CN109992721A - 基于加权特征值的精准推荐算法 - Google Patents
基于加权特征值的精准推荐算法 Download PDFInfo
- Publication number
- CN109992721A CN109992721A CN201910316085.7A CN201910316085A CN109992721A CN 109992721 A CN109992721 A CN 109992721A CN 201910316085 A CN201910316085 A CN 201910316085A CN 109992721 A CN109992721 A CN 109992721A
- Authority
- CN
- China
- Prior art keywords
- job
- information
- value
- job hunter
- characteristic value
- 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
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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于加权特征值的精准推荐算法，步骤包括：根据企业和求职者发布的信息提取其中的多个特征值，按照可变的权重进行综合计算匹配，得到特征值和权重之间的匹配度；将匹配度的数值与预设的阈值比较，得出各个信息数据的匹配结果；向求职者推送企业招聘信息、向企业推送求职者求职信息。本发明优点在于设计实现了一种高校就业精准服务平台，提出基于加权特征值的精准推荐算法，能够根据毕业生专业、学历、特长、兴趣、工作地点、时间、岗位需求及薪酬待遇预期等特征值条件为毕业生推荐更为适合的就业企业与岗位，是就业精准推荐的有益尝试。
Description
技术领域
本发明涉及特征值算法技术领域，具体涉及基于加权特征值的精准推荐算法。
背景技术
“移动互联”时代的显著特征是人们各种社会活动，诸如学习、商务和休闲娱乐的移动性、泛在化和高效率与便捷化；企业可以根据自己的用工需要发布招聘岗位信息，包括招聘岗位、工作地点、所学专业、学历要求、工资水平、工作时间等信息；求职者可以发布求职信息，包括本人的专业、学历、特长、兴趣、求职岗位、工作地点、工作时间和薪酬待遇预期等求职信息。
在现有的很多求职招聘平台中，企业可以根据自己的用工需要发布招聘岗位信息，包括招聘岗位、工作地点、所学专业、学历要求、工资水平、工作时间等信息；求职者可以发布求职信息，薪酬待遇预期等求职信息，但企业与求职者之间的信息中，求职者本人的专业、学历、特长、兴趣、求职岗位、工作地点、工作时间和薪酬待遇对接不尽如人意。有的系统，企业的招聘信息需要求职者自行浏览阅读、求职者的求职信息需要企业浏览才有可能最终对接成功；而有的系统中，虽然增加了自动推荐功能，但推荐的效果并不理想。
发明内容
本发明的目的在于提供一种基于加权特征值的精准推荐算法，该方法利用企业和求职者所发布的信息，提取其中的多个特征值，按照可变的权重进行综合计算匹配，得到两者之间的匹配度，再将其与某一阈值比较，阈值可根据求职者的特征值关注度动态调整，匹配成功后，分别向求职者推送企业招聘信息、向企业推送求职者招聘信息，大大提高了求职应聘的效率和成功率。
本发明通过以下技术方案来实现上述目的：
基于加权特征值的精准推荐算法，步骤包括：
S1：特征值的设定和权重分配；根据企业和求职者发布的信息，提取多个特征值，并根据一定的比例给所述特征值分配权重；
S2：数据匹配；根据可变的权重进行综合计算匹配，得到所述权重与所述特征值之间的匹配度，再将该匹配度与设定的阈值比较，超过阈值线，则认为匹配成功，低于阈值线，则认为匹配失败；
S3：信息的推送；数据匹配成功后，向求职者推送企业招聘信息以及向企业推送求职者求职信息。
进一步的改进在于，所述特征值的选取范围包括专业、学历、特长、岗位、工作地点、工作时间、薪酬和五险一金。
进一步的改进在于，所述权重分配中，将专业、学历、岗位、薪酬的权重固定为15％、15％、15％、15％，求职者在信息发布平台中勾选了一个或两个特征值作为求职比较看重的要素，则被勾选的特征值的权重分配为15％，其他特征值项平分剩余的权重。
进一步的改进在于，所述阈值的设定值为60。
进一步的改进在于，所述匹配度的具体计算方式如下：
设定：阈值用T表示；
匹配度用M表示，根据各特征值匹配结果及权重计算得到；
匹配成功的信息数量用N表示；
权重用W表示，则特长的权重表示为WS，工作地点的权重表示为WP，工作时间的权重表示为WT，五险一金的权重表示为WI；
设置计数变量I，用于计算各特征值权重；
第一步：将WS、WP、WT、WI、M、N，I均赋值为0，T赋值为60；
第二步：判断特长特征值是否属于求职者看重要素，如果是，则WS＝15，如果不是，则WS＝0，I＝I+1；
第三步：判断工作地点特征值是否属于求职者看重要素，如果是，则WP＝15，如果不是，则WP＝0，I＝I+1；
第四步：判断工作时间特征值是否属于求职者看重要素，如果是，则WT＝15，如果不是，则WT＝0，I＝I+1；
第五步：判断五险一金特征值是否属于求职者看重要素，如果是，则WI＝15，如果不是，则WI＝0，I＝I+1；
第六步：计算除专业、学历、岗位、薪酬及求职者看重要素以外的，其他特征值的权重，W＝15+15+15+15+WS+WP+WT+WI，因求职者看重的要素小于三个，W小于100；
第七步：将剩余权重平分给赋值为零的特征值，(100-W)/I重新赋值给W；
第八步：判断WS、WP、WT、WI是否为0，如是，则将上一步计算得到的剩余平均权重值赋给它们，即WS＝W、WP＝W、WT＝W、WI＝W；
第九步：判断求职者求职信息中的专业特征值和企业招聘信息中的专业是否相同，或招聘信息中的专业为“不限”，如是，则M＝M+15；
第十步：判断求职者求职信息中的学历特征值和企业招聘信息中的学历是否相同，或招聘信息中的学历为“不限”，如是，则M＝M+15；
第十一步：判断求职者求职信息中的岗位特征值和企业招聘信息中的岗位是否相同，或求职者的岗位需求为“不限”，或招聘信息中的岗位“不限”，如是，则M＝M+15；
第十二步：判断求职者求职信息中的薪酬特征值和企业招聘信息中的薪酬是否相同，或求职者的薪酬需求为“不限”，如是，则M＝M+15；
第十三步：判断求职者求职信息中的特长特征值和企业招聘信息中的特长是否相同或企业特长是求职者特长的子集，如是，则M＝M+WS；
第十四步：判断求职者求职信息中的工作地点特征值和企业招聘信息中的工作地点是否相同，或求职者的工作地点为“不限”，如是，则M＝M+WP；
第十五步：判断求职者求职信息中的工作时间特征值和企业招聘信息中的工作时间是否相同，或求职者的工作时间为“不限”，如是，则M＝M+WT；
第十六步：判断求职者求职信息中的五险一金特征值和企业招聘信息中的五险一金是否相同，如是，则M＝M+WI；
第十七步：将M与T比较，如M>＝T，则将求职信息向企业推送，将招聘信息向求职者推送，并将N加一：N＝N+1；
第十八步：将求职信息与下一条招聘信息进行匹配度计算，从第九步重复操作，直到匹配出20条信息，结束匹配。
进一步的改进在于，该算法的核心代码在学生端采用基于Android编程技术开发，其他客户端及服务器端均采用B/S架构开发。
本发明的有益效果在于：本发明设计实现了一种高校就业精准服务平台，提出基于加权特征值的精准推荐算法，能够根据毕业生专业、学历、特长、兴趣、工作地点、时间、岗位需求及薪酬待遇预期等特征值为毕业生推荐更为适合的就业企业与岗位，是就业精准推荐的有益尝试；通过流程图、伪代码等详细介绍了算法思想，最终在高校就业精准服务平台中加以实现验证；利用企业和求职者所发布的信息，提取其中的多个特征值，并进行匹配计算，将计算的结果与阈值比较，超过阈值的，匹配成功，同时将求职者的求职信息发送给企业，将企业的招聘信息发送给求职者，提高了求职应聘的效率和成功率，该算法的提出有很强的针对性和重要的现实意义，为类似问题的解决提供了重要的参考价值。
附图说明
图1为本发明提出的一种基于加权特征值的精准推荐算法流程图；
图2为本发明就业精准服务平台系统功能框图；
图3为本发明的算法流程图。
具体实施方式
下面结合附图对本申请作进一步详细描述，有必要在此指出的是，以下具体实施方式只用于对本申请进行进一步的说明，不能理解为对本申请保护范围的限制，该领域的技术人员可以根据上述申请内容对本申请作出一些非本质的改进和调整。
结合图1和图2所示，基于加权特征值的精准推荐算法，步骤包括：
S1：特征值的设定和权重分配；根据企业和求职者发布的信息，将专业、学历、特长、岗位、工作地点、工作时间、薪酬及五险一金选取为特征值；在权重分配中，将专业、学历、岗位及薪酬的权重固定为15％、15％、15％、15％，如求职者在信息发布平台中勾选一个或两个特征值作为求职比较看重的要素，则被勾选的特征值的权重分配为15％，其他特征值项平分剩余的权重；
S2：数据匹配；根据可变的权重进行综合计算匹配，得到所述权重与特征值之间的匹配度，再将该匹配度与设定的阈值比较，超过阈值线，则认为匹配成功，低于阈值线，则认为匹配失败，阈值的预设值为60；
参照图3，匹配度的算法流程如下：
设定：阈值用T表示；
匹配度用M表示；
匹配成功的信息数量用N表示；
权重用W表示，则特长的权重表示为WS，工作地点的权重表示为WP，工作时间的权重表示为WT，五险一金的权重表示为WI；
第一步：将WS、WP、WT、WI、M、N，I均赋值为0，T赋值为60；
第二步：判断特长特征值是否属于求职者看重要素，如果是，则WS＝15，如果不是，则WS＝0，I＝I+1；
第三步：判断工作地点特征值是否属于求职者看重要素，如果是，则WP＝15，如果不是，则WP＝0，I＝I+1；
第四步：判断工作时间特征值是否属于求职者看重要素，如果是，则WT＝15，如果不是，则WT＝0，I＝I+1；
第五步：判断五险一金特征值是否属于求职者看重要素，如果是，则WI＝15，如果不是，则WI＝0，I＝I+1；
第六步：计算除专业、学历、岗位、薪酬及求职者看重要素以外的，其他特征值的权重，W＝15+15+15+15+WS+WP+WT+WI，因求职者看重的要素小于三个，W小于100；
第七步：将剩余权重平分给赋值为零的特征值，(100-W)/I重新赋值给W；
第八步：判断WS、WP、WT、WI是否为0，如是，则将上一步计算得到的剩余平均权重值赋给它们，即WS＝W、WP＝W、WT＝W、WI＝W；
第九步：判断求职者求职信息中的专业特征值和企业招聘信息中的专业是否相同，或招聘信息中的专业为“不限”，如是，则M＝M+15；
第十步：判断求职者求职信息中的学历特征值和企业招聘信息中的学历是否相同，或招聘信息中的学历为“不限”，如是，则M＝M+15；
第十一步：判断求职者求职信息中的岗位特征值和企业招聘信息中的岗位是否相同，或求职者的岗位需求为“不限”，或招聘信息中的岗位“不限”，如是，则M＝M+15；
第十二步：判断求职者求职信息中的薪酬特征值和企业招聘信息中的薪酬是否相同，或求职者的薪酬需求为“不限”，如是，则M＝M+15；
第十三步：判断求职者求职信息中的特长特征值和企业招聘信息中的特长是否相同或企业特长是求职者特长的子集，如是，则M＝M+WS；
第十四步：判断求职者求职信息中的工作地点特征值和企业招聘信息中的工作地点是否相同，或求职者的工作地点为“不限”，如是，则M＝M+WP；
第十五步：判断求职者求职信息中的工作时间特征值和企业招聘信息中的工作时间是否相同，或求职者的工作时间为“不限”，如是，则M＝M+WT；
第十六步：判断求职者求职信息中的五险一金特征值和企业招聘信息中的五险一金是否相同，如是，则M＝M+WI；
第十七步：将M与T比较，如M>＝T，则将求职信息向企业推送，将招聘信息向求职者推送，并将N加一：N＝N+1；
第十八步：将求职信息与下一条招聘信息进行匹配度计算，从第九步重复操作，直到匹配出20条信息，结束匹配。
S3：信息的推送；数据匹配成功后，系统会向求职者推送企业招聘信息以及向企业推送求职者求职信息，大大提高了求职应聘的效率和成功率。
该算法的核心代码如下：
$occupation_item['major']＝＝$recruit['major']？$matching_rate+＝10:""；
$occupation_item['post']＝＝$recruit['post']？$matching_rate+＝20:""；
$occupation_item['salary_want']＝＝
$recruit['salary_want']？$matching_rate+＝20:""；
$occupation_item['social_benefits']＝＝
$recruit['social_benefits']？$matching_rate+＝10:""；
$occupation_item['guarantee_fund']＝＝
$recruit['guarantee_fund']？$matching_rate+＝10:""；
$occupation_item['education']＝＝
$recruit['education']？$matching_rate+＝10:""；
$occupation_item['province']＝＝
$recruit['province']？$matching_rate+＝10:""；
$occupation_item['city']＝＝$recruit['city']？$matching_rate+＝10:""；
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (6)
1.基于加权特征值的精准推荐算法，其特征在于：步骤包括：
S1：特征值的设定和权重分配；根据企业和求职者发布的信息，提取多个特征值，并根据一定的比例给所述特征值分配权重；
S2：数据匹配；根据可变的权重进行综合计算匹配，得到所述权重与所述特征值之间的匹配度，再将该匹配度与预设的阈值比较，超过阈值线，则认为匹配成功，低于阈值线，则认为匹配失败；
S3：信息的推送；数据匹配成功后，向求职者推送企业招聘信息以及向企业推送求职者求职信息。
2.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：所述特征值的选取范围包括专业、学历、特长、岗位、工作地点、工作时间、薪酬和五险一金。
3.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：所述权重分配中，将专业、学历、岗位、薪酬的权重固定为15％、15％、15％、15％，求职者在信息发布平台中勾选一个或两个特征值作为求职比较看重的要素，则被勾选的特征值的权重分配为15％，其他特征值项平分剩余的权重。
4.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：所述阈值的预设值为60。
5.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：所述匹配度的具体计算方式如下：
设定：阈值用T表示；
匹配度用M表示，根据各特征值匹配结果及权重计算得到；
匹配成功的信息数量用N表示；
权重用W表示，则特长的权重表示为WS，工作地点的权重表示为WP，工作时间的权重表示为WT，五险一金的权重表示为WI；
设置计数变量I，用于计算各特征值权重；
第一步：将WS、WP、WT、WI、M、N，I均赋值为0，T赋值为60；
第二步：判断特长特征值是否属于求职者看重要素，如果是，则WS＝15，如果不是，则WS＝0，I＝I+1；
第三步：判断工作地点特征值是否属于求职者看重要素，如果是，则WP＝15，如果不是，则WP＝0，I＝I+1；
第四步：判断工作时间特征值是否属于求职者看重要素，如果是，则WT＝15，如果不是，则WT＝0，I＝I+1；
第五步：判断五险一金特征值是否属于求职者看重要素，如果是，则WI＝15，如果不是，则WI＝0，I＝I+1；
第六步：计算除专业、学历、岗位、薪酬及求职者看重要素以外的，其他特征值的权重，W＝15+15+15+15+WS+WP+WT+WI，因求职者看重的要素小于三个，W小于100；
第七步：将剩余权重平分给赋值为零的特征值，(100-W)/I重新赋值给W；
第八步：判断WS、WP、WT、WI是否为0，如是，则将上一步计算得到的剩余平均权重值赋给它们，即WS＝W、WP＝W、WT＝W、WI＝W；
第九步：判断求职者求职信息中的专业特征值和企业招聘信息中的专业是否相同，或招聘信息中的专业为“不限”，如是，则M＝M+15；
第十步：判断求职者求职信息中的学历特征值和企业招聘信息中的学历是否相同，或招聘信息中的学历为“不限”，如是，则M＝M+15；
第十一步：判断求职者求职信息中的岗位特征值和企业招聘信息中的岗位是否相同，或求职者的岗位需求为“不限”，或招聘信息中的岗位“不限”，如是，则M＝M+15；
第十二步：判断求职者求职信息中的薪酬特征值和企业招聘信息中的薪酬是否相同，或求职者的薪酬需求为“不限”，如是，则M＝M+15；
第十三步：判断求职者求职信息中的特长特征值和企业招聘信息中的特长是否相同或企业特长是求职者特长的子集，如是，则M＝M+WS；
第十四步：判断求职者求职信息中的工作地点特征值和企业招聘信息中的工作地点是否相同，或求职者的工作地点为“不限”，如是，则M＝M+WP；
第十五步：判断求职者求职信息中的工作时间特征值和企业招聘信息中的工作时间是否相同，或求职者的工作时间为“不限”，如是，则M＝M+WT；
第十六步：判断求职者求职信息中的五险一金特征值和企业招聘信息中的五险一金是否相同，如是，则M＝M+WI；
第十七步：将M与T比较，如M>＝T，则将求职信息向企业推送，将招聘信息向求职者推送，并将N加一：N＝N+1；
第十八步：将求职信息与下一条招聘信息进行匹配度计算，从第九步重复操作，直到匹配出20条信息，结束匹配。
6.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：该算法的核心代码在学生端采用基于Android编程技术开发，其他客户端及服务器端均采用B/S架构开发。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910316085.7A CN109992721A (zh) | 2019-04-19 | 2019-04-19 | 基于加权特征值的精准推荐算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910316085.7A CN109992721A (zh) | 2019-04-19 | 2019-04-19 | 基于加权特征值的精准推荐算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109992721A true CN109992721A (zh) | 2019-07-09 |
Family
ID=67132831
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910316085.7A Pending CN109992721A (zh) | 2019-04-19 | 2019-04-19 | 基于加权特征值的精准推荐算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109992721A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686624A (zh) * | 2020-12-24 | 2021-04-20 | 江苏金智教育信息股份有限公司 | 一种学生工作岗位推荐的方法和装置 |
| CN113807827A (zh) * | 2021-10-19 | 2021-12-17 | 山东云享天空科技服务有限公司 | 一种基于大数据的人力资源匹配算法 |
| CN115619364A (zh) * | 2022-08-03 | 2023-01-17 | 广州红海云计算股份有限公司 | 基于人工智能的招聘信息发布方法、装置及系统 |
| CN116452165A (zh) * | 2023-03-22 | 2023-07-18 | 北京游娱网络科技有限公司 | 一种人才信息推荐方法、服务系统及存储介质 |
| CN117473251A (zh) * | 2023-10-10 | 2024-01-30 | 北京华普亿方科技集团股份有限公司 | 基于大数据的用户求职意向分析方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105117863A (zh) * | 2015-09-28 | 2015-12-02 | 北京橙鑫数据科技有限公司 | 简历职位匹配方法及装置 |
| 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 |
| CN107894985A (zh) * | 2017-08-25 | 2018-04-10 | 成都萌想科技有限责任公司 | 一种应用于互联网实习招聘的高效人才简历匹配方法 |
| CN109087073A (zh) * | 2018-08-14 | 2018-12-25 | 安徽网才信息技术股份有限公司 | 一种网络招聘系统职位推荐方法 |
| CN109359934A (zh) * | 2018-09-04 | 2019-02-19 | 平安普惠企业管理有限公司 | 基于性格分析的招聘方法、装置、计算机设备及存储介质 |
| CN109558429A (zh) * | 2018-11-16 | 2019-04-02 | 广东百城人才网络股份有限公司 | 基于互联网大数据的人才服务双向推荐方法及系统 |
-
2019
- 2019-04-19 CN CN201910316085.7A patent/CN109992721A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105117863A (zh) * | 2015-09-28 | 2015-12-02 | 北京橙鑫数据科技有限公司 | 简历职位匹配方法及装置 |
| 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 |
| CN107894985A (zh) * | 2017-08-25 | 2018-04-10 | 成都萌想科技有限责任公司 | 一种应用于互联网实习招聘的高效人才简历匹配方法 |
| CN109087073A (zh) * | 2018-08-14 | 2018-12-25 | 安徽网才信息技术股份有限公司 | 一种网络招聘系统职位推荐方法 |
| CN109359934A (zh) * | 2018-09-04 | 2019-02-19 | 平安普惠企业管理有限公司 | 基于性格分析的招聘方法、装置、计算机设备及存储介质 |
| CN109558429A (zh) * | 2018-11-16 | 2019-04-02 | 广东百城人才网络股份有限公司 | 基于互联网大数据的人才服务双向推荐方法及系统 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686624A (zh) * | 2020-12-24 | 2021-04-20 | 江苏金智教育信息股份有限公司 | 一种学生工作岗位推荐的方法和装置 |
| CN112686624B (zh) * | 2020-12-24 | 2024-01-23 | 江苏金智教育信息股份有限公司 | 一种学生工作岗位推荐的方法和装置 |
| CN113807827A (zh) * | 2021-10-19 | 2021-12-17 | 山东云享天空科技服务有限公司 | 一种基于大数据的人力资源匹配算法 |
| CN115619364A (zh) * | 2022-08-03 | 2023-01-17 | 广州红海云计算股份有限公司 | 基于人工智能的招聘信息发布方法、装置及系统 |
| CN115619364B (zh) * | 2022-08-03 | 2023-08-08 | 广州红海云计算股份有限公司 | 基于人工智能的招聘信息发布方法、装置及系统 |
| CN116452165A (zh) * | 2023-03-22 | 2023-07-18 | 北京游娱网络科技有限公司 | 一种人才信息推荐方法、服务系统及存储介质 |
| CN116452165B (zh) * | 2023-03-22 | 2024-05-24 | 北京游娱网络科技有限公司 | 一种人才信息推荐方法、服务系统及存储介质 |
| CN117473251A (zh) * | 2023-10-10 | 2024-01-30 | 北京华普亿方科技集团股份有限公司 | 基于大数据的用户求职意向分析方法及系统 |
| CN117473251B (zh) * | 2023-10-10 | 2024-08-27 | 北京华普亿方科技集团股份有限公司 | 基于大数据的用户求职意向分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109992721A (zh) | 基于加权特征值的精准推荐算法 | |
| Deni et al. | Analysis and implementation fuzzy multi-attribute decision making SAW method for selection of high achieving students in faculty level | |
| CN107729919A (zh) | 基于大数据技术的深化投诉穿透分析方法 | |
| CN109740155A (zh) | 一种客服系统人工智能质检规则自我归纳模型的方法及系统 | |
| CN110781663A (zh) | 文本分析模型的训练方法及装置、文本分析方法及装置 | |
| CN113127633B (zh) | 智能会议管理方法、装置、计算机设备及存储介质 | |
| CN112000776A (zh) | 基于语音语义的话题匹配方法、装置、设备及存储介质 | |
| CN115689655A (zh) | 一种智能高效性自动化全域分析的scrm营销系统 | |
| CN106604281A (zh) | 一种确定手机号码稳定性的方法及设备 | |
| CN110147923A (zh) | 用于识别风险用户的方法及装置 | |
| CN113628043B (zh) | 基于数据分类的投诉有效性判断方法、装置、设备及介质 | |
| CN108985839A (zh) | 无人超市中基于人脸识别的导购方法及装置 | |
| CN107783958A (zh) | 一种目标语句识别方法及装置 | |
| CN111369284B (zh) | 目标对象类型确定方法及装置 | |
| CN112527897A (zh) | 一种数据处理方法及系统 | |
| CN110110055B (zh) | 一种从文本中提取地理位置信息的方法及装置 | |
| CN115953080A (zh) | 工程师服务等级确定方法、设备和存储介质 | |
| CN102930616A (zh) | 一种用于幼儿教育的笑脸签到系统 | |
| CN110377713A (zh) | 一种基于概率转移改善问答系统上下文的方法 | |
| CN113065986B (zh) | 一种基于智能交互的教育资源生成方法 | |
| CN113656703B (zh) | 基于新上线课程的智能推荐方法、装置、设备及存储介质 | |
| CN115455457A (zh) | 基于智慧大数据的链数据管理方法、系统和存储介质 | |
| CN110599052B (zh) | Ota酒店评价方法、系统、电子设备和介质 | |
| CN111080463B (zh) | 一种关键通讯节点识别方法、装置及介质 | |
| CN114006986A (zh) | 外呼合规预警方法、装置、设备及存储介质 |
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: 20190709 |
|
| RJ01 | Rejection of invention patent application after publication |