CN109840468A - 一种用户分析报告的生成方法及设备 - Google Patents
一种用户分析报告的生成方法及设备 Download PDFInfo
- Publication number
- CN109840468A CN109840468A CN201811530366.4A CN201811530366A CN109840468A CN 109840468 A CN109840468 A CN 109840468A CN 201811530366 A CN201811530366 A CN 201811530366A CN 109840468 A CN109840468 A CN 109840468A
- Authority
- CN
- China
- Prior art keywords
- keyword
- user
- post
- target
- sequence
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000001815 facial effect Effects 0.000 claims abstract description 67
- 239000000284 extract Substances 0.000 claims abstract description 17
- 230000006399 behavior Effects 0.000 claims description 52
- 101100369993 Mus musculus Tnfsf10 gene Proteins 0.000 claims description 43
- 230000009471 action Effects 0.000 claims description 40
- 230000000875 corresponding effect Effects 0.000 claims description 30
- 230000003542 behavioural effect Effects 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 206010054949 Metaplasia Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000015689 metaplastic ossification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于数据处理技术领域,提供了一种用户分析报告的生成方法及设备,包括:获取目标用户的人脸图像,并基于人脸图像从简历数据库中提取目标用户的目标简历;提取目标简历中的用户关键词序列,并根据用户关键词序列确定目标用户与目标岗位的岗位匹配度;从视频数据库中截取包含人脸图像的视频段落,并基于视频段落确定目标用户的行为特征信息;根据岗位匹配度以及行为特征信息,生成目标用户的用户分析报告。本发明不依赖面试官的面试经验,面试官甚至无需浏览目标用户的简历就能够确定面试人员与岗位是否匹配,大大提高了面试效率。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种用户分析报告的生成方法及设备。
背景技术
随着企业规模的不断扩大,员工的数量也随之增加,因而如何能够高效地对面试人员进行筛选,在面试的过程中快速确定面试人员是否符合目标岗位并得到该面试人员的用户分析报告,则显得尤为重要。现有的用户分析报告的生成技术,一般是由面试官通过浏览面试人员的简历信息,来确定与面试人员申报的目标岗位的匹配程度,然而上述方式依赖面试官的面试经验,当面试人员的资料较多时可能需要花费较长时间才能获取员工给的初步印象,面试效率较低。
发明内容
有鉴于此,本发明实施例提供了一种用户分析报告的生成方法及设备,以解决现有的用户分析报告的生成技术,依赖面试官的面试经验,当面试人员的资料较多时可能需要花费较长时间才能获取员工给的初步印象,面试效率较低的问题。
本发明实施例的第一方面提供了一种用户分析报告的生成方法,包括:
获取目标用户的人脸图像,并基于所述人脸图像从简历数据库中提取所述目标用户的目标简历;
提取所述目标简历中的用户关键词序列,并根据所述用户关键词序列确定所述目标用户与目标岗位的岗位匹配度;
从视频数据库中截取包含所述人脸图像的视频段落,并基于所述视频段落确定所述目标用户的行为特征信息;
根据所述岗位匹配度以及所述行为特征信息,生成所述目标用户的用户分析报告。
本发明实施例的第二方面提供了一种用户分析报告的生成设备,包括:
人脸图像获取单元,用于获取目标用户的人脸图像,并基于所述人脸图像从简历数据库中提取所述目标用户的目标简历;
岗位匹配度计算单元,用于提取所述目标简历中的用户关键词序列,并根据所述用户关键词序列确定所述目标用户与目标岗位的岗位匹配度;
行为特征信息生成单元,用于从视频数据库中截取包含所述人脸图像的视频段落,并基于所述视频段落确定所述目标用户的行为特征信息;
用户分析报告生成单元,用于根据所述岗位匹配度以及所述行为特征信息,生成所述目标用户的用户分析报告。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一方面的各个步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现第一方面的各个步骤。
实施本发明实施例提供的一种用户分析报告的生成方法及设备具有以下有益效果:
本发明实施例通过获取目标人员的人脸图像,自动从简历数据库中提取目标人员的目标简历,并根据目标简历中的用户关键词序列,确定该目标用户与目标岗位之间的岗位匹配度,还可以根据人脸图像定位该目标用户的视频段落,确定目标用户的行为特征信息,继而通过岗位匹配度以及行为特征信息生成关于目标用户的用户分析报告,实现自动化生成的目的。与现有的用户分析报告的生成技术相比,本实施例不依赖面试官的面试经验,面试官甚至无需浏览目标用户的简历就能够确定面试人员与岗位是否匹配,大大提高了面试效率。另一方面,面试官也无需打印或寻找面试人员的简历信息,终端设备可以根据人脸图像从简历数据库中提取目标简历,提高了简历获取的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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发明的一些实施例,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是本发明第一实施例提供的一种用户分析报告的生成方法的实现流程图;
图2是本发明第二实施例提供的一种用户分析报告的生成方法S103具体实现流程图;
图3是本发明第三实施例提供的一种用户分析报告的生成方法S102具体实现流程图;
图4是本发明第四实施例提供的一种用户分析报告的生成方法S101具体实现流程图;
图5是本发明第五实施例提供的一种用户分析报告的生成方法具体实现流程图;
图6是本发明一实施例提供的一种用户分析报告的生成设备的结构框图;
图7是本发明另一实施例提供的一种终端设备的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例通过获取目标人员的人脸图像,自动从简历数据库中提取目标人员的目标简历,并根据目标简历中的用户关键词序列,确定该目标用户与目标岗位之间的岗位匹配度,还可以根据人脸图像定位该目标用户的视频段落,确定目标用户的行为特征信息,继而通过岗位匹配度以及行为特征信息生成关于目标用户的用户分析报告,实现自动化生成的目的,解决了现有的用户分析报告的生成技术,依赖面试官的面试经验,当面试人员的资料较多时可能需要花费较长时间才能获取员工给的初步印象,面试效率较低的问题。
在本发明实施例中,流程的执行主体为终端设备。该终端设备包括但不限于:服务器、计算机、智能手机以及平板电脑等能够执行用户分析报告的生成操作的设备。特别地,该终端设备可以为放置于面试场景下,作为面试官的用户终端,当面试人员进行面试的过程中,可以将面试人员标记为目标用户,并进行用户分析报告的生成流程。图1示出了本发明第一实施例提供的用户分析报告的生成方法的实现流程图,详述如下:
在S101中,获取目标用户的人脸图像,并基于所述人脸图像从简历数据库中提取所述目标用户的目标简历。
在本实施例中,终端设备可以通过内置的摄像模块获取当前进行面试的目标用户的人脸图像,在该情况下,用户可以向终端设备发起一个报告生成启动指令,终端设备在接收到该报告生成指令后,会启动摄像模块获取当前场景的图像,并判断该图像中是否包含人脸,若包含,则将该图像识别为人脸图像;反之,若该图像中不包含人脸,则返回一个采集失败信息,以便用户重新发起报告生成启动指令,并重新获取目标用户的人脸图像。当然,终端设备还可以接收从其他设备发送的待识别图像,该待识别图像中可以包含多个人脸图像,管理员可以指定该待识别图像中的一个或多个人脸图像作为目标用户的人脸图像,继而终端设备可以从待识别图像中截取目标用户对应的区域图像作为目标用户的人脸图像。特别地,若用户指定了多个目标用户,终端设备可以基于指定次序,以此生成各个目标用户的用户分析报告,也可以通过创建多条并发线程,并发执行用户分析报告的生成流程。
可选地,终端设备可以以预设的采集频率获取当前用户的人脸图像,若该人脸图像与上一时刻采集的人脸图像属于同一实体用户,则表示当前进行面试的对象并没有发生改变,在上一时刻已经启动了用户分析报告的分析流程,此时不进行任何操作,等待下一采集时刻到达;反之,若当前获取的人脸图像与上一时刻此埃及的人脸图像属于不同的实体用户,则表示当前面试的对象发生了改变,需要对生成该用户的用户分析报告,此时会执行S101的操作。
在本实施例中,需要进行面试的用户在面试前均会预先将自身的简历上传至该公司或企业的简历数据库内,并且该简历中会包含用户的标准人脸图像。基于此,终端设备在获取到目标用户的人脸图像后,可以将该人脸图像与简历数据库内的各个已存储的候选简历进行匹配,即判断该人脸图像与候选简历中的标准人脸图像是否属于同一实体用户,若是,则识别该候选简历为目标用户的目标简历。其中,判断是否属于同一实体用户的方式可以为计算当前获取的人脸图像与候选简历中的标准人脸图像之间的相似度,若该相似度大于预设的相似阈值,则识别两个图像指示同一实体用户。
在S102中,提取所述目标简历中的用户关键词序列,并根据所述用户关键词序列确定所述目标用户与目标岗位的岗位匹配度。
在本实施例中,目标用户的目标简历中记录有关于目标用户的用户信息,而由于不同的用户在撰写简历时的撰写习惯以及简历格式均不一样,为了过滤无效的信息以及提取面试所关注的重点信息,终端设备在获取到目标用户的目标简历后,会通过关键词提取算法,从目标简历各个用户项目中,提取用户关键词,并构成该目标简历对应的用户关键词序列。
具体地,终端设备可以首先通过项目关键词确定各个预设用户项目在目标简历中的位置,举例性地,项目关键词包括“学历”,则终端设备可以识别该目标简历中是否包含“学历”这一关键词,并定位“学历”所出现的区域,并获取该区域中关于“学历”这一项目的参数值,如“本科”或“研究生”等。并将提到的参数值作为该目标用户的用户关键词。可选地,每个用户项目在用户关键词序列中的序号是固定的。例如,“学历”这一用户项目在用户关键词序列的序号为5,则终端设备将提取得到关于该用户项目的参数值,如“本科”填入到用户关键词序列的第五个元素内,以此类推。当然,终端设备可以为用户项目配置多个用于存储该项目的区域,例如将序号10-20的区域用于存储“学习经历”这一用户项目所提取的关键词。
在本实施例中,终端设备在生成目标简历的用户关键词序列后,可以获取目标岗位的岗位需求,并基于该岗位需求以及用户关键词序列,确定目标用户与目标岗位之间的匹配度。可选地,终端设备可以判断用户关键词序列中出现在岗位需求的关键词个数,作为目标用户与目标岗位之间的匹配度。例如,用户关键词序列中有8个关键词出现在岗位需求中,则识别两者之间的匹配度为8,并标记出出现的关键词。
在S103中,从视频数据库中截取包含所述人脸图像的视频段落,并基于所述视频段落确定所述目标用户的行为特征信息。
在本实施例中,为了进一步提高用户分析报告的准确性,除了通过目标用户所撰写的简历来确定目标用户与目标岗位之间的岗位匹配度外,还可以通过该目标用户的行为,来确定用户例如性格、习惯等隐性特征。基于此,终端设备可以从视频数据库中提取包含该人脸图像的视频段落,并通过视频段落确定目标用户的行为轨迹,继而通过行为轨迹生成目标用户的行为特征信息。
在本实施例中,企业可以在多个预设的地点放置分布式视频拍摄模块,各个分布式视频拍摄模块会持续获取预设地点的视频数据,并上传至视频数据库。终端设备即可通过视频数据库获取各个预设地点的视频数据。例如,企业可以在入闸处放置一分布式视频拍摄模块,从而获取目标用户的走路时的姿态,从而通过走路时的姿态预设用户的行为特征。
优选地,终端设备还可以通过语音识别算法,确定目标用户在视频段落中的语音信息,并基于所述语音信箱生成关于该目标用户的语言特征信息。具体地,该语音信息包含有用户所说的内容文字以及对应的情绪特征。通过上述两类信息,也可以确定用户性格等隐性信息,从而提高了用户分析报告的准确性。
在S104中,根据所述岗位匹配度以及所述行为特征信息,生成所述目标用户的用户分析报告。
在本实施例中,终端设备根据岗位匹配度可以确定目标用户与目标岗位是否符合,优选地,可以根据岗位匹配度转换为匹配分值,或者根据用户关键词生成目标岗位内各个岗位要求的匹配分值,将各个匹配分值添加到用户分析报告内,从而用户可以确定与各个岗位要求的匹配程度,对目标用户有一个较为充分的了解。另外,终端设备还可以根据行为特征信息,输出关于目标用户的隐性信息,例如预估的性格、处事模式等,并将相关内容填入到用户分析报告。面试官通过阅读用户分析报告可以快速直观地获取到面试人员的第一印象,无需浏览简历内容才能够得到初步印象,提高了面试的效率。
以上可以看出,本发明实施例提供的一种用户分析报告的生成方法通过获取目标人员的人脸图像,自动从简历数据库中提取目标人员的目标简历,并根据目标简历中的用户关键词序列,确定该目标用户与目标岗位之间的岗位匹配度,还可以根据人脸图像定位该目标用户的视频段落,确定目标用户的行为特征信息,继而通过岗位匹配度以及行为特征信息生成关于目标用户的用户分析报告,实现自动化生成的目的。与现有的用户分析报告的生成技术相比,本实施例不依赖面试官的面试经验,面试官甚至无需浏览目标用户的简历就能够确定面试人员与岗位是否匹配,大大提高了面试效率。另一方面,面试官也无需打印或寻找面试人员的简历信息,终端设备可以根据人脸图像从简历数据库中提取目标简历,提高了简历获取的效率。
图2示出了本发明第二实施例提供的一种用户分析报告的生成方法S103的具体实现流程图。参见图2,相对于图1所述实施例,本实施例提供的一种用户分析报告的生成方法S103包括:S1031~S1034,具体详述如下:
进一步地,作为本发明的另一实施例,所述从视频数据库中截取包含所述人脸图像的视频段落,并基于所述视频段落确定所述目标用户的行为特征信息,包括:
在S1031中,基于所述视频段落的视频时长,将所述视频段落划分为多个视频区间。
在本实施例中,为了提高识别的效率,终端设备会将视频段落划分为多个视频区间,从而通过并发线程同时识别多个视频区间内用户的行为特征情况。基于此,终端设备会获取视频段落的视频时长,从而确定所需划分的区间个数以及各个区间对应的节点位置。具体地,若终端设备获取得到视频段落的个数不为一个,即存在多个视频段落,例如终端设备通过多个视频拍摄模块采集关于目标用户的视频数据,因此每一个视频拍摄模块对应一个视频段落。在该情况下,终端设备会分别确定各个视频段落的视频时长,并分别进行视频区间的划分操作,并将划分后的所有视频区间,统一执行S1032的相关操作。
在本实施例中,终端设备记录有视频时长与划分段数的对应关系表,在确定了视频段落的视频时长后,可以基于该对应关系表,确定所需划分的视频区间的个数,并基于该区间个数对视频时长进行均分,确定多个划分节点,得到上述的视频区间。
在S1032中,分别为各个所述视频区间绘制关于所述目标用户的行为轨迹曲线,并根据所述行为轨迹曲线确定在多个预设行为特征维度的行为轨迹参量,生成所述行为轨迹曲线的行为轨迹序列。
在本实施例中,终端设备根据人脸图像,确定在视频区间中目标用户的用户区域,继而获取视频区间中该目标用户在每一帧视频图像中的用户行为,从而基于各个视频图像的帧序号,生成关于目标用户的行为轨迹曲线。通过该行为轨迹曲线,可以确定目标用户的步幅、步频、手部的摆幅、摆频以及脸部表情的变化趋势等多个行为维度的信息。基于此,终端设备会根据预设的多个行为特征维度,从该行为轨迹曲线中提取对应行为特征维度的行为轨迹参量。
例如若需要采集步幅这一行为轨迹参量,可以根据视频图像中目标用户所在位置的缩放比例,以及画面中的步幅距离,计算出该目标用户的实际步幅长度。当然,步频也可以根据行进时间来确定。每个视频区间会生成一个对应的行为特征序列,该行为特征序列由各个行为特征参量构成。若某一行为特征参量无法获取,例如视频区间内部分肢体被遮挡,从而无法获取该肢体对应的行为特征参量,此时可以将该行为参数这是为预设值,例如记为X。在终端设备识别到某一行为特征参量为X时,则表示该行为特征参量无法获取。
在S1033中,基于各个所述视频区间对应的行为轨迹序列,生成关于所述目标用户的行为轨迹矩阵,并将所述行为轨迹矩阵导入五层池化神经网络,输出所述行为轨迹矩阵对应的行为特征序列。
在本实施例中,终端设备将多个行为特征序列进行合并,生成关于该目标用户的行为为轨迹矩阵,具体地,终端设备可以根据各个视频区间对应的时间序号,确定各个行为轨迹序列之间的次序。为了确定目标用户的行为特征信息,需要对行为特征矩阵进行进一步的特征提取,因此会将该行为轨迹矩阵导入到五层池化神经网络,通过各个池化层的卷积核依次对该行为轨迹矩阵进行降维操作。
在本实施例中,该卷积核的大小可以由管理员进行默认值设置,该默认值可以通过对多个训练轨迹矩阵进行训练后学习调整后得到。当然,终端设备还可以识别该行为轨迹矩阵的矩阵大小,基于该矩阵大小选取与之对应的卷积核,并基于确定后的卷积核对该行为轨迹矩阵进行五层池化降维操作。优选地,该五层池化神经网络具体为VGG19的神经网络。终端设备通过池化降维后,则会输出关于目标用户的行为特征序列。
在S1034中,将所述行为特征序列导入预设的所述五层池化神经网络的全连接层,得到所述目标用户的行为特征信息。
在本实施例中,终端设备为了将行为特征序列转换为行为特征信息,终端设备会将行为轨迹序列输入到已训练的全连接层,从而能够根据行为特征序列确定目标用户的行为特征信息。
在本发明实施例中,通过将行为特征曲线转换为行为轨迹矩阵,并将行为轨迹矩阵导入到五层池化神经网络输出关于目标用户的行为特征信息,从而能够通过自学习的方式识别行为特征信息,提高了行为特征信息的准确性。
图3示出了本发明第三实施例提供的一种用户分析报告的生成方法S102的具体实现流程图。参见图3,相对于图1所述的实施例,本实施例提供的一种用户分析报告的生成方法S102包括:S1021~S1023,具体详述如下:
在S1021中,获取所述目标岗位的岗位需求信息,并提取所述岗位需求信息中各个岗位项目的岗位需求关键词。
在本实施例中,目标岗位可以在目标简历中标记得到,还可以通过目标用户在终端设备的交互界面中通过点击或勾选的方式确定,在该情况下,终端设备在获取了目标岗位的岗位标识后,可以根据岗位标识确定目标岗位的岗位需求信息,该岗位需求信息包含多个岗位项目,每个岗位项目对应一个或多个岗位需求关键词。例如,岗位需求信息包含学历要求、专业要求等不同岗位项目,而学历要求对应的岗位需求关键词为:本科、研究生、博士生,而专业要求对应的岗位需求关键词为:金融、证券、管理等。即每个岗位项目对应特定的岗位需求关键词。
在S1022中,分别将各个所述岗位需求关键词与所述用户关键词序列导入预设的关联度计算模型,分别计算各个所述岗位项目与各目标用户之间的关联度;所述关联度计算模型具体为:
其中,MatchPoint(Innterface1,Interface2)为所述用户关键词序列与所述岗位求的岗位需求关键词之间的关联度,KeyWord1j为用户关键词序列,KeyWord2i为所述岗位需求关键词;ρ(KeyWord1j,KeyWord2i)为所述用户关键词序列中第j个关键词与所述岗位需求关键词中第i个关键词之间的关联度;m为用户关键词序列包含的关键词的总个数;n为所述岗位关键词序列中包含的关键词的总个数;为最大值选取函数;Quo为预设系数。
在本实施例中,终端设备会分别将各个岗位需求关键词以及用户关键词序列导入到匹配度计算模型内,确定岗位项目与目标用户之间的匹配度,若该匹配度的数值越大,则表示该目标用户较为满足该目标岗位的该岗位项目的要求,则表示两者之间的匹配度越高;反之,若该匹配度数值越小,则表示该目标用户较为不满足该目标岗位的该岗位项目的要求,则表示两者之间的匹配度越低。
在本实施例中,由于上述两类关键词序列中各个关键词的次序是根据在岗位需求信息以及目标简历中的出现次序确定的,因此相同位置的关键词所表征的物理含义并不一定相同,因此这里在确定岗位需求关键词中的各个关键词与用户关键词序列中的各个关键词之间的关联度时,可以通过函数选取关联度最大的一个作为岗位关键词所对应的用户关键词,并基于各个关键词之间的欧氏距离确定两个接口之间的匹配度,通过上述的计算方式,能够大大提高目标岗位与目标用户之间岗位匹配度数值的准确率。
在S1023中,根据各个岗位项目对应的所述关联度,计算所述目标用户与所述目标岗位的岗位匹配度。
在本实施例中,终端设备在计算了各个岗位项目与目标用户之间的关联度后,可以基于各个岗位项目对应的加权权重,对各个关联度进行加权计算,确定目标用户与目标岗位的岗位匹配度。
在本发明实施例中,通过计算各个岗位项目的关联度,从而能够准确计算出目标用户与目标岗位之间的岗位关联度,提高了岗位匹配度计算的准确性,从而提高了用户分析报告的准确性。
图4示出了本发明第四实施例提供的一种用户分析报告的生成方法S101的具体实现流程图。参见图4,相对于图1-图3所述实施例,本实施例提供的一种用户分析报告的生成方法中S101包括:S1011~S1013,具体详述如下:
在S1011中,获取当前场景的场景图像,基于所述场景图像判断当前的场景类型。
在本实施例中,终端设备除了可以手动启动用户分析报告的生成流程外,还可以通过识别场景图像的方式进行自动启动。具体地,终端设备可以以预设的采集频率获取当前时刻的场景图像,继而识别场景图像中包含的场景主体,并确定各个场景主体对应的主体类别,从而根据主体类别确定当前场景的场景类型。例如,识别到某一场景内包含桌子、椅子、纸以及签字笔,则可以确定该场景为办公室类型。
在S1012中,若所述场景类型在预设的面试场景列表内,则检测所述场景图像内是否包含人脸图像。
在本实施例中,终端设备在确定了当前场景的场景类型后,可以判断该场景类型是否在预设的面试场景列表内。该面试场景列表包含有预设设置的至少一种预设场景类型。若终端设备位于面试场景列表中所指定的场景类型时,则表示需要执行面试流程,此时,执行S1012的相关操作;反之,若该终端设备所处的场景并非在面试场景列表内,则表示无需执行面试流程,此时可等待下一检测周期的到达。可选地,若判断为非面试场景的次数大于预设的次数阈值,则增大场景图像的采集周期。
在本实施例中,终端设备在确定了当前场景在面试场景列表时,则可以进一步判断当前是否存在需要面试的目标用户,此时会检测该场景图像中是否包含人脸图像。若该场景图像中不包含人脸图像,则表示当前并不存在需要进行面试的面试人员,则会返回执行S1011的操作。
在S1013中,若所述场景图像中包含人脸图像,则从所述场景图像中提取面积最大的人脸区域图像作为所述目标用户的人脸图像。
在本实施例中,若场景图像中包含人脸图像,则表示需要面试的目标用户正处于终端设备的前方,此时,目标用户的人脸区域会占据场景图像的较多部分的面积,因此终端设备会将面积最大的人脸区域图像作为目标用户的人脸图像。
在本发明实施例中,通过判断当前终端设备所处的场景类型,从而判断是否执行用户分析报告的分析流程,实现自动化启动的目的,提高了用户分析报告的生成效率。
图5示出了本发明第五实施例提供的一种用户分析报告的生成方法的具体实现流程图。参见图5,相对于图1-图3所述实施例,本实施例提供的一种用户分析报告的生成方法中在所述提取所述目标简历中的用户关键词序列,并根据所述用户关键词序列确定所述目标用户与目标岗位的岗位匹配度之后,还包括:S501以及S502,具体详述如下:
在S501中,若所述岗位匹配度小于预设的匹配阈值,则分别计算所述用户关键词序列与各个候选岗位的岗位匹配度。
在本实施例中,终端设备若检测当前目标用户与目标岗位的岗位匹配度小于预设后的匹配度阈值时,则表示该目标用于与目标岗位并不匹配,即目标用户并不适合该目标岗位。而当前企业可能提供多个其他的候选岗位,此时,终端设备可以计算该目标用户与候选岗位之间的岗位匹配度,因此还可以根据用户关键词序列,参照S102的方式,计算目标用户与各个候选岗位之间的岗位匹配度。
在S502中,选取所述岗位匹配度大于所述匹配阈值的候选岗位作为推荐岗位,并基于所述推荐岗位生成所述用户分析报告。
在本实施例中,若存在一个候选岗位的岗位匹配度大于预设的匹配阈值,则可以识别该目标用户与该候选岗位相匹配的,即满足该候选岗位的岗位要求。此时,可以将所有岗位匹配度大于匹配阈值的候选岗位均识别为推荐岗位,并根据候选岗位生成关于目标用户的用户分析报告。
在本发明实施例中,在确定目标用户与目标岗位不匹配时,能够即时计算目标用户与各个候选岗位之间的岗位匹配度,从而得到推荐岗位,能够智能进行岗位信息推送,提高了面试效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图6示出了本发明一实施例提供的一种用户分析报告的生成设备的结构框图,该用户分析报告的生成设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。
参见图6,所述用户分析报告的生成设备包括:
人脸图像获取单元61,用于获取目标用户的人脸图像,并基于所述人脸图像从简历数据库中提取所述目标用户的目标简历;
岗位匹配度计算单元62,用于提取所述目标简历中的用户关键词序列,并根据所述用户关键词序列确定所述目标用户与目标岗位的岗位匹配度;
行为特征信息生成单元63,用于从视频数据库中截取包含所述人脸图像的视频段落,并基于所述视频段落确定所述目标用户的行为特征信息;
用户分析报告生成单元64,用于根据所述岗位匹配度以及所述行为特征信息,生成所述目标用户的用户分析报告。
可选地,所述行为特征信息生成单元63包括:
视频区间划分单元,用于基于所述视频段落的视频时长,将所述视频段落划分为多个视频区间;
行为轨迹序列生成单元,用于分别为各个所述视频区间绘制关于所述目标用户的行为轨迹曲线,并根据所述行为轨迹曲线确定在多个预设行为特征维度的行为轨迹参量,生成所述行为轨迹曲线的行为轨迹序列;
池化降维单元,用于基于各个所述视频区间对应的行为轨迹序列,生成关于所述目标用户的行为轨迹矩阵,并将所述行为轨迹矩阵导入五层池化神经网络,输出所述行为轨迹矩阵对应的行为特征序列;
全连接输出单元,用于将所述行为特征序列导入预设的所述五层池化神经网络的全连接层,得到所述目标用户的行为特征信息。
可选地,所述岗位匹配度计算单元62包括:
岗位需求关键词获取单元,用于获取所述目标岗位的岗位需求信息,并提取所述岗位需求信息中各个岗位项目的岗位需求关键词;
关键词关联度计算单元,用于分别将各个所述岗位需求关键词与所述用户关键词序列导入预设的关联度计算模型,分别计算各个所述岗位项目与各目标用户之间的关联度;所述关联度计算模型具体为:
其中,MatchPoint(Innterface1,Interface2)为所述用户关键词序列与所述岗位求的岗位需求关键词之间的关联度,KeyWord1j为用户关键词序列,KeyWord2i为所述岗位需求关键词;ρ(KeyWord1j,KeyWord2i)为所述用户关键词序列中第j个关键词与所述岗位需求关键词中第i个关键词之间的关联度;m为用户关键词序列包含的关键词的总个数;n为所述岗位关键词序列中包含的关键词的总个数;为最大值选取函数;Quo为预设系数;
关联度转换单元,用于根据各个岗位项目对应的所述关联度,计算所述目标用户与所述目标岗位的岗位匹配度。
可选地,所述人脸图像获取单元61包括:
场景类型获取单元,用于获取当前场景的场景图像,基于所述场景图像判断当前的场景类型;
人脸图像识别单元,用于若所述场景类型在预设的面试场景列表内,则检测所述场景图像内是否包含人脸图像;
人脸图像确定单元,用于若所述场景图像中包含人脸图像,则从所述场景图像中提取面积最大的人脸区域图像作为所述目标用户的人脸图像。
可选地,所述用户分析报告的生成设备还包括:
候选岗位计算单元,用于若所述岗位匹配度小于预设的匹配阈值,则分别计算所述用户关键词序列与各个候选岗位的岗位匹配度;
推荐岗位选取单元,用于选取所述岗位匹配度大于所述匹配阈值的候选岗位作为推荐岗位,并基于所述推荐岗位生成所述用户分析报告。
因此,本发明实施例提供的用户分析报告的生成设备同样可以通过获取目标人员的人脸图像,自动从简历数据库中提取目标人员的目标简历,并根据目标简历中的用户关键词序列,确定该目标用户与目标岗位之间的岗位匹配度,还可以根据人脸图像定位该目标用户的视频段落,确定目标用户的行为特征信息,继而通过岗位匹配度以及行为特征信息生成关于目标用户的用户分析报告,实现自动化生成的目的。与现有的用户分析报告的生成技术相比,本实施例不依赖面试官的面试经验,面试官甚至无需浏览目标用户的简历就能够确定面试人员与岗位是否匹配,大大提高了面试效率。另一方面,面试官也无需打印或寻找面试人员的简历信息,终端设备可以根据人脸图像从简历数据库中提取目标简历,提高了简历获取的效率。
图7是本发明另一实施例提供的一种终端设备的示意图。如图7所示,该实施例的终端设备7包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72,例如用户分析报告的生成程序。所述处理器70执行所述计算机程序72时实现上述各个用户分析报告的生成方法实施例中的步骤,例如图1所示的S101至S104。或者,所述处理器70执行所述计算机程序72时实现上述各装置实施例中各单元的功能,例如图6所示模块61至64功能。
示例性的,所述计算机程序72可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器71中,并由所述处理器70执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序72在所述终端设备7中的执行过程。例如,所述计算机程序72可以被分割成人脸图像获取单元、岗位匹配度计算单元、行为特征信息生成单元以及用户分析报告生成单元,各单元具体功能如上所述。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是终端设备7的示例,并不构成对终端设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述终端设备7的内部存储单元,例如终端设备7的硬盘或内存。所述存储器71也可以是所述终端设备7的外部存储设备,例如所述终端设备7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用户分析报告的生成方法,其特征在于,包括:
获取目标用户的人脸图像,并基于所述人脸图像从简历数据库中提取所述目标用户的目标简历;
提取所述目标简历中的用户关键词序列,并根据所述用户关键词序列确定所述目标用户与目标岗位的岗位匹配度;
从视频数据库中截取包含所述人脸图像的视频段落,并基于所述视频段落确定所述目标用户的行为特征信息;
根据所述岗位匹配度以及所述行为特征信息,生成所述目标用户的用户分析报告。
2.根据权利要求1所述的生成方法,其特征在于,所述从视频数据库中截取包含所述人脸图像的视频段落,并基于所述视频段落确定所述目标用户的行为特征信息,包括:
基于所述视频段落的视频时长,将所述视频段落划分为多个视频区间;
分别为各个所述视频区间绘制关于所述目标用户的行为轨迹曲线,并根据所述行为轨迹曲线确定在多个预设行为特征维度的行为轨迹参量,生成所述行为轨迹曲线的行为轨迹序列;
基于各个所述视频区间对应的行为轨迹序列,生成关于所述目标用户的行为轨迹矩阵,并将所述行为轨迹矩阵导入五层池化神经网络,输出所述行为轨迹矩阵对应的行为特征序列;
将所述行为特征序列导入预设的所述五层池化神经网络的全连接层,得到所述目标用户的行为特征信息。
3.根据权利要求1所述的生成方法,其特征在于,所述提取所述目标简历中的用户关键词序列,并根据所述用户关键词序列确定所述目标用户与目标岗位的岗位匹配度,包括:
获取所述目标岗位的岗位需求信息,并提取所述岗位需求信息中各个岗位项目的岗位需求关键词;
分别将各个所述岗位需求关键词与所述用户关键词序列导入预设的关联度计算模型,分别计算各个所述岗位项目与各目标用户之间的关联度;所述关联度计算模型具体为:
其中,MatchPoint(Innterface1,Interface2)为所述用户关键词序列与所述岗位求的岗位需求关键词之间的关联度,KeyWord1j为用户关键词序列,KeyWord2i为所述岗位需求关键词;ρ(KeyWord1j,KeyWord2i)为所述用户关键词序列中第j个关键词与所述岗位需求关键词中第i个关键词之间的关联度;m为用户关键词序列包含的关键词的总个数;n为所述岗位关键词序列中包含的关键词的总个数;为最大值选取函数;Quo为预设系数;
根据各个岗位项目对应的所述关联度,计算所述目标用户与所述目标岗位的岗位匹配度。
4.根据权利要求1-3任一项所述的生成方法,其特征在于,所述获取目标用户的人脸图像,包括:
获取当前场景的场景图像,基于所述场景图像判断当前的场景类型;
若所述场景类型在预设的面试场景列表内,则检测所述场景图像内是否包含人脸图像;
若所述场景图像中包含人脸图像,则从所述场景图像中提取面积最大的人脸区域图像作为所述目标用户的人脸图像。
5.根据权利要求1-3任一项所述的生成方法,其特征在于,在所述提取所述目标简历中的用户关键词序列,并根据所述用户关键词序列确定所述目标用户与目标岗位的岗位匹配度之后,还包括:
若所述岗位匹配度小于预设的匹配阈值,则分别计算所述用户关键词序列与各个候选岗位的岗位匹配度;
选取所述岗位匹配度大于所述匹配阈值的候选岗位作为推荐岗位,并基于所述推荐岗位生成所述用户分析报告。
6.一种用户分析报告的生成设备,其特征在于,包括:
人脸图像获取单元,用于获取目标用户的人脸图像,并基于所述人脸图像从简历数据库中提取所述目标用户的目标简历;
岗位匹配度计算单元,用于提取所述目标简历中的用户关键词序列,并根据所述用户关键词序列确定所述目标用户与目标岗位的岗位匹配度;
行为特征信息生成单元,用于从视频数据库中截取包含所述人脸图像的视频段落,并基于所述视频段落确定所述目标用户的行为特征信息;
用户分析报告生成单元,用于根据所述岗位匹配度以及所述行为特征信息,生成所述目标用户的用户分析报告。
7.根据权利要求6所述的生成设备,其特征在于,所述行为特征信息生成单元包括:
视频区间划分单元,用于基于所述视频段落的视频时长,将所述视频段落划分为多个视频区间;
行为轨迹序列生成单元,用于分别为各个所述视频区间绘制关于所述目标用户的行为轨迹曲线,并根据所述行为轨迹曲线确定在多个预设行为特征维度的行为轨迹参量,生成所述行为轨迹曲线的行为轨迹序列;
池化降维单元,用于基于各个所述视频区间对应的行为轨迹序列,生成关于所述目标用户的行为轨迹矩阵,并将所述行为轨迹矩阵导入五层池化神经网络,输出所述行为轨迹矩阵对应的行为特征序列;
全连接输出单元,用于将所述行为特征序列导入预设的所述五层池化神经网络的全连接层,得到所述目标用户的行为特征信息。
8.根据权利要求6所述的生成设备,其特征在于,所述岗位匹配度计算单元包括:
岗位需求关键词获取单元,用于获取所述目标岗位的岗位需求信息,并提取所述岗位需求信息中各个岗位项目的岗位需求关键词;
关键词关联度计算单元,用于分别将各个所述岗位需求关键词与所述用户关键词序列导入预设的关联度计算模型,分别计算各个所述岗位项目与各目标用户之间的关联度;所述关联度计算模型具体为:
其中,MatchPoint(Innterface1,Interface2)为所述用户关键词序列与所述岗位求的岗位需求关键词之间的关联度,KeyWord1j为用户关键词序列,KeyWord2i为所述岗位需求关键词;ρ(KeyWord1j,KeyWord2i)为所述用户关键词序列中第j个关键词与所述岗位需求关键词中第i个关键词之间的关联度;m为用户关键词序列包含的关键词的总个数;n为所述岗位关键词序列中包含的关键词的总个数;为最大值选取函数;Quo为预设系数;
关联度转换单元,用于根据各个岗位项目对应的所述关联度,计算所述目标用户与所述目标岗位的岗位匹配度。
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811530366.4A CN109840468A (zh) | 2018-12-14 | 2018-12-14 | 一种用户分析报告的生成方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811530366.4A CN109840468A (zh) | 2018-12-14 | 2018-12-14 | 一种用户分析报告的生成方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109840468A true CN109840468A (zh) | 2019-06-04 |
Family
ID=66883271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811530366.4A Pending CN109840468A (zh) | 2018-12-14 | 2018-12-14 | 一种用户分析报告的生成方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109840468A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259862A (zh) * | 2020-02-20 | 2020-06-09 | 深圳壹账通智能科技有限公司 | 用户信息分析方法及系统 |
CN113806558A (zh) * | 2021-09-22 | 2021-12-17 | 湖北天天数链技术有限公司 | 问题选择方法、知识图谱构建方法、装置及电子设备 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020049A (zh) * | 2011-09-20 | 2013-04-03 | 中国电信股份有限公司 | 搜索方法及搜索系统 |
KR20130055833A (ko) * | 2011-11-21 | 2013-05-29 | 배창수 | 단말기를 이용한 구인구직 면접 중개시스템 |
CN104463423A (zh) * | 2014-11-10 | 2015-03-25 | 深圳市网家缘科技有限公司 | 一种格式化的视频简历采集方法及系统 |
CN104715492A (zh) * | 2015-03-04 | 2015-06-17 | 中国人民解放军第二炮兵工程大学 | 一种同时适应于静止相机和运动相机的前景目标提取方法 |
CN105159962A (zh) * | 2015-08-21 | 2015-12-16 | 北京全聘致远科技有限公司 | 职位推荐方法与装置、简历推荐方法与装置、招聘平台 |
CN105243484A (zh) * | 2015-10-02 | 2016-01-13 | 河南中欧企业咨询有限公司 | 基于数据处理的面试系统 |
CN105608477A (zh) * | 2016-03-01 | 2016-05-25 | 吕云 | 一种人物画像与职位匹配的方法及系统 |
CN106095931A (zh) * | 2016-06-12 | 2016-11-09 | 杭州简才网络信息科技有限公司 | 一种求职者和招聘单位之间的匹配方法 |
CN106408249A (zh) * | 2016-08-31 | 2017-02-15 | 五八同城信息技术有限公司 | 简历与职位匹配方法及装置 |
CN106453055A (zh) * | 2016-10-28 | 2017-02-22 | 努比亚技术有限公司 | 一种通过用户行为进行信息推送的方法、装置和终端 |
CN106778854A (zh) * | 2016-12-07 | 2017-05-31 | 西安电子科技大学 | 基于轨迹和卷积神经网络特征提取的行为识别方法 |
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 |
CN107705090A (zh) * | 2017-09-27 | 2018-02-16 | 重庆市智汇人才开发有限公司 | 人才招聘系统及方法 |
CN107704485A (zh) * | 2017-07-31 | 2018-02-16 | 北京拉勾科技有限公司 | 一种职位推荐方法及计算设备 |
CN107832776A (zh) * | 2017-10-12 | 2018-03-23 | 如是科技(大连)有限公司 | 职位推荐的处理方法及装置 |
CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
CN108182512A (zh) * | 2017-12-12 | 2018-06-19 | 北京字节跳动网络技术有限公司 | 一种简历评估方法及装置 |
CN108229924A (zh) * | 2018-01-31 | 2018-06-29 | 广州市全周至程软件技术有限公司 | 招聘信息匹配方法、装置以及计算机可读存储介质 |
CN108960753A (zh) * | 2017-05-20 | 2018-12-07 | 镇江杜微人才咨询有限公司 | 一种带信息处理功能的面试系统 |
-
2018
- 2018-12-14 CN CN201811530366.4A patent/CN109840468A/zh active Pending
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020049A (zh) * | 2011-09-20 | 2013-04-03 | 中国电信股份有限公司 | 搜索方法及搜索系统 |
KR20130055833A (ko) * | 2011-11-21 | 2013-05-29 | 배창수 | 단말기를 이용한 구인구직 면접 중개시스템 |
CN104463423A (zh) * | 2014-11-10 | 2015-03-25 | 深圳市网家缘科技有限公司 | 一种格式化的视频简历采集方法及系统 |
CN104715492A (zh) * | 2015-03-04 | 2015-06-17 | 中国人民解放军第二炮兵工程大学 | 一种同时适应于静止相机和运动相机的前景目标提取方法 |
CN105159962A (zh) * | 2015-08-21 | 2015-12-16 | 北京全聘致远科技有限公司 | 职位推荐方法与装置、简历推荐方法与装置、招聘平台 |
CN105243484A (zh) * | 2015-10-02 | 2016-01-13 | 河南中欧企业咨询有限公司 | 基于数据处理的面试系统 |
CN105608477A (zh) * | 2016-03-01 | 2016-05-25 | 吕云 | 一种人物画像与职位匹配的方法及系统 |
CN106095931A (zh) * | 2016-06-12 | 2016-11-09 | 杭州简才网络信息科技有限公司 | 一种求职者和招聘单位之间的匹配方法 |
CN106408249A (zh) * | 2016-08-31 | 2017-02-15 | 五八同城信息技术有限公司 | 简历与职位匹配方法及装置 |
CN106453055A (zh) * | 2016-10-28 | 2017-02-22 | 努比亚技术有限公司 | 一种通过用户行为进行信息推送的方法、装置和终端 |
CN106778854A (zh) * | 2016-12-07 | 2017-05-31 | 西安电子科技大学 | 基于轨迹和卷积神经网络特征提取的行为识别方法 |
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 |
CN108960753A (zh) * | 2017-05-20 | 2018-12-07 | 镇江杜微人才咨询有限公司 | 一种带信息处理功能的面试系统 |
CN107704485A (zh) * | 2017-07-31 | 2018-02-16 | 北京拉勾科技有限公司 | 一种职位推荐方法及计算设备 |
CN107705090A (zh) * | 2017-09-27 | 2018-02-16 | 重庆市智汇人才开发有限公司 | 人才招聘系统及方法 |
CN107832776A (zh) * | 2017-10-12 | 2018-03-23 | 如是科技(大连)有限公司 | 职位推荐的处理方法及装置 |
CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
CN108182512A (zh) * | 2017-12-12 | 2018-06-19 | 北京字节跳动网络技术有限公司 | 一种简历评估方法及装置 |
CN108229924A (zh) * | 2018-01-31 | 2018-06-29 | 广州市全周至程软件技术有限公司 | 招聘信息匹配方法、装置以及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
YIOU LIN等: "Machine Learned Resume-Job Matching Solution", ARXIV:1607.07657V1 [CS.CL] 26 JUL 2016, 26 July 2016 (2016-07-26), pages 1 - 8 * |
黄祖卫: "职位信息实时推荐系统的设计与实现", 中国优秀硕士学位论文全文数据库 信息科技辑, vol. 2018, no. 1, 15 January 2018 (2018-01-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259862A (zh) * | 2020-02-20 | 2020-06-09 | 深圳壹账通智能科技有限公司 | 用户信息分析方法及系统 |
CN113806558A (zh) * | 2021-09-22 | 2021-12-17 | 湖北天天数链技术有限公司 | 问题选择方法、知识图谱构建方法、装置及电子设备 |
CN113806558B (zh) * | 2021-09-22 | 2024-03-26 | 湖北天天数链技术有限公司 | 问题选择方法、知识图谱构建方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11238310B2 (en) | Training data acquisition method and device, server and storage medium | |
US10878296B2 (en) | Feature extraction and machine learning for automated metadata analysis | |
Yang et al. | Video captioning by adversarial LSTM | |
WO2019119505A1 (zh) | 人脸识别的方法和装置、计算机装置及存储介质 | |
CN111615706A (zh) | 基于子流形稀疏卷积神经网络分析空间稀疏数据 | |
WO2021114841A1 (zh) | 一种用户报告的生成方法及终端设备 | |
CN106575503A (zh) | 用于对话理解系统的会话上下文建模 | |
WO2021114936A1 (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
CN111708913B (zh) | 一种标签生成方法、设备及计算机可读存储介质 | |
CN110119877A (zh) | 一种目标员工的选取方法及设备 | |
US11275787B2 (en) | Entity viewpoint determinations | |
CN106537387B (zh) | 检索/存储与事件相关联的图像 | |
Hou et al. | Classifying advertising video by topicalizing high-level semantic concepts | |
Wu et al. | BTM and GloVe similarity linear fusion-based short text clustering algorithm for microblog hot topic discovery | |
CN112231554B (zh) | 一种搜索推荐词生成方法、装置、存储介质和计算机设备 | |
CN111177559A (zh) | 文旅服务推荐方法、装置、电子设备及存储介质 | |
CN110008365A (zh) | 一种图像处理方法、装置、设备及可读存储介质 | |
Nag Chowdhury et al. | VISIR: visual and semantic image label refinement | |
CN109242309A (zh) | 参会用户画像生成方法、装置、智能会议设备及存储介质 | |
CN109840468A (zh) | 一种用户分析报告的生成方法及设备 | |
CN109271624A (zh) | 一种目标词确定方法、装置及存储介质 | |
Hossny et al. | Enhancing keyword correlation for event detection in social networks using SVD and k-means: Twitter case study | |
CN110019763B (zh) | 文本过滤方法、系统、设备及计算机可读存储介质 | |
Schueller et al. | Automated pattern analysis in gesture research: Similarity measuring in 3D motion capture models of communicative action | |
CN109660621A (zh) | 一种内容推送方法及服务设备 |
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 |