CN109978510A - 校园招聘管理系统及方法 - Google Patents
校园招聘管理系统及方法 Download PDFInfo
- Publication number
- CN109978510A CN109978510A CN201910262478.4A CN201910262478A CN109978510A CN 109978510 A CN109978510 A CN 109978510A CN 201910262478 A CN201910262478 A CN 201910262478A CN 109978510 A CN109978510 A CN 109978510A
- Authority
- CN
- China
- Prior art keywords
- keyword
- application side
- position vacant
- term vector
- test
- 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
- 238000000034 method Methods 0.000 title claims description 13
- 238000012360 testing method Methods 0.000 claims abstract description 124
- 238000007726 management method Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012546 transfer Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010295 mobile communication Methods 0.000 claims description 3
- 230000007115 recruitment Effects 0.000 abstract description 19
- 230000008901 benefit Effects 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种校园招聘管理方法，包括以下步骤：S1、获取应聘方的简历信息；S2、生成对应的测试卷；S3、依据岗位胜任度测试标准测评出应聘方的岗位胜任能力，从招聘职位数据库获得招聘职位集；S4、提取简历信息中多个第一关键词并构建第一关键词的词向量；S5、提取招聘职位集中的每个招聘职位中多个第二关键词并第二关键词的词向量；将第一关键词的词向量与第二关键词进行相似度计算求出相似度的最大值，将第最大值进行累计求和；S6、按照求和值的大小从招聘职位集筛选招聘职位并推送给应聘方。本发明还提供了校园招聘管理系统。本发明的聘管理方法，综合考虑了招聘方工作岗位胜任能力以及应聘方的职位需求，招聘效率高。
Description
技术领域
本发明涉及计算机技术领域，更具体的说，本发明涉及一种校园招聘管理系统及方法。
背景技术
目前越来越多的学生应聘方都通过互联网找工作，进行网上招聘的招聘单位也越来越多。现在招聘的方法均为招聘单位在网上发布招聘信息，然后等待接收求职者投递的简历，收到简历后从中筛选出合适的求职者简历，接着进入面试流程或者是直接聘用；学生应聘方则是先寻找到合适的招聘职位，找到后投递求职简历，接着就是等待面试通知或聘用通知。但这种广撒网的方式会耗费学生应聘方大量的精力，同时招聘单位也需要从大量的简历中筛选出合适的应聘方，同样花费大量的人力成本，因此，有必要对现有的招聘方法进行改进。
发明内容
本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
本发明提供所述校园招聘管理方法，依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷；将测试卷推送给应聘方并接收应聘方对测试卷的答复结果，依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；然后依据相似度最大值从招聘职位集中筛选出招聘职位并推送给应聘方，本发明的招聘管理方法，综合考虑了招聘方工作岗位胜任能力以及应聘方的职位需求，可使招聘方在短时间内招到合适的人才，可使应聘方在短时间内找到合适的职位，招聘效率高。
为了实现根据本发明的这些目的和其他优点，提供一种校园招聘管理方法，包括以下步骤：
S1、获取应聘方的简历信息；
S2、依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷；
S3、将测试卷推送给应聘方并接收应聘方对测试卷的答复结果，依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；
S4、根据应聘方的简历信息，提取简历信息中多个与求职相关的第一关键词，并构建每个第一关键词的词向量a1i；
S5、提取招聘职位集中的每个招聘职位中多个与求职相关的第二关键词，构建每个第二关键词的词向量b1i，然后将第二关键词的词向量组合形成词向量空间；将每个第一关键词的词向量a1i与词向量空间中每个第二关键词进行相似度计算，并求出相似度的最大值simi，将应聘方的每个第一关键词对应的相似度的最大值simi的进行累计求和其中n为第一关键词的个数；
S6、按照sum值的大小从招聘职位集筛选招聘职位并推送给应聘方。
优选的是，所述的校园招聘管理方法，所述第一关键词或第二关键词提取方法为：
A1、对简历信息或每个招聘职位分成多段，对每段文本进行分词，获取每个分词在该段文本中出现的次数以及每个分词的词性；
A2、根据每段文本在简历信息或每个招聘职位权重、每个分词出现的次数，以及每个分词的词性权重，计算每个分词的得分其中qi为每段文本在简历信息或每个招聘职位权重，ci为分词在该段文本中出现的次数，M为段数，pi为词性权重；
A3、取分词得分大于预设值的分词为第一关键词或第二关键词。
优选的是，所述的校园招聘管理方法，获取应聘方的简历信息之前还包括：接收应聘方的注册登录；当所述应聘方登录后，若所述应聘方在本登录之前已经测评出岗位胜任能力，则向应聘方反馈历史推送招聘职位记录；若所述应聘方在本登录之前已经测评出岗位胜任能力且招聘职位数据库有更新，则从更新后的招聘职位数据库获得新的招聘职位集，并按照新的sum值的大小从新的招聘职位集筛选招聘职位并推送给应聘方。
优选的是，所述的校园招聘管理方法，第一关键词至少包括：期望薪资、工作地点、学历、专业。
优选的是，所述的校园招聘管理方法，从测试题库中调取对应的测试题之前还包括：提取出职位数据库中各个职位所需要的指标；根据人职匹配理论，并结合对岗位的分析，分别制订不同内容多个维度的测试题；建立需要测试的指标与各个测试题之间的对应关系，生成所述测试数据库。
优选的是，所述的校园招聘管理方法，按照sum值的大小从招聘职位集筛选招聘职位按照移动通讯或邮件订阅的方式推送给应聘方。
本发明还提供了一种校园招聘管理系统，包括：
应聘方简历管理单元，其用于获取应聘方的简历信息；
测试题管理单元，其依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷，并将测试卷推送给应聘方并接收应聘方对测试卷的答复结果；
岗位能力管理单元，其依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；
第一关键词提取单元，其根据应聘方的简历信息，提取简历信息中多个与求职相关的第一关键词；
第一词向量构建单元，其用于构建每个第一关键词的词向量a1i；
第二关键词提取单元，其用于提取招聘职位集中的每个招聘职位中多个与求职相关的第二关键词；
第二词向量构建单元，其用于构建每个第二关键词的词向量b1i，然后将第二关键词的词向量组合形成词向量空间；
相似度计算单元，其用于将每个第一关键词的词向量a1i与词向量空间中每个第二关键词进行相似度计算，并求出相似度的最大值simi；
求和单元，用于将应聘方的每个第一关键词对应的相似度的最大值simi的进行累计求和其中n为第一关键词的个数；
职位推送单元，其按照sum值的大小从招聘职位集筛选招聘职位并推送给应聘方。
本发明至少包括以下有益效果：
1、本发明的校园招聘管理方法，依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷；将测试卷推送给应聘方并接收应聘方对测试卷的答复结果，依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；然后依据相似度最大值从招聘职位集中筛选出招聘职位并推送给应聘方，本发明的招聘管理方法，综合考虑了招聘方工作岗位胜任能力以及应聘方的职位需求，可使招聘方在短时间内招到合适的人才，可使应聘方在短时间内找到合适的职位，招聘效率高。
2、本发明的第一关键词或第二关键词提取方法，充分考虑分词出现的次数，分词的词性，词性权重，提取的关键词充分反应应聘方的求职意愿或招聘方的岗位需求，招聘效率高。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的校园招聘管理方法的流程示意图；
图2为本发明的风电集中监控管理系统的结构示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。
如图1所示，一种校园招聘管理方法，包括以下步骤：
S1、获取应聘方的简历信息；
S2、依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷；
S3、将测试卷推送给应聘方并接收应聘方对测试卷的答复结果，依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；
S4、根据应聘方的简历信息，提取简历信息中多个与求职相关的第一关键词，并构建每个第一关键词的词向量a1i；
S5、提取招聘职位集中的每个招聘职位中多个与求职相关的第二关键词，构建每个第二关键词的词向量b1i，然后将第二关键词的词向量组合形成词向量空间；将每个第一关键词的词向量a1i与词向量空间中每个第二关键词进行相似度计算，并求出相似度的最大值simi，将应聘方的每个第一关键词对应的相似度的最大值simi的进行累计求和其中n为第一关键词的个数；
S6、按照sum值的大小从招聘职位集筛选招聘职位并推送给应聘方。
本发明的校园招聘管理方法，包括以下步骤：S1、获取应聘方的简历信息；简历信息包括应聘方的兴趣爱好、教育经历、实习经历、应聘方的年龄、身高、性别、性格等等，还包括期望薪资、工作地点、福利待遇、工作环境等。从简历信息中可看出应聘方的求职需求。
S2、依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷；获取到应聘方的简历信息之后，从简历信息中提取与职位需求对应的职位相关联的指标即上述期望薪资、工作地点、福利待遇、工作环境等；测试题库中涵盖有大量的测试题，这些测试题对应需要测评的指标，测试数据库中的测试题通常基于人职匹配理论并结合对岗位的分析而制定出的不同内容多维度的测试题目。测试数据库中存储了职位、每个职位所需的能力、每个能力所需的指标、每个指标对应的测试题、每个指标对应的职位之间的关联关系。依据指标与测试题之间的关联关系调取对应的测试题，生成对应的测试卷。
S3、将测试卷推送给应聘方并接收应聘方对测试卷的答复结果，依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；接收应聘方对测试卷的答复结果之后，将应聘方的答复结果输入岗位胜任度模型中，岗位胜任度模型中针对需要测试的指标分别设置了不同的子指标，根据各个子指标对应测试卷中的各个测试题由应聘方做出的答复进行测评，从岗位胜任度模型中输出应聘方的岗位胜任能力。岗位胜任度模型中的测试标准可以具体为评分标准，对应聘方对各个测试题做出的答复结果进行量化评分，以分数的高低来评价应聘方的岗位胜任能力，分数越高岗位胜任能力越强，测评出求职者的岗位胜任能力之后，并依据岗位胜任能力进行推荐分析，分析招聘职位数据库中的哪些职位信息更能够适合该应聘方，从而形成招聘职位集。
S4、根据应聘方的简历信息，提取简历信息中多个与求职相关的第一关键词，并构建每个第一关键词的词向量a1i；根据应聘方的简历信息，提取简历信息中多个与求职相关的第一关键词，比如第一关键词为期望薪资、工作地点、学历、专业等，分别构建每个第一关键词的词向量，比如词向量分别为a11、a12、a13、a14，实际中第一词向量还可以设置为其他与求职相关的词；
S5、提取招聘职位集中的每个招聘职位中多个与求职相关的第二关键词，构建每个第二关键词的词向量b1i，然后将第二关键词的词向量组合形成词向量空间；将每个第一关键词的词向量a1i与词向量空间中每个第二关键词进行相似度计算，并求出相似度的最大值simi，将应聘方的每个第一关键词对应的相似度的最大值simi的进行累计求和其中n为第一关键词的个数；将招聘职位集中的每个招聘职位中多个与求职相关的第二关键词提取出来，比如将招聘职位中的工作地点、学历、专业、薪水等提取，并构建第二关键词的词向量b11、b12、b13、b14，并将第二关键词的词向量组合形成词向量空间如word＝(b11、b12、b13、b14)，然后将每个第一关键词的词向量a1i与词向量空间中每个第二关键词进行相似度计算，并求出相似度的最大值simi，即将词向量a11分别与词向量b11、b12、b13、b14之间进行余弦相似度计算，得到四个值，选择最大的值比如为sim1，同理分别将a12、a13、a14与b11、b12、b13、b14之间进行余弦相似度计算，分别得到最大值sim2、sim3、sim4，然后对最大值进行求和即sum＝sim1+sim2+sim3+sim4，由此得到应聘方与招聘职位集中招聘职位之间的最大相似度sum。
S6、按照sum值的大小从招聘职位集筛选招聘职位并推送给应聘方。根据sum值的，sum值越大说明应聘方与招聘方之间的匹配程度越高，对招聘职位的sum值进行排序，并筛选出排名靠前的招聘职位推送给应聘方，比如筛选出sum值前10位的招聘职位推送给应聘方。本发明的校园招聘管理方法，依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷；将测试卷推送给应聘方并接收应聘方对测试卷的答复结果，依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；然后依据相似度最大值从招聘职位集中筛选出招聘职位并推送给应聘方，本发明的招聘管理方法，综合考虑了招聘方工作岗位胜任能力以及应聘方的职位需求，可使招聘方在短时间内招到合适的人才，可使应聘方在短时间内找到合适的职位，招聘效率高。
在另一种技术方案中，所述的校园招聘管理方法，所述第一关键词或第二关键词提取方法为：
A1、对简历信息或每个招聘职位分成多段，对每段文本进行分词，获取每个分词在该段文本中出现的次数以及每个分词的词性；
A2、根据每段文本在简历信息或每个招聘职位权重、每个分词出现的次数，以及每个分词的词性权重，计算每个分词的得分其中qi为每段文本在简历信息或每个招聘职位权重，ci为分词在该段文本中出现的次数，M为段数，pi为词性权重；
A3、取分词得分大于预设值的分词为第一关键词或第二关键词。本发明的第一关键词或第二关键词提取方法，首先将简历信息或每个招聘职位分成多段，分成多段可以按照预先设定的文本长度或按照文本句数，比如按照3句话分成一段，然后将每段文本进行分词，统计每个分词在该段中出现的次数，例如“本人毕业与北京大学计算机专业”，将其分词本人、毕业、于、北京、大学、计算机、专业，由于每个词的词性不一样，有名词、动词、形容词、介词等词性，但名词、动词作为关键词的几率较大，而其他词作为关键词的几率较小，即每个词作为关键词的权重不一样，预先设定词性的权重，同时，多个段落的重要性不同，比如前面段落反应招聘方或应聘方的主要意愿，因此，对不同位置的段落设定权重，然后依据每个段落文本的权重、每个分词出现的次数、每个分词的词性权重，计算每个分词的得分，将得分大小进行排序，若分数大于预设值则为关键词，或直接选择排名前20的分词作为关键词，本发明的第一关键词或第二关键词提取方法，充分考虑分词出现的次数，分词的词性，词性权重，提取的关键词充分反应应聘方的求职意愿或招聘方的岗位需求，招聘效率高。
在另一种技术方案中，所述的校园招聘管理方法，获取应聘方的简历信息之前还包括：接收应聘方的注册登录；当所述应聘方登录后，若所述应聘方在本登录之前已经测评出岗位胜任能力，则向应聘方反馈历史推送招聘职位记录；若所述应聘方在本登录之前已经测评出岗位胜任能力且招聘职位数据库有更新，则从更新后的招聘职位数据库获得新的招聘职位集，并按照新的sum值的大小从新的招聘职位集筛选招聘职位并推送给应聘方。若应聘方在本登录之前已经测评出岗位胜任能力，则向应聘方反馈历史推送招聘职位记录，这样可避免重复测评，提高招聘效率。
在另一种技术方案中，所述的校园招聘管理方法，第一关键词至少包括：期望薪资、工作地点、学历、专业。
在另一种技术方案中，所述的校园招聘管理方法，从测试题库中调取对应的测试题之前还包括：提取出职位数据库中各个职位所需要的指标；根据人职匹配理论，并结合对岗位的分析，分别制订不同内容多个维度的测试题；建立需要测试的指标与各个测试题之间的对应关系，生成所述测试数据库。测试数据库中存储了职位、每个职位所需的能力、每个能力所需的指标、每个指标对应的测试题、每个指标对应的职位之间的关联关系。依据指标与测试题之间的关联关系调取对应的测试题，生成对应的测试卷。
在另一种技术方案中，所述的校园招聘管理方法，按照sum值的大小从招聘职位集筛选招聘职位按照移动通讯或邮件订阅的方式推送给应聘方。
如图2所示，本发明还提供了一种校园招聘管理系统，包括：
应聘方简历管理单元，其用于获取应聘方的简历信息；
测试题管理单元，其依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷，并将测试卷推送给应聘方并接收应聘方对测试卷的答复结果；
岗位能力管理单元，其依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；
第一关键词提取单元，其根据应聘方的简历信息，提取简历信息中多个与求职相关的第一关键词；
第一词向量构建单元，其用于构建每个第一关键词的词向量a1i；
第二关键词提取单元，其用于提取招聘职位集中的每个招聘职位中多个与求职相关的第二关键词；
第二词向量构建单元，其用于提取招聘职位集中的每个招聘职位中多个与求职相关的第二关键词；
相似度计算单元，其用于将每个第一关键词的词向量a1i与词向量空间中每个第二关键词进行相似度计算，并求出相似度的最大值simi；
求和单元，用于将应聘方的每个第一关键词对应的相似度的最大值simi的进行累计求和其中n为第一关键词的个数；
职位推送单元，其按照sum值的大小从招聘职位集筛选招聘职位并推送给应聘方。
各单元的工作原理同上述校园招聘管理方法。
尽管本发明的实施方案已公开如上，但其并不仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言，可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (7)
1.校园招聘管理方法，其特征在于，包括以下步骤：
S1、获取应聘方的简历信息；
S2、依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷；
S3、将测试卷推送给应聘方并接收应聘方对测试卷的答复结果，依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；
S4、根据应聘方的简历信息，提取简历信息中多个与求职相关的第一关键词，并构建每个第一关键词的词向量a1i；
S5、提取招聘职位集中的每个招聘职位中多个与求职相关的第二关键词，构建每个第二关键词的词向量b1i，然后将第二关键词的词向量组合形成词向量空间；将每个第一关键词的词向量a1i与词向量空间中每个第二关键词进行相似度计算，并求出相似度的最大值simi，将应聘方的每个第一关键词对应的相似度的最大值simi的进行累计求和其中n为第一关键词的个数；
S6、按照sum值的大小从招聘职位集筛选招聘职位并推送给应聘方。
2.如权利要求1所述的校园招聘管理方法，其特征在于，所述第一关键词或第二关键词提取方法为：
A1、对简历信息或每个招聘职位分成多段，对每段文本进行分词，获取每个分词在该段文本中出现的次数以及每个分词的词性；
A2、根据每段文本在简历信息或每个招聘职位权重、每个分词出现的次数，以及每个分词的词性权重，计算每个分词的得分其中qi为每段文本在简历信息或每个招聘职位权重，ci为分词在该段文本中出现的次数，M为段数，pi为词性权重；
A3、取分词得分大于预设值的分词为第一关键词或第二关键词。
3.如权利要求1所述的校园招聘管理方法，其特征在于，获取应聘方的简历信息之前还包括：接收应聘方的注册登录；当所述应聘方登录后，若所述应聘方在本登录之前已经测评出岗位胜任能力，则向应聘方反馈历史推送招聘职位记录；若所述应聘方在本登录之前已经测评出岗位胜任能力且招聘职位数据库有更新，则从更新后的招聘职位数据库获得新的招聘职位集，并按照新的sum值的大小从新的招聘职位集筛选招聘职位并推送给应聘方。
4.如权利要求1所述的校园招聘管理方法，其特征在于，第一关键词至少包括：期望薪资、工作地点、学历、专业。
5.如权利要求1所述的校园招聘管理方法，其特征在于，从测试题库中调取对应的测试题之前还包括：提取出职位数据库中各个职位所需要的指标；根据人职匹配理论，并结合对岗位的分析，分别制订不同内容多个维度的测试题；建立需要测试的指标与各个测试题之间的对应关系，生成所述测试数据库。
6.如权利要求1所述的校园招聘管理方法，其特征在于，按照sum值的大小从招聘职位集筛选招聘职位按照移动通讯或邮件订阅的方式推送给应聘方。
7.校园招聘管理系统，其特征在于，包括：
应聘方简历管理单元，其用于获取应聘方的简历信息；
测试题管理单元，其依据应聘方的简历信息从测试题库中调取对应的测试题，生成对应的测试卷，并将测试卷推送给应聘方并接收应聘方对测试卷的答复结果；
岗位能力管理单元，其依据岗位胜任度测试标准，结合应聘方对测试卷的答复结果测评出应聘方的岗位胜任能力，依据岗位胜任能力从招聘职位数据库获得招聘职位集；
第一关键词提取单元，其根据应聘方的简历信息，提取简历信息中多个与求职相关的第一关键词；
第一词向量构建单元，其用于构建每个第一关键词的词向量a1i；
第二关键词提取单元，其用于提取招聘职位集中的每个招聘职位中多个与求职相关的第二关键词；
第二词向量构建单元，其用于构建每个第二关键词的词向量b1i，然后将第二关键词的词向量组合形成词向量空间；
相似度计算单元，其用于将每个第一关键词的词向量a1i与词向量空间中每个第二关键词进行相似度计算，并求出相似度的最大值simi；
求和单元，用于将应聘方的每个第一关键词对应的相似度的最大值simi的进行累计求和其中n为第一关键词的个数；
职位推送单元，其按照sum值的大小从招聘职位集筛选招聘职位并推送给应聘方。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910262478.4A CN109978510A (zh) | 2019-04-02 | 2019-04-02 | 校园招聘管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910262478.4A CN109978510A (zh) | 2019-04-02 | 2019-04-02 | 校园招聘管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109978510A true CN109978510A (zh) | 2019-07-05 |
Family
ID=67082491
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910262478.4A Pending CN109978510A (zh) | 2019-04-02 | 2019-04-02 | 校园招聘管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109978510A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110413934A (zh) * | 2019-08-05 | 2019-11-05 | 西安电子科技大学 | 校园网络招聘信息管理方法 |
| CN110648104A (zh) * | 2019-08-01 | 2020-01-03 | 北京天麦有一网络科技有限公司 | 一种智能人力资源筛选系统及方法 |
| CN110991709A (zh) * | 2019-11-18 | 2020-04-10 | 平安金融管理学院(中国·深圳) | 岗位招聘情况预测方法、装置、计算机设备及存储介质 |
| CN111260337A (zh) * | 2020-02-14 | 2020-06-09 | 无锡珍岛数字生态服务平台技术有限公司 | 一种基于智能云服务的招聘管理系统 |
| CN111339285A (zh) * | 2020-02-18 | 2020-06-26 | 北京网聘咨询有限公司 | 基于bp神经网络的企业简历筛选方法和系统 |
| CN111429082A (zh) * | 2020-02-18 | 2020-07-17 | 北京网聘咨询有限公司 | 招聘网站职位与简历的双向匹配相似度算法 |
| CN111833010A (zh) * | 2020-06-12 | 2020-10-27 | 北京网聘咨询有限公司 | 一种智能面试方法、系统、设备和存储介质 |
| CN111861268A (zh) * | 2020-07-31 | 2020-10-30 | 平安金融管理学院(中国·深圳) | 候选人推荐方法、装置、电子设备及存储介质 |
| CN112100492A (zh) * | 2020-09-11 | 2020-12-18 | 河北冀联人力资源服务集团有限公司 | 一种不同版本的简历的批量投递方法和系统 |
| CN112685653A (zh) * | 2021-03-16 | 2021-04-20 | 广州欧赛斯信息科技有限公司 | 一种人才就业模型的题库推送配置方法及系统 |
| CN113112239A (zh) * | 2021-04-23 | 2021-07-13 | 成都商高智能科技有限公司 | 一种便捷式岗位人才筛选方法 |
| CN114742520A (zh) * | 2022-03-22 | 2022-07-12 | 深圳壹账通科技服务有限公司 | 岗位匹配方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110184939A1 (en) * | 2010-01-28 | 2011-07-28 | Elliott Edward S | Method of transforming resume and job order data into evaluation of qualified, available candidates |
| CN103294816A (zh) * | 2013-06-09 | 2013-09-11 | 广东倍智人才管理咨询有限公司 | 一种为求职者推荐职位的方法和职位推荐系统 |
| CN107590133A (zh) * | 2017-10-24 | 2018-01-16 | 武汉理工大学 | 基于语义的招聘职位与求职简历匹配的方法及系统 |
| CN108920544A (zh) * | 2018-06-13 | 2018-11-30 | 桂林电子科技大学 | 一种基于知识图谱的个性化职位推荐方法 |
| CN109634994A (zh) * | 2018-12-21 | 2019-04-16 | 深圳市览网络股份有限公司 | 一种简历与职位的匹配推送方法及计算机设备和存储介质 |
-
2019
- 2019-04-02 CN CN201910262478.4A patent/CN109978510A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110184939A1 (en) * | 2010-01-28 | 2011-07-28 | Elliott Edward S | Method of transforming resume and job order data into evaluation of qualified, available candidates |
| CN103294816A (zh) * | 2013-06-09 | 2013-09-11 | 广东倍智人才管理咨询有限公司 | 一种为求职者推荐职位的方法和职位推荐系统 |
| CN107590133A (zh) * | 2017-10-24 | 2018-01-16 | 武汉理工大学 | 基于语义的招聘职位与求职简历匹配的方法及系统 |
| CN108920544A (zh) * | 2018-06-13 | 2018-11-30 | 桂林电子科技大学 | 一种基于知识图谱的个性化职位推荐方法 |
| CN109634994A (zh) * | 2018-12-21 | 2019-04-16 | 深圳市览网络股份有限公司 | 一种简历与职位的匹配推送方法及计算机设备和存储介质 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110648104A (zh) * | 2019-08-01 | 2020-01-03 | 北京天麦有一网络科技有限公司 | 一种智能人力资源筛选系统及方法 |
| CN110413934A (zh) * | 2019-08-05 | 2019-11-05 | 西安电子科技大学 | 校园网络招聘信息管理方法 |
| CN110991709A (zh) * | 2019-11-18 | 2020-04-10 | 平安金融管理学院(中国·深圳) | 岗位招聘情况预测方法、装置、计算机设备及存储介质 |
| CN111260337A (zh) * | 2020-02-14 | 2020-06-09 | 无锡珍岛数字生态服务平台技术有限公司 | 一种基于智能云服务的招聘管理系统 |
| CN111339285B (zh) * | 2020-02-18 | 2023-05-26 | 北京网聘咨询有限公司 | 基于bp神经网络的企业简历筛选方法和系统 |
| CN111339285A (zh) * | 2020-02-18 | 2020-06-26 | 北京网聘咨询有限公司 | 基于bp神经网络的企业简历筛选方法和系统 |
| CN111429082A (zh) * | 2020-02-18 | 2020-07-17 | 北京网聘咨询有限公司 | 招聘网站职位与简历的双向匹配相似度算法 |
| CN111833010A (zh) * | 2020-06-12 | 2020-10-27 | 北京网聘咨询有限公司 | 一种智能面试方法、系统、设备和存储介质 |
| CN111861268A (zh) * | 2020-07-31 | 2020-10-30 | 平安金融管理学院(中国·深圳) | 候选人推荐方法、装置、电子设备及存储介质 |
| CN112100492A (zh) * | 2020-09-11 | 2020-12-18 | 河北冀联人力资源服务集团有限公司 | 一种不同版本的简历的批量投递方法和系统 |
| CN112685653A (zh) * | 2021-03-16 | 2021-04-20 | 广州欧赛斯信息科技有限公司 | 一种人才就业模型的题库推送配置方法及系统 |
| CN112685653B (zh) * | 2021-03-16 | 2021-06-15 | 广州欧赛斯信息科技有限公司 | 一种人才就业模型的题库推送配置方法及系统 |
| CN113112239A (zh) * | 2021-04-23 | 2021-07-13 | 成都商高智能科技有限公司 | 一种便捷式岗位人才筛选方法 |
| CN114742520A (zh) * | 2022-03-22 | 2022-07-12 | 深圳壹账通科技服务有限公司 | 岗位匹配方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109978510A (zh) | 校园招聘管理系统及方法 | |
| US11800014B2 (en) | Method and system for proactive fraudster exposure in a customer service channel | |
| Barrington et al. | Crowdsourcing earthquake damage assessment using remote sensing imagery | |
| WO2017167069A1 (zh) | 简历评估方法和装置 | |
| Rolandsen | The making of the Anya-Nya insurgency in the Southern Sudan, 1961–64 | |
| Bengston et al. | Attitudes toward ecosystem management in the United States, 1992-1998 | |
| Peterson et al. | Synthetic validation and validity generalization: When empirical validation is not possible | |
| Conley et al. | Estimating dynamic local interactions models | |
| Abdul Reda et al. | Mobilizing the masses: measuring resource mobilization on Twitter | |
| Lorenzini et al. | Protest event analysis: Developing a semiautomated NLP approach | |
| Geetha et al. | Academic Staff Selection using Graph Theory Matrix Approach | |
| Bjärstig et al. | Partnerships implementing ecosystem-based moose management in Sweden | |
| Pendyala et al. | Enhanced algorithmic job matching based on a comprehensive candidate profile using nlp and machine learning | |
| CN115396389A (zh) | 一种基于情绪能量感知的物联网信息技术客服服务系统 | |
| Brunet et al. | How can research partnerships better support local development? Stakeholder perceptions on an approach to understanding research partnership outcomes in the Canadian Arctic | |
| CN113723774A (zh) | 答题评分方法、装置、计算机设备和存储介质 | |
| CN109993499B (zh) | 面试综合评价方法、装置、计算机设备及存储介质 | |
| CN111443973A (zh) | 备注信息的填入方法、装置、设备及存储介质 | |
| CN107147520B (zh) | 一种恐怖组织网络挖掘方法 | |
| Dyson | ‘Condemned forever to becoming and never to being’? The Weise Commission and German Military Isomorphism | |
| Dachyar et al. | Improving university competitiveness by management information system | |
| CN116226204A (zh) | 基于联合学习平台的场景确定方法、装置、设备及存储介质 | |
| CN112580953A (zh) | 咨询师能力评价方法 | |
| Pranaditya et al. | Re-development of a city-scale waste bank assessment index: Case studies Bandung and Cimahi Cities | |
| Kelsey et al. | A model for gathering stakeholder input for setting research priorities at the land-grant university |
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 |
Application publication date: 20190705 |
|
| RJ01 | Rejection of invention patent application after publication |