信息对不同属性对应的标签以及对应的权重信息进行计算。例如，求职者投递了10次简历，都是北京的公司，且都是软件工程师的职位。因此求职者的信息对应的标签可以还包括：期望工作地点标签，期望职位标签，并且各分配一定的权重。

可选的，所述不同属性的标签以及对应的权重信息是利用机器学习算法得到的。即用于计算不同标签以及对应权重信息的分析算法或分析模型可以是通过大量的基础数据训练或机器学习得到，这样在已有分析算法或分析模型的基础上，便可以将求职者的基本信息转化为不同属性的标签以及对应的权重信息，并存于预设的知识图谱数据库中。

在分析模型或分析算法的训练或学习之前，可以先对初始数据进行相似语义词补充，最终作为训练或学习样本数据。初始数据可以是大量的简历信息和招聘信息，可以通过招聘网站的数据库中获得，对于这些初始数据可以进行补充，比如简历中求职者有在滴滴公司任软件工程师3年的经验，但是对于滴滴公司可能需要进行补充为小桔科技有限公司，以便后续的有效识别和分析。

S120、根据所述目标求职者和/或所述目标招聘者的信息为所述目标求职者推荐职位和/或为所述目标招聘者推荐简历。

在基于预设的知识图谱数据库确定了目标求职者和/或目标招聘者的信息之后，便可以为目标求职者推荐相应的职位，或为目标招聘者推荐相应的简历。具体的，可以根据目标求职者的不同属性标签信息以及对应的权重值，和各职位的不同属性标签信息以及对应权重信息推荐职位；也可以是根据目标招聘者的不同属性标签信息以及对应的权重值，和各求职者的不同属性标签信息以及对应权重信息推荐简历。具体实施的过程中，可以预先设定推荐规则，比如若职位的权重值较大的50％的标签与求职者的标签符合，则可以进行为求职者推荐职位，或为招聘者推荐简历。对于推荐的职位数量也可以进行设定，比如推荐最匹配的5个职位。另外，推荐规则也可以是通过机器学习得到。

可选的，根据所述目标求职者和/或所述目标招聘者的信息为所述目标求职者推荐职位和/或为所述目标招聘者推荐简历之后，所述方法还包括：

根据所述目标求职者和/或目标招聘者对各自推荐结果的反馈行为更新所述知识图谱数据库。

知识图谱数据库可以实时更新，包括更新求职者模型和职位模型中的基本信息和历史行为数据信息。尤其是历史行为数据信息，由于求职者或招聘者的历史行为对其信息以及职位的选择影响是很大的。具体可以通过标签的不断暴露和用户后续行为，反复修订标签在该行为下的权重；和/或通过标签的不断暴露与驱动用户主动完善标签的行为，不断丰富标签内容以及提升标签的准确度，进一步的维护完善知识图谱数据库。

本实施例的技术方案，建立了系统可理解且不断自我学习的知识图谱模型，通过知识图谱可以准确的理解求职者和招聘者的需求内容，然后可以进行智能匹配，从而实现简历和职位的自动、快速且精准的匹配，提升简历和职位的中意度。

实施例二

图2是本发明实施例二中的一种职位的推荐方法的流程图，在上述实施例的基础上，可选的，对步骤S110做了进一步的优化，如图2所示，该方法具体包括：

S210、基于预设的知识图谱数据库确定目标求职者的不同属性标签以及对应的权重信息。

具体的，在目标求职者创建了简历或填写了基本信息之后，系统可以在获取到目标求职者的基本信息的基础上，利用知识图谱数据库中预先设定的分析算法或分析模型直接分析出目标求职者的不同属性标签以及对应的权重信息。当然，如果目标求职者不是首次创建简历，则可以直接从知识图谱数据库中读取目标求职者的相关信息。

S220、根据所述目标求职者的不同属性标签以及对应的权重信息确定目标求职者的职位偏好。

在获取到目标求职者的属性标签和权重值以后，便可以从预设的知识图谱数据库中选取标签信息与目标求职者匹配的职位。例如，假设权重值是0-100，目标求职者的标签信息包括：PPT技能标签(权重60)，PS技能标签(权重20)，Word技能标签(权重10)。另外，历史行为数据信息中包括投递了10次的文秘职位，因此可能还有一属性标签为文秘职位标签(权重10)。通过以上信息可以确定目标求职者的职位偏好为文秘职位。

S230、根据预设的职位偏好算法为所述目标求职者推荐职位。

预设的职位偏好算法可以是预先设定好的用于根据求职者的偏好行为推荐职位的规则。例如，知识图谱数据库中有一个文秘职位的标签信息包括：PPT技能标签(权重70)，PS技能标签(权重20),Word技能标签(权重10)，则可以为目标求职者推荐该文秘职位。

示例性的，一种为求职者推荐职位的过程：基于知识图谱数据库，深度理解求职者的基本信息及工作能力；根据求职者的基本信息、工作能力和用户在网站的行为，深度分析求职者的职位偏好；根据分析的职位偏好算法，为求职者推荐合适且受欢迎的职位。

一种求职者搜索职位的过程：基于知识图谱数据库，深度理解求职者的基本信息及工作能力；根据用户搜索时暴露的搜索意向，为求职者搜索职位；根据第一步的深度理解和用户在网站的行为以及搜索时暴露的搜索意向，为搜索出的职位列表进行最优排序。

本实施例的技术方案，可以通过知识图谱数据库确定求职者的基本信息和能力，同时结合求职者的历史行为或搜索意向为，实现在知识图谱数据库中快速匹配合适的职位，并为求职者推荐或返回最适合的职位，提高用户满意度。同时，在本发明实施例应用到简历搜索和简历推荐过程中，求职者的职位查看到职位投递漏斗数据，提升了30％。采用数据图谱的方式，能让系统更深刻的理解求职者和招聘方的需求以及信息，从而能大幅度提升简历和职位中的中意度。

实施例三

图3是本发明实施例三提供的一种简历的推荐方法的流程图，在上述实施例的基础上，可选的，对步骤S110做了进一步的优化，如图3所示，该方法具体包括：

S310、基于预设的知识图谱数据库确定目标招聘者的不同属性标签以及对应的权重信息。

具体的，在目标招聘者发布了招聘信息之后，系统可以在获取到目标招聘的基本信息的基础上，利用知识图谱数据库中的预先设定的分析算法或分析模型便分析出目标招聘者的不同属性标签以及对应的权重信息。当然，如果目标招聘者不是首次发布招聘信息，则可以直接从知识图谱数据库中读取目标招聘者的相关信息。

S320、根据所述目标招聘者的不同属性标签以及对应的权重信息确定目标招聘者的简历偏好。

在获取到招聘求职者的属性标签和权重值之后，便可以从预设的知识图谱数据库中寻找标签信息与目标求职者匹配的职位。例如，目标招聘者的B职位的标签信息包括：PPT技能标签(权重50)，PS技能标签(权重30)，Word技能标签(权重10)。另外，历史行为数据中包括查看了10次的本科学历的建立，因此可能还有一属性标签为本科学历标签(权重10)。通过以上信息可以确定目标招聘者的简历偏好为本科学历的求职者。

S330、根据预设的简历偏好算法为所述目标招聘者推荐简历。

预设的简历偏好算法可以是预先设定好的用于根据招聘者的偏好行为推荐简历的规则。例如，知识图谱数据库中有一个求职者的标签信息包括：PPT技能标签(权重70)，PS技能标签(权重10),Word技能标签(权重10)，本科学历标签(10％)，则可以为目标招聘者推荐该简历。

示例性的，一种为招聘者推荐简历的过程：基于知识图谱数据库，深度理解招聘者的基本要求；根据招聘者的基本信息和在网站的行为，深度分析招聘者的简历偏好；根据分析的简历偏好算法，为招聘者推荐合适的简历。

一种招聘者搜索职位的过程：基于知识图谱数据库，深度理解招聘者的招聘要求；根据招聘者搜索时暴露的搜索意向，为招聘者搜索职位；根据招聘者的招聘要求和招聘者在网站的行为以及搜索时暴露的搜索意向，为搜索出的职位列表进行最优排序。

本实施例的技术方案，可以通过知识图谱数据库确定招聘者的招聘要求，同时结合招聘者的网站行为或搜索意向，实现在知识图谱数据库中快速的匹配合适的建立，并为招聘者推荐或返回最适合的简历，提高用户满意度。同时，在本发明实施例应用到简历搜索和简历推荐过程中，企业对投递求职者的面试率，提升了9.8％。采用数据知识图谱的方式，能让系统更深刻的理解求职者和招聘方，从而能大幅度提升简历和职位中的中意度。

实施例四

图4为本发明实施例四提供的一种简历的推荐装置的结构示意图，如图4所示，所述装置包括：

信息确定模块410，用于基于预设的知识图谱数据库确定目标求职者和/或目标招聘者的信息；

简历推荐模块420，用于根据所述目标求职者和/或所述目标招聘者的信息为所述目标求职者推荐职位和/或为所述目标招聘者推荐简历；

可选的，所述信息确定模块410，用于基于预设的知识图谱数据库确定目标求职者的不同属性标签以及对应的权重信息；

相应的，所述简历推荐模块420，用于根据所述目标求职者的不同属性标签以及对应的权重信息确定目标求职者的职位偏好；根据预设的职位偏好算法为所述目标求职者推荐职位。

可选的，所述信息确定模块410，用于基于预设的知识图谱数据库确定目标招聘者的不同属性标签以及对应的权重信息；

相应的，所述简历推荐模块420，用于根据所述目标招聘者的不同属性标签以及对应的权重信息确定目标招聘者的简历偏好；根据预设的职位偏好算法为所述目标招聘者推荐简历。

可选的，所述装置还包括知识图谱更新模块，用于在根据所述目标求职者和/或所述目标招聘者的信息为所述目标求职者推荐职位和/或为所述目标招聘者推荐简历之后，根据所述目标求职者和/或目标招聘者对各自推荐结果的反馈行为更新所述知识图谱数据库。

可选的，所述不同属性的标签以及对应的权重信息是利用机器学习算法得到的。

本发明实施例所提供的简历的推荐装置，可执行本发明任意实施例所提供的简历的推荐方法，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，可参见本发明任意实施例提供的一种简历的推荐方法。

实施例五

参见图5，本实施例提供了一种电子设备500，其包括：一个或多个处理器520；存储装置510，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器520执行，使得所述一个或多个处理器520实现本发明实施例所提供的一种简历的推荐方法，包括：

当然，本领域技术人员可以理解，处理器520还可以实现本发明任意实施例所提供的一种简历的推荐方法的技术方案。

图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：一个或者多个处理器520，存储装置510，连接不同系统组件(包括存储装置510和处理器520)的总线550。

总线550表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备500典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备500访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储装置510可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)511和/或高速缓存存储器512。电子设备500可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统513可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线550相连。存储装置510可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块515的程序/实用工具514，可以存储在例如存储装置510中，这样的程序模块515包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块515通常执行本发明所描述的任意实施例中的功能和/或方法。

电子设备500也可以与一个或多个外部设备560(例如键盘、指向设备、显示器570等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口530进行。并且，电子设备500还可以通过网络适配器540与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器540通过总线550与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理器520通过运行存储在存储装置510中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种简历的推荐方法。

实施例六

本发明实施例五提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种简历的推荐方法，该方法包括：

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的一种简历的推荐方法中的相关操作。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims

1.一种简历的推荐方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述不同职位的信息包括招聘者的基本信息和/或招聘者的历史行为数据信息；所述求职者的信息包括求职者的基本信息和/或求职者的历史行为数据信息。

3.根据权利要求1所述的方法，其特征在于，基于预设的知识图谱数据库确定求职者和/或招聘者的信息，包括：

基于预设的知识图谱数据库确定目标求职者的不同属性标签以及对应的权重信息；

相应的，根据所述目标求职者和/或所述目标招聘者的信息为所述目标求职者推荐职位和/或为所述目标招聘者推荐简历，包括：

根据所述目标求职者的不同属性标签以及对应的权重信息确定目标求职者的职位偏好；

根据预设的职位偏好算法为所述目标求职者推荐职位。

4.根据权利要求1所述的方法，其特征在于，基于预设的知识图谱数据库确定求职者和/或招聘者的信息，包括：

基于预设的知识图谱数据库确定目标招聘者的不同属性标签以及对应的权重信息；

根据所述目标招聘者的不同属性标签以及对应的权重信息确定目标招聘者的简历偏好；

根据预设的简历偏好算法为所述目标招聘者推荐简历。

5.根据权利要求1所述的方法，其特征在于，根据所述目标求职者和/或所述目标招聘者的信息为所述目标求职者推荐职位和/或为所述目标招聘者推荐简历之后，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，所述不同属性的标签以及对应的权重信息是利用机器学习算法得到的。

7.一种简历的推荐装置，其特征在于，所述装置包括：

8.根据权利要求7所述的装置，其特征在于，所述不同职位的信息包括招聘者的基本信息和/或招聘者的历史行为数据信息；所述求职者的信息包括求职者的基本信息和/或求职者的历史行为数据信息。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的一种简历的推荐方法。

10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的一种简历的推荐方法。