CN109636337A - 一种基于大数据的人才库构建方法及电子设备 - Google Patents

一种基于大数据的人才库构建方法及电子设备 Download PDF

Info

Publication number
CN109636337A
CN109636337A CN201811520967.7A CN201811520967A CN109636337A CN 109636337 A CN109636337 A CN 109636337A CN 201811520967 A CN201811520967 A CN 201811520967A CN 109636337 A CN109636337 A CN 109636337A
Authority
CN
China
Prior art keywords
model
resume
professional
talent
user
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.)
Pending
Application number
CN201811520967.7A
Other languages
English (en)
Inventor
刘欣华
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.)
Beijing Tangguan Tianlang Technology Development Co Ltd
Original Assignee
Beijing Tangguan Tianlang Technology Development 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 Beijing Tangguan Tianlang Technology Development Co Ltd filed Critical Beijing Tangguan Tianlang Technology Development Co Ltd
Priority to CN201811520967.7A priority Critical patent/CN109636337A/zh
Publication of CN109636337A publication Critical patent/CN109636337A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的人才库构建方法及电子设备，该基于大数据的人才库构建方法包括：获取至少一份简历，并根据每一份简历中的职位信息进行分类，得到至少一个分类集合；采集职业对应的业内人才的信息，并获取业内人才的特性，以及采用卷积神经网络的深度学习算法，得到职业评分模型；根据职业评分模型对每一份简历进行打分；根据每一份简历的打分对对应的分类集合中的至少一份简历进行排序，并根据每一公司的职位的需求，将与每一公司的职位需求对应的简历以每一公司的职位需求为标签存储到数据库。

Description

一种基于大数据的人才库构建方法及电子设备
技术领域
本发明涉及大数据技术领域，具体涉及一种基于大数据的人才库构建方法及电子设备。
背景技术
简历是求职者给招聘单位的自己个人信息简要介绍，很多人找工作都是通过网络投递简历，但是通过网络投递的简历各式各样，这对于收简历的这些企业来说，查看处理这些简历是一个很大的工作量，由于每个人的简历内容没有统一格式，对企业来说，怎样将这些通过各种渠道获取的各式各样的简历管理起来，使其发挥它们更大的价值一直是企业人资比较头疼的一件事情。
发明内容
本发明实施例的目的在于提供一种基于大户数的人才库构建方法及电子设备，用以解决现有技术中存在的问题。
为实现上述目的，本发明实施例第一方面提供了一种基于大数据的人才库构建方法，该基于大数据的人才库构建方法包括：获取至少一份简历，并根据每一份简历中的职位信息进行分类，得到至少一个分类集合；采集职业对应的业内人才的信息，并获取业内人才的特性，以及采用卷积神经网络的深度学习算法，得到职业评分模型；根据职业评分模型对每一份简历进行打分；根据每一份简历的打分对对应的分类集合中的至少一份简历进行排序，并根据每一公司的职位的需求，将与每一公司的职位需求对应的简历以每一公司的职位需求为标签存储到数据库。
可选的，采集职业对应的业内人才的信息，包括：从指定论坛发表的帖子和论文中，采集职业对应的业内人才的信息。
可选的，职业评分模型包括：职业经历评分模型、教育背景评分模型、专业能力评分模型、个人素质评分模型和技能证书评分模型。
可选的，根据职业评分模型对至少一个集合中的简历进行打分，包括：分别统计简历与职业经历评分模型、教育背景评分模型、专业能力评分模型、个人素质评分模型和技能证书评分模型，得到对应的打分，并对应的打分，得到简历的打分。
可选的，根据打分对每一集合中的简历进行排序之前，还包括：采集所述简历的用户在当前时刻之前的预设时间内在预设论坛上发表的帖子的内容；根据所述内容对所述简历进行打分；其中，所述预设论坛为职位信息对应的专业论坛，所述内容包括职位信息对应的专业信息。
可选的，所述方法还包括：采集所述简历的用户在当前时刻之前的预设时间内在预设论坛上发表的帖子的总数量；根据所述帖子的总数量对所述简历进行打分；其中，所述预设论坛为职位信息对应的专业论坛。
可选的，所述根据所述帖子的总数量对所述简历进行打分包括：统计所述帖子的总数量中无用户文字评论的帖子数N、N篇无用户文字评论的帖子的点赞数量N1及N篇无用户文字评论的帖子的踩的数量N2，计算N篇无用户文字评论的帖子的第一帖子积分L1；统计所述帖子的总数量中有用户文字评论的帖子数M、M篇有用户文字评论的帖子的点赞数量M1、M篇有用户文字评论的踩的数量M2及其他用户发表的文字评论数量M3，计算所述M篇有用户文字评论的帖子的第二帖子积分L2；及计算所述帖子的总数量中N+M篇帖子的总积分L；其中，N、M和L都为正整数。
可选的，该基于大数据的人才库构建方法还包括：根据总积分，重新调整对应的分类集合中的至少一份简历。
可选的，获取至少一份简历，包括：从招聘网站和人才市场获取至少一份简历。
本发明实施例第二方面提供了一种电子设备，包括处理器和存储器；其中，所述存储器存储代码；所述处理器执行所述代码，用于执行第一方面所述的人才库构建方法。
本发明实施例具有如下优点：
先通过职位信息对简历进行一个分类，然后根据该职业业内优秀人才的信息，采用卷积神经网络的深度学习算法，得到职业评分模型，再由这个模型对简历进行打分，并根据打分将简历进行排序，然后再结合每一公司的职位需要，从排序的简历中挑出与该公司的职业需要对应的简历，以该公司的职业需求为标签存储到数据中，相较于现有技术中简单的对简历的分类，本发明一方面根据职业评分模型对简历分类，另一方面结合公司的职业需要再一次进行分类，并以该公司的职位需求为标签进行存储，通过标签的方式管理起来比较快捷，只要输入标签，就可以找到与该标签对应的简历，操作起来很方便。通过两次分类，更能符合公司对求职者的需求，同时也能精确到合适的求职者。
附图说明
图1为本发明实施例1提供的一种基于大数据的人才库构建方法的流程图。
图2为本发明实施例2提供的一种电子设备的结构示意图。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例1
图1为本发明实施例1提供的一种基于大数据的人才库构建方法的流程图。如图1所示，该基于大数据的人才库构建方法包括以下步骤：
步骤S101：获取至少一份简历，并根据每一份简历中的职位信息进行分类，得到至少一个分类集合；
在本发明实施例获取简历方式不单单从招聘网站，也可以从大型招聘会现场，也可以从人才市场中获取简历，在获取简历之后，需要先对简历进行分类，因为每一个公司招聘的不单单是一个职位，故需要将简历根据职位分类。
步骤S102：采集职业对应的业内人才的信息，并获取业内人才的特性，以及采用卷积神经网络的深度学习算法，得到职业评分模型；
在本发明实施例中，采集该职位业内的人才信息，并分析人才具备的特质是常人没有的，以及结合该职业的需求对分析的特质赋予不同的权重值，进而得到职业评分模型。其中，业内人才信息的采集，可以通过搜索国家级论坛发表的帖子、论文中采集业内人才的信息。
本发明实施例中的简历的要素包括：个人信息、就职意向、教育背景、工作或实习经历、项目经历、英语、IT技能及专业技能和其他个人信息等。个人信息主要为求职者的基本信息，例如姓名、性别和联系方式等信息；就职意向则是求职者想要应聘的岗位；其他个人信息主要是指兴趣爱好、自我评价等信息。
本发明实施例中的职业评分模型与简历的要素对应，相应的职业经历评分模型、教育背景评分模型、专业能力评分模型、个人素质评分模型和技能证书评分模型。其中，教育背景与教育背景评分模型对应，工作或实习经历与职业经历评分模型对应，英语、IT技能及专业技能与技能证书评分模型对应，其他个人信息与个人素质评分模型对应，项目经历与专业能力评分模型对应。其中，上述的模型，都是基于该职业内，业内人士教育背景，工作或实习经历，英语、IT技能及专业技能，其他个人信息，项目经历进行评定得到的，例如项目经历，可以多采集一种该职业的业内人才的项目经历，从中确定一个与该职业最匹配的专业能力评分模型；其他模型的建立，原理和专业能力评分模型的建立是一样的。
步骤S103：根据职业评分模型对每一份简历进行打分；
具体地，根据简历的要素与职业评分模型之间的匹配度来打分。也就是分别统计教育背景与教育背景评分模型，工作或实习经历与职业经历评分模型，英语、IT技能及专业技能与技能证书评分模型，其他个人信息与个人素质评分模型和项目经历与专业能力评分模型的匹配度，将相应的匹配度转换为分数，最终得到这个简历的打分。
需要说明的是，简历要素的与对应模型的匹配度，可以通过分别提取简历要素的关键字或关键词与对应模型的关键字或关键词，对应模型的关键字或关键词都有对应的分数，分数越高说明该关键字或关键词在要素中的作用越大，也越能决定该人才的优秀等级。在提取关键字或关键词之后，进行判定匹配度，并根据匹配度的多少和对应模型的关键字或关键词对应的分值，确定最终简历要素的关键字或关键词的分数。例如，匹配度为60％，对应模型的关键字或关键词对应的分值为10分，那么简历要素的关键字或关键词的分值为6分，此处只是列举了一种可能的换算方式，具体的换算方式，可以根据对应模型的关键字或关键词在整个对应模型中的重要程度，如果重要程度较高，可以提高换算率(是指在原先60％的基础上再乘以一个大于1的正数)，如果重要程度较低，则降低换算率(是指在原先60％的基础上再乘以一个小于1的正数)，只要最终能准确实现对简历的打分即可。
需要说明的是，每一个模型对应至少一个关键字或关键词，每一个或多个关键字或关键词对应的分值不同，分值越高代表该关键字或关键词的占的作用越大。
步骤S104：根据每一份简历的打分对对应的分类集合中的至少一份简历进行排序，并根据每一公司职位的需求，从每一分类集合中提取与每一公司职位的需求对应的简历组成第二分类集合，以及将每一公司的职位需求为标签存储到数据库。
在一个示例中，也结合每一公司对该职位的需求，也分别筛选出对应的简历，然后将该公司的职位的需要为标签存储到收据库中。可以通过上述的模型的关键字或关键词来匹配公司职位的需求，可以将超过公司职位的需求只上或持平的简历筛选出来，按照该公司的职位需要存储到数据库。
在本发明实施例中，可以采集所述简历的用户在当前时刻之前的预设时间内在预设论坛上发表的帖子的内容；根据所述内容对所述简历进行打分；其中，所述预设论坛为职位信息对应的专业论坛，所述内容包括职位信息对应的专业信息。
可以从网上搜集该简历的用户在当前时刻之前的一定时间内(例如两年内，具体的时间可以调整)是否在与职位信息相关的论坛上发表了与职业信息相关的帖子。例如，职位为通信工程师，则可以将与通信相关的论坛列为通信工程师这一职位相关的论坛。发布的帖子的内容包括的专业信息可以反映该用户的专业水平，从而可以用于为用户的简历打分。
在一个示例中，所述方法还包括：采集所述简历的用户在当前时刻之前的预设时间内在预设论坛上发表的帖子的总数量；根据所述帖子的总数量对所述简历进行打分；其中，所述预设论坛为职位信息对应的专业论坛。用户在职位信息相关的论坛发布的帖子越多，说明该用户在论坛上越活跃，可以反映用户对职位信息对应的专业的兴趣，从而可以用于为用户打分。
在一个示例中，所述根据所述帖子的总数量对所述简历进行打分具体包括：统计所述帖子的总数量中无用户文字评论的帖子数N、N篇无用户文字评论的帖子的点赞数量N1及N篇无用户文字评论的帖子的踩的数量N2，计算N篇无用户文字评论的帖子的第一帖子积分L1；统计所述帖子的总数量中有用户文字评论的帖子数M、M篇有用户文字评论的帖子的点赞数量M1、M篇有用户文字评论的踩的数量M2及其他用户发表的文字评论数量M3，计算所述M篇有用户文字评论的帖子的第二帖子积分L2；及计算所述帖子的总数量中N+M篇帖子的总积分L；其中，N、M和L都为正整数。
需要说明的一点是，该简历的用户发布的帖子中被其他用户发布文字评论的帖子无用户文字评论的帖子的级别。级别越高的帖子占的权重越大，例如，分别占5、3、2的比重，根据比重来算积分。
上述的帖子可以是与该职位信息相关的帖子，关联度越大，也越能影响简历的打分；也就是通过模型对简历的打分和用户帖子的打分也是有一个权重的，如果帖子与该职位的关联度越大，那么帖子的打分可以占一个较大的比重，但是其主要作用的还是模型对简历的打分，只是通过帖子与该职位的关联度，改变帖子打分和模板对简历打分的比重，如果帖子与该职位的关联度高，可以相应的提高帖子对简历的打分的比重，降低模板对简历的打分的比重。
在一个示例中，可以同时进行用户在预设论坛上发布的帖子打分和模型对简历的打分，然后根据两个打分情况，对每一分类集合中的简历进行排序；也可以是先执行模型对简历的打分，然后根据模型对简历的打分对简历进行排序，然后再根据帖子打分来对原先排序的简历进行重新排序。
本发明实施例提供了一种基于大数据的人才库构建方法，该方法先通过职位信息对简历进行一个分类，然后根据该职业业内优秀人才的信息，采用卷积神经网络的深度学习算法，得到职业评分模型，再由这个模型对简历进行打分，并根据打分将简历进行排序，然后再结合每一公司的职位需要，从排序的简历中挑出与该公司的职业需要对应的简历，以该公司的职业需求为标签存储到数据中，相较于现有技术中简单的对简历的分类，本发明一方面根据职业评分模型对简历分类，另一方面结合公司的职业需要再一次进行分类，并以该公司的职位需求为标签进行存储，通过标签的方式管理起来比较快捷，只要输入标签，就可以找到与该标签对应的简历，操作起来很方便。通过两次分类，更能符合公司对求职者的需求，同时也能精确到合适的求职者。
实施例2
本实施例提供了一种电子设备，所述电子设备可以为具有计算能力的服务器、平台等。如图2所示，包括处理器21和存储器22；其中，
所述存储器22存储代码；
所述处理器21执行所述代码，用于执行实施例1所述的人才库构建方法。
本实施例提供的电子设备具有如下优点：通过职位信息对简历进行一个分类，然后根据该职业业内优秀人才的信息，采用卷积神经网络的深度学习算法，得到职业评分模型，再由这个模型对简历进行打分，并根据打分将简历进行排序，然后再结合每一公司的职位需要，从排序的简历中挑出与该公司的职业需要对应的简历，以该公司的职业需求为标签存储到数据中，相较于现有技术中简单的对简历的分类，本发明一方面根据职业评分模型对简历分类，另一方面结合公司的职业需要再一次进行分类，并以该公司的职位需求为标签进行存储，通过标签的方式管理起来比较快捷，只要输入标签，就可以找到与该标签对应的简历，操作起来很方便。通过两次分类，更能符合公司对求职者的需求，同时也能精确到合适的求职者。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (10)

1.一种基于大数据的人才库构建方法，其特征在于，所述方法包括：
获取至少一份简历，并根据每一份简历中的职位信息进行分类，得到至少一个分类集合；
采集职业对应的业内人才的信息，并获取所述业内人才的特性，以及采用卷积神经网络的深度学习算法，得到职业评分模型；
根据所述职业评分模型对所述每一份简历进行打分；
根据每一份简历的打分对所述对应的分类集合中的至少一份简历进行排序，并根据每一公司的职位的需求，将与所述每一公司的职位需求对应的简历以所述每一公司的职位需求为标签存储到数据库。
2.根据权利要求1所述的方法，其特征在于，所述采集所述职业对应的业内人才的信息，包括：
从指定论坛发表的帖子和论文中，采集所述职业对应的业内人才的信息。
3.根据权利要求1所述的方法，其特征在于，所述职业评分模型包括：职业经历评分模型、教育背景评分模型、专业能力评分模型、个人素质评分模型和技能证书评分模型。
4.根据权利要求3所述的方法，其特征在于，根据所述职业评分模型对所述至少一个集合中的简历进行打分，包括：
分别统计所述简历与所述职业经历评分模型、所述教育背景评分模型、所述专业能力评分模型、所述个人素质评分模型和所述技能证书评分模型，得到对应的打分，并所述对应的打分，得到所述简历的打分。
5.根据权利要求1或4所述的方法，其特征在于，根据打分对每一集合中的简历进行排序之前，还包括：
采集所述简历的用户在当前时刻之前的预设时间内在预设论坛上发表的帖子的内容；
根据所述内容对所述简历进行打分；
其中，所述预设论坛为职位信息对应的专业论坛，所述内容包括职位信息对应的专业信息。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：采集所述简历的用户在当前时刻之前的预设时间内在预设论坛上发表的帖子的总数量；
根据所述帖子的总数量对所述简历进行打分；
其中，所述预设论坛为职位信息对应的专业论坛。
7.根据权利要求6所述的方法，其特征在于，所述根据所述帖子的总数量对所述简历进行打分包括：
统计所述帖子的总数量中无用户文字评论的帖子数N、N篇无用户文字评论的帖子的点赞数量N1及N篇无用户文字评论的帖子的踩的数量N2，计算N篇无用户文字评论的帖子的第一帖子积分L1；
统计所述帖子的总数量中有用户文字评论的帖子数M、M篇有用户文字评论的帖子的点赞数量M1、M篇有用户文字评论的踩的数量M2及其他用户发表的文字评论数量M3，计算所述M篇有用户文字评论的帖子的第二帖子积分L2；及
计算所述帖子的总数量中N+M篇帖子的总积分L；其中，N、M和L都为正整数。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：根据所述总积分，重新调整对应的分类集合中的至少一份简历。
9.根据权利要求1所述的方法，其特征在于，所述获取至少一份简历，包括：
从招聘网站和人才市场获取至少一份简历。
10.一种电子设备，其特征在于，包括处理器和存储器；其中，
所述存储器存储代码；
所述处理器执行所述代码，用于执行权利要求1-9任一项所述的方法。
CN201811520967.7A 2018-12-12 2018-12-12 一种基于大数据的人才库构建方法及电子设备 Pending CN109636337A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811520967.7A CN109636337A (zh) 2018-12-12 2018-12-12 一种基于大数据的人才库构建方法及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811520967.7A CN109636337A (zh) 2018-12-12 2018-12-12 一种基于大数据的人才库构建方法及电子设备

Publications (1)

Publication Number Publication Date
CN109636337A true CN109636337A (zh) 2019-04-16

Family

ID=66073299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811520967.7A Pending CN109636337A (zh) 2018-12-12 2018-12-12 一种基于大数据的人才库构建方法及电子设备

Country Status (1)

Country Link
CN (1) CN109636337A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110069782A (zh) * 2019-04-26 2019-07-30 西安募格网络科技有限公司 一种基于机器学习的简历质量判断方法
CN111126607A (zh) * 2020-04-01 2020-05-08 阿尔法云计算(深圳)有限公司 一种模型训练的数据处理方法、装置与系统
CN111415131A (zh) * 2020-03-13 2020-07-14 浙江华坤道威数据科技有限公司 一种基于自然语言处理技术的大数据人才简历分析方法
WO2020253503A1 (zh) * 2019-06-18 2020-12-24 平安科技（深圳）有限公司 人才画像的生成方法、装置、设备及存储介质
TWI776146B (zh) * 2020-04-30 2022-09-01 中國信託商業銀行股份有限公司 履歷評分方法及其系統

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787639A (zh) * 2016-02-03 2016-07-20 北京云太科技有限公司 基于人工智能的人才大数据量化精确匹配方法和装置
CN108305047A (zh) * 2018-01-31 2018-07-20 合肥和钧正策信息技术有限公司 一种人才大数据企业服务系统
CN108304539A (zh) * 2018-01-30 2018-07-20 平安科技（深圳）有限公司 人才数据库建立方法、装置及存储介质
CN108399525A (zh) * 2017-02-04 2018-08-14 王珣昱 一种基于数据挖掘和机器学习的人才评估方法
CN108446886A (zh) * 2018-01-31 2018-08-24 合肥和钧正策信息技术有限公司 基于大数据的人才招聘系统及方法
CN108647250A (zh) * 2018-04-19 2018-10-12 郑州科技学院 一种基于人工智能的人才大数据量化精确匹配方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105787639A (zh) * 2016-02-03 2016-07-20 北京云太科技有限公司 基于人工智能的人才大数据量化精确匹配方法和装置
CN108399525A (zh) * 2017-02-04 2018-08-14 王珣昱 一种基于数据挖掘和机器学习的人才评估方法
CN108304539A (zh) * 2018-01-30 2018-07-20 平安科技（深圳）有限公司 人才数据库建立方法、装置及存储介质
CN108305047A (zh) * 2018-01-31 2018-07-20 合肥和钧正策信息技术有限公司 一种人才大数据企业服务系统
CN108446886A (zh) * 2018-01-31 2018-08-24 合肥和钧正策信息技术有限公司 基于大数据的人才招聘系统及方法
CN108647250A (zh) * 2018-04-19 2018-10-12 郑州科技学院 一种基于人工智能的人才大数据量化精确匹配方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110069782A (zh) * 2019-04-26 2019-07-30 西安募格网络科技有限公司 一种基于机器学习的简历质量判断方法
WO2020253503A1 (zh) * 2019-06-18 2020-12-24 平安科技（深圳）有限公司 人才画像的生成方法、装置、设备及存储介质
CN111415131A (zh) * 2020-03-13 2020-07-14 浙江华坤道威数据科技有限公司 一种基于自然语言处理技术的大数据人才简历分析方法
CN111126607A (zh) * 2020-04-01 2020-05-08 阿尔法云计算(深圳)有限公司 一种模型训练的数据处理方法、装置与系统
CN111126607B (zh) * 2020-04-01 2020-09-29 阿尔法云计算(深圳)有限公司 一种模型训练的数据处理方法、装置与系统
TWI776146B (zh) * 2020-04-30 2022-09-01 中國信託商業銀行股份有限公司 履歷評分方法及其系統

Similar Documents

Publication Publication Date Title
CN109636337A (zh) 一种基于大数据的人才库构建方法及电子设备
CN106528656B (zh) 一种基于学员历史和实时学习状态参量实现课程推荐的方法和系统
CN108665159A (zh) 一种风险评估方法、装置、终端设备及存储介质
CN109558429A (zh) 基于互联网大数据的人才服务双向推荐方法及系统
CN103620590B (zh) 用于图像至文本以及文本至图像的关联的系统和方法
CN109564669A (zh) 基于信任得分和地理范围搜索实体
CN107851097A (zh) 数据分析系统、数据分析方法、数据分析程序及存储介质
CN108446886A (zh) 基于大数据的人才招聘系统及方法
CN108256119A (zh) 一种资源推荐模型的构建方法及基于该模型的资源推荐方法
Rodriguez et al. Feature selection for job matching application using profile matching model
CN110109922A (zh) 绩效数据获取方法、装置、计算机设备及存储介质
CN112819286A (zh) 一种精英人才和岗位高嵌合度分类匹配系统和方法
CN103324758B (zh) 一种新闻分类方法和系统
CN106294363A (zh) 一种论坛帖子评价方法、装置及系统
CN109086837A (zh) 基于卷积神经网络的用户属性分类方法、存储介质、装置及电子设备
CN109582852A (zh) 一种全文检索结果的排序方法及系统
CN111078859B (zh) 一种基于引用次数的作者推荐方法
CN113918806A (zh) 自动推荐培训课程的方法及相关设备
KR20200065347A (ko) 온라인 창의학습 관리 방법 및 이를 위한 관리 서버
CN110990662B (zh) 一种基于引文网络与科研合作网络的领域专家遴选方法
CN108509588A (zh) 一种基于大数据的律师评估方法及推荐方法
CN112836137A (zh) 人物网络支持度计算系统及方法、终端、设备、存储介质
CN108133296B (zh) 基于活动的社交网络下的一种结合环境数据的活动出席预测方法
CN111242660A (zh) 用户满意度调查方法、装置、设备及计算机可读存储介质
CN112734142B (zh) 基于深度学习的资源学习路径规划方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190416