CN110059923A - 岗位画像和简历信息的匹配方法、装置、设备及存储介质 - Google Patents
岗位画像和简历信息的匹配方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110059923A CN110059923A CN201910192576.5A CN201910192576A CN110059923A CN 110059923 A CN110059923 A CN 110059923A CN 201910192576 A CN201910192576 A CN 201910192576A CN 110059923 A CN110059923 A CN 110059923A
- Authority
- CN
- China
- Prior art keywords
- portrait
- information
- score
- post
- point
- 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 abstract description 56
- 230000008569 process Effects 0.000 title claims abstract description 46
- 238000004891 communication Methods 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 8
- 230000007115 recruitment Effects 0.000 description 10
- 238000012512 characterization method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 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
- 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
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种岗位画像和简历信息的匹配方法、装置、设备及存储介质,所述方法包括:当接收到岗位需求信息时,调用预设词库中的关键词对岗位需求信息进行匹配,确定与岗位需求信息对应的目标关键词,并将各目标关键词形成岗位画像;当接收到简历文件时,读取简历文件中的文本信息,并将各文本信息和岗位画像中的画像点对比,生成各画像点得分;将各画像点得分进行整合,生成简历得分,并将简历得分和预设得分阈值对比,生成对比结果,根据对比结果,在岗位画像和简历文件之间进行匹配。本方案基于语义解析生成的简历得分作为判定简历信息和岗位画像匹配的依据,筛选出满足岗位画像所需求的简历信息,提高了简历信息和岗位画像之间的匹配效率。
Description
技术领域
本发明主要涉及人工智能技术领域,具体地说,涉及一种岗位画像和简历信息的匹配方法、装置、设备及存储介质。
背景技术
随着互联网技术的不断发展,越来越多的企业或公司通过互联网发布工作岗位;而对工作岗位有求职需求的求职者,同样通过网络将其简历文件上传,以对工作岗位进行求职;企业或公司的招聘人员通过对接收到的各个简历文件进行查看筛选,来确定与所发布的工作岗位匹配的简历文件。由招聘人员对简历文件查看筛选的方式,需要花费大量的人力成本,为工作岗位匹配简历文件的效率低。
发明内容
本发明的主要目的是提供一种岗位画像和简历信息的匹配方法、装置、设备及存储介质,旨在解决现有技术中通过招聘人员为工作岗位筛选简历文件,为工作岗位匹配简历文件的效率低的问题。
为实现上述目的,本发明提供一种岗位画像和简历信息的匹配方法,所述岗位画像和简历信息的匹配方法包括以下步骤:
当接收到岗位需求信息时,调用预设词库中的关键词对所述岗位需求信息进行匹配,确定与所述岗位需求信息对应的目标关键词,并将各所述目标关键词形成岗位画像;
当接收到简历文件时,读取所述简历文件中的文本信息,并将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分;
将各所述画像点得分进行整合,生成简历得分,并将所述简历得分和所述预设得分阈值对比,生成对比结果,根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配。
优选地,所述当接收到简历文件时,读取所述简历文件中的文本信息的步骤包括:
当接收到简历文件时,判断所述简历文件的文件格式是否为预设格式,若所述文件格式是预设格式,则读取所述简历文件中的文本信息;
若所述文件格式不是预设格式,则读取所述简历文件中的简历信息,生成预设格式的转换文件,并从所述转换文件中读取转换文本信息,将所述转换文本信息确定为文本信息。
优选地,所述将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分的步骤包括:
统计各所述文本信息的文本长度,并将各所述文本长度和预设长度对比,确定各所述文本信息的长度类型;
当各所述长度类型为第一类型时,则根据所述岗位画像中与所述第一类型对应的第一画像点,以及各所述第一画像点对应的区间分值表,生成各所述文本信息的画像点得分;
当各所述长度类型为第二类型时,则根据所述岗位画像中与所述第二类型对应的第二画像点,以及各所述第二画像点对应的语句分值表,生成各所述文本信息的画像点得分。
优选地,所述根据所述岗位画像中与所述第一类型对应的第一画像点,以及各所述第一画像点对应的区间分值表,生成各所述文本信息的画像点得分的步骤包括:
调用与所述第一类型对应的第一画像点,并将各所述文本信息和各所述第一画像点对比,确定与各所述文本信息对应的第一目标画像点;
调用与各所述第一目标画像点对应的区间分值表,并将各所述文本信息和所述区间分值表对比,确定各所述文本信息所在的目标区间;
将所述区间分值表中与各所述目标区间对应的分值,确定为各所述文本信息在所述第一目标画像点上的画像点得分。
优选地,所述根据所述岗位画像中与所述第二类型对应的第二画像点,以及各所述第二画像点对应的语句分值表,生成各所述文本信息的画像点得分的步骤包括:
调用与所述第二类型对应的第二画像点,并将各所述文本信息和各所述第二画像点对比,确定与各所述文本信息对应的第二目标画像点;
调用与各所述第二目标画像点对应的语句分值表,并将各所述文本信息和所述语句分值表中的各语句对比,确定各所述文本信息与各所述语句的相似度;
根据各所述相似度,确定与各所述文本信息对应的目标语句,并将所述语句分值表中与各所述目标语句对应的分值,确定为各所述文本信息在所述第二目标画像点上的画像点得分。
优选地,所述将各所述画像点得分进行整合,生成简历得分的步骤包括:
读取各所述画像点的预设权重,并根据各所述画像点所具有的画像点得分和预设权重之间的对应关系,用所述预设权重对所述画像点得分进行加权整合,生成简历得分。
优选地,所述根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配的步骤包括:
判断所述对比结果是否在预设范围内,若所述对比结果在预设范围内,则判定所述岗位画像和所述简历文件匹配成功,并对所述简历文件进行推送操作;
若所述对比结果不在预设范围内,则判定所述岗位信息和所述简历文件匹配失败,并对所述简历文件进行剔除操作。
此外,为实现上述目的,本发明还提出一种岗位画像和简历信息的匹配装置,所述岗位画像和简历信息的匹配装置包括:
调用模块,用于当接收到岗位需求信息时,调用预设词库中的关键词对所述岗位需求信息进行匹配,确定与所述岗位需求信息对应的目标关键词,并将各所述目标关键词形成岗位画像;
生成模块,用于当接收到简历文件时,读取所述简历文件中的文本信息,并将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分;
匹配模块,用于将各所述画像点得分进行整合,生成简历得分,并将所述简历得分和所述预设得分阈值对比,生成对比结果,根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配。
此外,为实现上述目的,本发明还提出一种岗位画像和简历信息的匹配设备,所述岗位画像和简历信息的匹配设备包括:存储器、处理器、通信总线以及存储在所述存储器上的岗位画像和简历信息的匹配程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述岗位画像和简历信息的匹配程序,以实现以下步骤:
当接收到岗位需求信息时,调用预设词库中的关键词对所述岗位需求信息进行匹配,确定与所述岗位需求信息对应的目标关键词,并将各所述目标关键词形成岗位画像;
当接收到简历文件时,读取所述简历文件中的文本信息,并将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分;
将各所述画像点得分进行整合,生成简历得分,并将所述简历得分和所述预设得分阈值对比,生成对比结果,根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配。
此外,为实现上述目的,本发明还提供一种存储介质,所述存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于:
当接收到岗位需求信息时,调用预设词库中的关键词对所述岗位需求信息进行匹配,确定与所述岗位需求信息对应的目标关键词,并将各所述目标关键词形成岗位画像;
当接收到简历文件时,读取所述简历文件中的文本信息,并将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分;
将各所述画像点得分进行整合,生成简历得分,并将所述简历得分和所述预设得分阈值对比,生成对比结果,根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配。
本实施例的岗位画像和简历信息的匹配方法,通过调用预先设置的预设词库对接收到的岗位需求信息进行匹配,来确定与岗位需求信息对应的目标关键词,并将该目标关键词形成岗位画像;同时从接收到的简历文件中读取文本信息,并将该文本信息和岗位画像中的画像点对比,生成各画像点得分;再对各画像点得分整合,生成简历得分,根据简历得分与预设得分阈值之间的对比结果,在岗位画像和简历信息之间进行匹配。本方案所生成的岗位画像表征了招聘岗位对求职者各方面的要求,而简历文件中的文本信息表征了求职者所具有的各方面信息,文本信息与岗位画像中画像点对比所生成的画像点得分,则表征了求职者所具有的各方面信息和招聘岗位的各方面要求之间的匹配程度;最终由画像点得分所生成的简历得分,作为判定简历信息和岗位画像之间匹配的依据,以筛选出满足岗位画像所表征要求的简历信息;避免了由招聘人员对各简历文件进行查看筛选,降低了人力成本,提高了简历信息和岗位画像之间的匹配效率。
附图说明
图1是本发明的岗位画像和简历信息的匹配方法第一实施例的流程示意图;
图2是本发明的岗位画像和简历信息的匹配装置第一实施例的功能模块示意图;
图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本发明提供一种岗位画像和简历信息的匹配方法。
请参照图1,图1为本发明岗位画像和简历信息的匹配方法第一实施例的流程示意图。在本实施例中,所述岗位画像和简历信息的匹配方法包括:
步骤S10,当接收到岗位需求信息时,调用预设词库中的关键词对所述岗位需求信息进行匹配,确定与所述岗位需求信息对应的目标关键词,并将各所述目标关键词形成岗位画像;
本发明的岗位画像和简历信息的匹配方法应用于服务器,适用于通过服务器在岗位画像和简历信息之间进行匹配;其中岗位画像由有招聘需求的岗位针对求职者在各方面的要求和能力所生成的标签画像,如要求求职者的性别为女性、年龄在20到40岁之间,会使用CAD制图软件等,将该类要求和能力作为表征岗位特征的各个标签,形成岗位画像;简历信息为求职者在求职过程中所填写的表征其自身基本信息和能力的信息,通过服务器在岗位画像和简历信息之间的匹配,筛选出满足岗位画像要求的简历信息。具体地,对某一岗位有招聘需要的企业或公司,将其对在该岗位任职的人员要求作为岗位需求信息上传到服务器。服务器中预先设置有包括多个关键词的预设词库,且该预设词库中的各个关键词通过word2vec计算有对应的多个相似词;word2vec是一个计算word vector的开源工具,可在百万数量级的词典和上亿的数据集上进行高效地训练得到词向量(word embedding),以度量词与词之间的相似性。本实施例预先基于word2vec中的词向量计算各关键词与其他词之间的相似度得分,并将各相似度得分进行对比;确定相似度得分排列在前预设位的词,该排列在前预设位的词即为与各关键词对应相似的多个相似词。
当接收到上传的岗位需求信息时,对预设词库进行调用,并读取其中的关键词,用该读取的关键词和岗位需求信息进行匹配,确定与岗位需求信息对应的目标关键词。考虑到预设词库中的各个关键词以字数相对较少的词形式存在,而岗位需求信息可能以字数相对较多的句子或者段落形式存在;为了使得关键词和岗位需求信息之间匹配的准确性,先对岗位需求信息进行拆分,将其中的段落拆分为各个语句,进而将各个语句拆分为各个分词,并将各个分词中诸如“的”、“与”、“和”此类无意义的连接词,以及涉及到隐私的敏感词、虚词等停用词进行剔除;而在经剔除操作后的分词和关键词进行匹配。同时在匹配过程中,可能预设词库中不存在与岗位需求信息完全一致的关键词,从而在将分词和关键词匹配的同时,还将分词和关键词对应的相似词进行匹配;即先将分词和关键词匹配,判断两者的一致性,若两者一致,则将该关键词确定为与分词对应的目标关键分词;若两者不一致,则用与该关键词相似的相似词和分词进行匹配,判断该关键词相似的各相似词中是否存在和分词一致的相似词;若存在则将该关键词确定为与分词对应的目标关键分词,若不存在,则调用预设词库中的下一关键词和分词继续匹配。
在岗位需求信息所划分的各个分词均经匹配,得到目标关键分词后,将各个目标关键分词合并所得到的词即为与岗位需求信息对应的目标关键词;对于岗位需求信息中未进行划分操作的词、如性别、年龄等,则直将用与该词匹配的目标关键分词作为目标关键词。在岗位需求信息均确定对应的目标关键词之后,即可将各个目标关键词作为表征岗位特征的标签,形成岗位画像,且一项目标关键词作为岗位画像中的一个画像点。如对销售岗位的岗位需求信息所匹配的目标关键词为年龄、20~40、销售从业经验丰富、性格、外向开朗,则可将该各目标关键词作为三个画像点所形成的岗位画像:年龄在20到40岁之间、销售从业经验丰富、性格外向开朗。
步骤S20,当接收到简历文件时,读取所述简历文件中的文本信息,并将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分;
进一步地,有求职需求的求职者,将其简历文件上传到服务器,当服务器接收到该简历文件时,对其中的文本信息进行读取,文本信息包括求职者的个人基本信息、教育经历信息以及工作经历信息等。可理解地,求职者所上传的简历文件以各种形式存在,如pdf(Portable Document Format,便携式文档格式)、word、EXCEL等;而为了规范化管理,服务器通常设置为针对某一类形式的文档进行处理,将该类形式作为预先设置的预设格式。在从简历文件中读取文本信息的时,需要先判断该简历文件的文件格式是否为预设格式;具体地,当接收到简历文件时,读取简历文件中的文本信息的步骤包括:
步骤S21,当接收到简历文件时,判断所述简历文件的文件格式是否为预设格式,若所述文件格式是预设格式,则读取所述简历文件中的文本信息;
在接收到简历文件时,读取简历文件的扩展名,并将该读取的扩展名和表征预设格式的扩展名对比,判断简历文件的文件格式是否为预设格式。本实施例以json(JavaScript Object Notation、JavaScript对象表示法)文件格式作为预先所设定的预设格式进行说明,并将其扩展名设定为.json,若读取的扩展名为.doc,则将.doc和.json对比,通过两者的一致性来判断简历文件的文件格式是否为预设格式。当判断出简历文件的文件格式为预设格式,则直接对简历文件中的文本信息进行读取;因简历文件为json文件格式,其中的信息均以键值对(key-value)的形式存在,对于简历文件中的键key存在有对应的值value;如对应键key姓名的值value为王小五,而对应键key年龄的值value为25;即读取的求职者的各类信息以类型和信息本身的对应关系的形式存在。
步骤S22,若所述文件格式不是预设格式,则读取所述简历文件中的简历信息,生成预设格式的转换文件,并从所述转换文件中读取转换文本信息,将所述转换文本信息确定为文本信息。
进一步地,当判断出简历文件的文件格式不是预设格式,则先读取简历文件中的简历信息,该简历信息同样的表征求职者的个人基本信息、教育经历信息以及工作经历信息等,只是该简历信息不是以类型和信息本身的键值对的对应关系存在。该读取的过程可以是对简历文件中所具有信息的识别过程,如通过OCR(Optical Character Recognition,光学字符识别)识别简历文件中的信息,将该识别的信息作为简历信息。此外,预先设置有和预设格式一致的预设模板,将该识别的简历信息先形成键值对,再将所形成的键值对传输到预设模板中,即可生成具有预设格式的转换文件存储。如识别的信息包括年龄:35,性别:女,则将年龄作为键key,35作为值value,形成键值对;同时将性别作为键key,女作为值value,形成键值对;将该所形成的各个键值对保存到具有预设格式的预设模板中,生成转换文件。所形成的转换文件中各类信息均以键值对的形式存在,从其中读取具有对应关系的,表征求职者的个人基本信息、教育经历信息以及工作经历信息等各类信息作为转换文本信息,该转换文本信息其实质为文本信息,通过读取的文本信息即可确定与各个类型对应的信息本身。
更进一步地,在以直接或者经转换的方式读取到简历文件中的文本信息后,将该文本信息和岗位画像中的画像点对比;因岗位信息中的各画像点对应对岗位任职人员在各个方面的要求,一个画像点对应一个方面的要求,从而文本信息和画像点的对比,其实质为判断各个文本信息是否满足各个画像点所表征要求的过程。各个画像点包括其所表征各方面要求的要求类型以及要求本身,如要求年龄在20到30岁之间,则要求类型为年龄、要求本身为20到30岁;而各文本信息表征了求职者所具有信息的信息类型和信息本身,从而在对比过程中,先将文本信息中的信息类型和画像点中的要求类型逐一对比,确定与信息类型对应的要求类型,即对应的画像点。在确定对应的画像点后,则将文本信息中的信息本身和该对应画像点中的要求本身进行对比,判断该文本信息是否满足画像点的要求。考虑到某些文本信息的内容和画像点所要求的内容完全一致的可能性较少,从而针对两者之间一致性的不同程度,预先设定有画像点得分;在对比过程中,根据对比所确定的文本信息和岗位信息之间的一致性程度,生成该文本信息在该画像点上的画像点得分,以表征应聘者的该文本信息与该画像点要求之间的匹配程度。
步骤S30,将各所述画像点得分进行整合,生成简历得分,并将所述简历得分和所述预设得分阈值对比,生成对比结果,根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配。
进一步地,在生成各个画像点的画像点得分后,将各个画像点得分进行整合,生成简历得分;该简历得分整体上表征了求职者的简历文件与岗位需求信息之间的匹配程度,其中简历得分越高,则说明求职者的简历文件与岗位信息之间越匹配,通过简历文件所表征的求职者能力越能胜任岗位画像所对应岗位的任务;而简历得分越低,则说明求职者的简历文件与岗位信息之间越不匹配,通过简历文件所表征的求职者能力越不适合岗位画像所对应的岗位。考虑到求职者不同方面的信息对评判其是否适合岗位的重要程度不一样,如对于销售的工作岗位,相对于性别来说,工作经历的重要程度较高。从而为了体现各方面信息相对岗位的重要程度,依据各画像点所对应表征的各方面要求的重要程度,预先设置岗位画像中各画像点的权重大小;其中重要程度越高,所设置的权重越高;以通过该预先设置的预设权重,对各画像点得分进行加权整合,使得所生成的简历得分更为准确的反映求职者能力与岗位需求之间的匹配程度。具体地,将各画像点得分进行整合,生成简历得分的步骤包括:
步骤S31,读取各所述画像点的预设权重,并根据各所述画像点所具有的画像点得分和预设权重之间的对应关系,用所述预设权重对所述画像点得分进行加权整合,生成简历得分。
对预先针对各画像点所设置的预设权重进行读取,并在各画像点所具有的画像点得分和预设权重之间建立对应关系;如画像点A和B,其中简历文件中的文件信息在A上的画像点得分为a,且A对应的预设权重为k1;而简历文件中的文件信息在B上的画像点得分为b,且B对应的预设权重为k2,则画像点A的画像点得分和预设权重之间的对应关系为a-k1,画像点B的画像点得分和预设权重之间的对应关系为b-k2。根据该所建立的对应关系,用画像点所具有的预设权重对该画像点所具有的画像点得分进行加权整合,生成简历得分。如上述由画像点A、B所生成的简历得分为(a*k1+b*k2)。
进一步地,为了表征简历得分的高低,预先设置有预设得分阈值,将所生成的简历得分和该预设得分阈值对比,生成对比结果;其中对比的过程为用简历得分和预设得分阈值做差值的过程,做差值所得到的结果即为对比结果。该作为对比结果的差值结果表征了简历得分与预设得分阈值之间的差异程度,当差值结果越小,则说明两者之间的差异程度越小;而当差值结果越大,则说明两者之间的差异程度越大。因预设得分阈值表征了简历文件与岗位需求信息之间的匹配性,当简历得分与预设得分阈值之间的差值结果,即对比结果越小时,则说明简历得分接近于预设得分阈值,生成该简历得分的简历文件和岗位画像之间匹配,即简历文件满足岗位画像的要求。当简历得分与预设得分阈值之间的差值结果,即对比结果越大时,则说明简历得分与预设得分阈值之间的差异性越大,生成该简历得分的简历文件和岗位画像之间的差异性越大。其中该差异性包括简历文件所表征的能力高于岗位画像所要求的性能,以及简历文件所表征的能力低于岗位画像所要求的性能两个方面;对于前一方面,因简历文件所表征的能力高于岗位画像所要求的能力,而说明求职者的能力满足岗位所要求的能力,从而将该类结果确定为简历文件满足岗位画像的要求;而对于后一方面,因简历文件所表征的能力低于岗位画像所要求的能力,而说明求职者的能力不满足岗位要求的能力,从而将该类结果确定为简历文件不满足岗位画像的要求。即通过对比结果,实现在岗位画像和建立信息之间进行匹配。
为了表征该简历得分和预设得分阈值之间差值结果,即对比结果的大小,预先设置有预设范围;通过判断对比结果和该预设范围之间的关系,来确定对比结果的大小,进而进行岗位画像和简历文件之间的匹配。具体地,根据对比结果,在岗位画像和简历文件之间进行匹配的步骤包括:
步骤S32,判断所述对比结果是否在预设范围内,若所述对比结果在预设范围内,则判定所述岗位画像和所述简历文件匹配成功,并对所述简历文件进行推送操作;
将所述对比结果和预设范围对比,判断对比结果是否在该预设范围内;该预设范围为以0为界限的正数范围,当经对比确定对比结果在预设范围内;即对比结果为正数或零时,因对比结果为简历得分和预设得分阈值之间的差值结果,正数或零则说明简历得分高于或等于预设得分阈值,简历文件所表征的能力高于岗位画像所要求的能力;从而判定简历文件满足岗位画像的要求,岗位画像和简历文件匹配成功。对匹配成功的简历文件进行推送操作,将该简历文件推送到对上传岗位需求信息的招聘方,以便于招聘方对与该简历文件对应的求职者发出面试邀请进行面试。
步骤S33,若所述对比结果不在预设范围内,则判定所述岗位信息和所述简历信息匹配失败,并对所述简历信息进行剔除操作。
而当经对比确定对比结果不在预设范围内,即对比结果为负数时,则说明简历得分低于预设得分阈值,简历文件所表征的能力低于岗位画像所要求的能力;从而判定简历文件不满足岗位画像的要求,岗位画像和简历文件匹配失败。对匹配失败的简历文件进行剔除操作,避免将简历文件推送到对上传岗位需求信息的招聘方,而使得招聘方在与其需求不相符合的求职者上花费较多的时间和精力。
本实施例的岗位画像和简历信息的匹配方法,通过调用预先设置的预设词库对接收到的岗位需求信息进行匹配,来确定与岗位需求信息对应的目标关键词,并将该目标关键词形成岗位画像;同时从接收到的简历文件中读取文本信息,并将该文本信息和岗位画像中的画像点对比,生成各画像点得分;再对各画像点得分整合,生成简历得分,根据简历得分与预设得分阈值之间的对比结果,在岗位画像和简历信息之间进行匹配。本方案所生成的岗位画像表征了招聘岗位对求职者各方面的要求,而简历文件中的文本信息表征了求职者所具有的各方面信息,文本信息与岗位画像中画像点对比所生成的画像点得分,则表征了求职者所具有的各方面信息和招聘岗位的各方面要求之间的匹配程度;最终由画像点得分所生成的简历得分,作为判定简历信息和岗位画像之间匹配的依据,以筛选出满足岗位画像所表征要求的简历信息;避免了由招聘人员对各简历文件进行查看筛选,降低了人力成本,提高了简历信息和岗位画像之间的匹配效率。
进一步地,在本发明岗位画像和建立信息的匹配方法的另一实施例中,所述将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分的步骤包括:
步骤S23,统计各所述文本信息的文本长度,并将各所述文本长度和预设长度对比,确定各所述文本信息的长度类型;
可理解地,从简历文件中所读取的文本信息中包括求职者姓名、性别、年龄等文本长度较短的文本信息,也包括工作经历、主要工作职责、个人介绍等包含文本长度较长的文本信息;在将各文本信息和岗位画像信息中的画像点对比的过程中,针对不同长度的文本信息,设置有不同的对比机制,需要由文本信息所对应的文本长度来确定其对比机制。具体地,先对文本信息的文本长度进行统计,该统计的过程即为识别文本信息中字数并进行累加计算的过程,如统计得到文本信息“年龄”的文本长度为2。此外,为了表征统计得到的文本长度的长短,预先设置有预设长度,将统计的文本长度和该预设长度对比,生成对比结果,并由该对比结果确定文本信息的长度类型。其中对比结果包括文本长度小于预设长度和文本长度大于预设长度两种类型,对于小于的类型说明文本信息所具有的字数较少,将该长度类型设为第一类型;对于大于的类型说明文本信息所具有的字数较多,而将该长度类型设为第二类型。针对第一类型和第二类型的文本信息,在文本信息和画像点之间设定有不同的对比机制;在确定文本信息的长度类型后,调用与长度类型对应的对比机制进行对比即可。
步骤S24,当各所述长度类型为第一类型时,则根据所述岗位画像中与所述第一类型对应的第一画像点,以及各所述第一画像点对应的区间分值表,生成各所述文本信息的画像点得分;
进一步地,针对第一类型的文本信息和第二类型的文本信息,预先将岗位画像中的画像点划分为第一画像点和第二画像点;其中第一画像点对应于第一类型的文本信息,第二画像点对应于第二类型的文本信息。同时针对各第一画像点预先设置有对应的区间分值表,该区间分值表通过预先读取多份与岗位需求信息所对应岗位的历史简历文件,并对各份历史简历文件中文本长度小于预设长度的信息进行分类读取,再由权威人士对各个分类设置分值生成。如读取历史简历文件中的年龄信息,并基于诸如kmeans、DBSCAN等聚类算法进行分类,形成多个年龄区间分类;再由该岗位类的权威人士对分类的各年龄区间设定分值,形成各类年龄区间与分值之间的对应关系,并将该对应关系添加到岗位画像中与年龄对应的第一画像点中,作为与年龄的第一画像点所对应的区间分值表;如所形成的区间分值表中年龄区间在20-35之间的分值为1、在35-50之间的分值为0.7、在50以上的分值为0.5等。当经对比确定文本信息的长度类型为第一类型时,则对岗位画像中与第一类型信息对应的第一画像点,以及与第一画像点对应的区间分值表进行调用,并根据该各第一画像点及其各自对应的区间分值标,生成各文本信息的画像点得分。该生成画像点得分的过程其实质为将文本信息和其对应第一画像点的区间分值表的对比过程,具体地,根据岗位画像中与第一类型对应的第一画像点,以及各第一画像点对应的区间分值表,生成各文本信息的画像点得分的步骤包括:
步骤S241,调用与所述第一类型对应的第一画像点,并将各所述文本信息和各所述第一画像点对比,确定与各所述文本信息对应的第一目标画像点;
为了对画像点中所划分的第一画像点和第二画像点进行区分,对第一画像点和第二画像点设置有不同的标识符,在确定文本信息的长度类型为第一类型后,可根据标识符调用与第一类型对应的第一画像点。考虑到第一画像点为多个第一画像点的集合,而需要对各个第一画像点进行区分,在表征第一画像点标识符的基础上设置第一子标识符,各个第一画像点所携带的第一子标识符不相同。在对第一画像点进行调用之后,读取各个第一画像点中所携带的第一子标识符,并将各文本信息和各第一画像点的第一子标识符对比,确定与文本信息对应的第一画像点,将该对应的第一画像点作为第一目标画像点。如第一画像点W1和W2所对应的第一子标识符分别为w1和w2,将文本信息分别和该w1、w2对比,若文本信息和w1对应,则可确定该文本信息所对应的第一目标画像点为W1。
步骤S242,调用与各所述第一目标画像点对应的区间分值表,并将各所述文本信息和所述区间分值表对比,确定各所述文本信息所在的目标区间;
步骤S243,将所述区间分值表中与各所述目标区间对应的分值,确定为各所述文本信息在所述第一目标画像点上的画像点得分。
可理解地,针对第一目标画像点预先设置有对应的区间分值表,对该对应的区间分值表进行调用,并将文本信息和该区间分值表进行对比,确定文本信息在该区间分值表中的目标区间。因目标区间在区间分值表中对应有分值,将该分值确定为文本信息在第一目标画像点上的画像点得分;表征简历文件中该文本信息与第一目标画像点之间的匹配程度。如对于上述第一画像点为年龄所对应的区间分值表中,若文本信息为年龄30岁,则因30所在的目标区间为20-35,而该目标区间所对应的分值为1分,则将文本信息年龄在第一目标画像点上的画像点得分为1分。对简历文件所生成的所有长度类型属于第一类型的文本信息均进行上述对比后,可确定所有长度类型属于第一类型的文本信息在各个第一目标画像点上的画像点得分。
步骤S25,当各所述长度类型为第二类型时,则根据所述岗位画像中与所述第二类型对应的第二画像点,以及各所述第二画像点对应的语句分值表,生成各所述文本信息的画像点得分。
进一步地,针对各第二画像点预先设置有对应的语句分值表,该语句分值表通过预先读取的多份与岗位需求信息所对应岗位的历史简历文件生成;具体地,对各份历史简历文件中文本长度大于预设长度的信息进行读取,并将该读取的信息作为语句,再由权威人士对各语句进行标注分类,同时设定各个类型的分值,形成各类型语句与分值之间的对应关系;将该生成的对应关系作为训练样本传输到基础模型中进行训练生成目标模型,并将目标模型与其所形成语句类型对应的第二画像点关联,作为与第二画像点所对应的语句分值表。如对于读取的项目经验语句,所标注的分类为项目经验大于10项,且分别是a1、a2、a3···a10、a11··的作为第一类;5~10项之间,且分别是a1、a2、···a10的作为第二类;1~5项之间,且分别是a1、a2、a3、a4、a5的作为第三类;同时设定第一类、第二类和第三类的分值分别为1、0.7和0.5;进而将大于10的项目经验与分值1之间,5~10的项目经验与分值0.7之间以及1~5的项目经验与分值0.5之间形成对应关系进行训练生成目标模型;将该形成的目标模型添加到项目经验的第二画像点中,作为与项目经验的第二画像点对应的语句分值表。当经对比确定文本信息的长度类型为第二类型时,则对岗位画像中与第二类型信息对应的第二画像点,以及与第二画像点对应的语句分值表进行调用,并根据该各第二画像点及其各自对应的语句分值标,生成各文本信息的画像点得分。该生成画像点得分的过程其实质为将文本信息和其对应第二画像点的语句分值表的对比过程,具体地,根据岗位画像中与所述第二类型对应的第二画像点,以及各第二画像点对应的语句分值表,生成各文本信息的画像点得分的步骤包括:
步骤S251,调用与所述第二类型对应的第二画像点,并将各所述文本信息和各所述第二画像点对比,确定与各所述文本信息对应的第二目标画像点;
同样地,第二画像点为多个第二画像点的集合,为了对各个第二画像点进行区分,在表征第二画像点标识符的基础上设置第二子标识符,各个第二画像点所携带的第二子标识符不相同。在确定文本信息的长度类型为第二类型,并根据表征第二画像点的标识符对与第二类型对应的第二画像点进行调用之后,读取各个第二画像点中所携带的第二子标识符,并将各文本信息和各第二画像点的第二子标识符对比,确定与文本信息对应的第二画像点,将该对应的第二画像点作为第二目标画像点。如第二画像点W3和W4所对应的第二子标识符分别为w3和w4,将文本信息分别和该w3、w4对比,若文本信息和w3对应,则可确定该文本信息所对应的第二目标画像点为W3。
步骤S252,调用与各所述第二目标画像点对应的语句分值表,并将各所述文本信息和所述语句分值表中的各语句对比,确定各所述文本信息与各所述语句的相似度;
可理解地,针对第二目标画像点预先设置有对应的以目标模型形式存在的语句分值表,对该对应的语句分值表进行调用,并将文本信息传输到作为语句分值表的目标模型中,和语句分值表中的各语句对比,确定文本信息与其中各语句的相似度。如对于上述项目经验的语句分值表中所包括的语句a1、a2、a3···a10、a11··,文本信息p1与各语句之间经对比确定各相似度分别为0.2、0.5、0.6···0.4、0.2···,表征文本信息与各语句之间的相似程度,其中数值越高相似程度越高。
步骤S253,根据各所述相似度,确定与各所述文本信息对应的目标语句,并将所述语句分值表中与各所述目标语句对应的分值,确定为各所述文本信息在所述第二目标画像点上的画像点得分。
进一步地,因相似度数值越高,文本信息与语句之间的相似程度越高,从而可将各个相似度的数值进行对比,确定其中数值最大的相似度,将生成该数值最大相似度的语句作为与文本信息所对应的目标语句。在表征同一信息类型的文本信息均确定目标语句后,依据语句分值表中与各目标语句所对应的分值,可确定文本信息在第二目标画像点上的画像点得分,表征简历文件中该类文本信息与第二目标画像点之间的匹配程度。如对于上述属于项目经验的文本信息p1,除了p1之外属于项目经验的文本信息还涉及到p2和p3,其中p2与语句分值表中语句a1、a2、a3···a10、a11··之间的相似度为0.1、0.7、0.3···0.5、0.4···;p3与语句分值表中语句a1、a2、a3···a10、a11··之间的相似度为0.5、0.2、0.3···0.3、0.4···。由此可知文本信息p1、p2、p3与语句分值中相似度最大的数值0.6、0.7、0.5所对应的语句分别为a3、a2和a1,即文本信息p1、p2、p3所涉及到项目经验在1~5项之间,且对应a1、a2、a3、a4、a5中的三项;从而作为项目经验的文本信息在第二目标画像点上的画像点得分为0.5。在对简历文件所生成的所有长度类型属于第二类型的文本信息均进行上述对比后,可确定所有长度类型属于第二类型的文本信息在各个第二目标画像点上的画像点得分;进而由各个第一目标画像点上的画像点得分以及各个第二画像点上的画像点得分,进行加权整合,即可生成简历文件的简历得分,表征该简历文件与岗位画像的需求之间的匹配程度。
此外,请参照图2,本发明提供一种岗位画像和简历信息的匹配装置,在本发明岗位画像和简历信息的匹配装置第一实施例中,所述岗位画像和简历信息的匹配装置包括:
调用模块10,用于当接收到岗位需求信息时,调用预设词库中的关键词对所述岗位需求信息进行匹配,确定与所述岗位需求信息对应的目标关键词,并将各所述目标关键词形成岗位画像;
生成模块20,用于当接收到简历文件时,读取所述简历文件中的文本信息,并将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分;
匹配模块30,用于将各所述画像点得分进行整合,生成简历得分,并将所述简历得分和所述预设得分阈值对比,生成对比结果,根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配。
本实施例的岗位画像和简历信息的匹配装置,通过调用模块10调用预先设置的预设词库对接收到的岗位需求信息进行匹配,来确定与岗位需求信息对应的目标关键词,并将该目标关键词形成岗位画像;同时生成模块20从接收到的简历文件中读取文本信息,并将该文本信息和岗位画像中的画像点对比,生成各画像点得分;匹配模块30再对各画像点得分整合,生成简历得分,根据简历得分与预设得分阈值之间的对比结果,在岗位画像和简历信息之间进行匹配。本方案所生成的岗位画像表征了招聘岗位对求职者各方面的要求,而简历文件中的文本信息表征了求职者所具有的各方面信息,文本信息与岗位画像中画像点对比所生成的画像点得分,则表征了求职者所具有的各方面信息和招聘岗位的各方面要求之间的匹配程度;最终由画像点得分所生成的简历得分,作为判定简历信息和岗位画像之间匹配的依据,以筛选出满足岗位画像所表征要求的简历信息;避免了由招聘人员对各简历文件进行查看筛选,降低了人力成本,提高了简历信息和岗位画像之间的匹配效率。
进一步地,在本发明岗位画像和简历信息的匹配装置另一实施例中,所述生成模块还包括:
判断单元,用于当接收到简历文件时,判断所述简历文件的文件格式是否为预设格式,若所述文件格式是预设格式,则读取所述简历文件中的文本信息;
读取单元,用于若所述文件格式不是预设格式,则读取所述简历文件中的简历信息,生成预设格式的转换文件,并从所述转换文件中读取转换文本信息,将所述转换文本信息确定为文本信息。
进一步地,在本发明岗位画像和简历信息的匹配装置另一实施例中,所述生成模块还包括:
统计单元,用于统计各所述文本信息的文本长度,并将各所述文本长度和预设长度对比,确定各所述文本信息的长度类型;
第一生成单元,用于当各所述长度类型为第一类型时,则根据所述岗位画像中与所述第一类型对应的第一画像点,以及各所述第一画像点对应的区间分值表,生成各所述文本信息的画像点得分;
第二生成单元,用于当各所述长度类型为第二类型时,则根据所述岗位画像中与所述第二类型对应的第二画像点,以及各所述第二画像点对应的语句分值表,生成各所述文本信息的画像点得分。
进一步地,在本发明岗位画像和简历信息的匹配装置另一实施例中,所述第一生成单元还用于:
调用与所述第一类型对应的第一画像点,并将各所述文本信息和各所述第一画像点对比,确定与各所述文本信息对应的第一目标画像点;
调用与各所述第一目标画像点对应的区间分值表,并将各所述文本信息和所述区间分值表对比,确定各所述文本信息所在的目标区间;
将所述区间分值表中与各所述目标区间对应的分值,确定为各所述文本信息在所述第一目标画像点上的画像点得分。
进一步地,在本发明岗位画像和简历信息的匹配装置另一实施例中,所述第二生成单元还用于:
调用与所述第二类型对应的第二画像点,并将各所述文本信息和各所述第二画像点对比,确定与各所述文本信息对应的第二目标画像点;
调用与各所述第二目标画像点对应的语句分值表,并将各所述文本信息和所述语句分值表中的各语句对比,确定各所述文本信息与各所述语句的相似度;
根据各所述相似度,确定与各所述文本信息对应的目标语句,并将所述语句分值表中与各所述目标语句对应的分值,确定为各所述文本信息在所述第二目标画像点上的画像点得分。
进一步地,在本发明岗位画像和简历信息的匹配装置另一实施例中,所述匹配模块还包括:
整合单元,用于读取各所述画像点的预设权重,并根据各所述画像点所具有的画像点得分和预设权重之间的对应关系,用所述预设权重对所述画像点得分进行加权整合,生成简历得分。
进一步地,在本发明岗位画像和简历信息的匹配装置另一实施例中,所述匹配模块还包括:
推送单元,用于判断所述对比结果是否在预设范围内,若所述对比结果在预设范围内,则判定所述岗位画像和所述简历文件匹配成功,并对所述简历文件进行推送操作;
删除单元,用于若所述对比结果不在预设范围内,则判定所述岗位信息和所述简历文件匹配失败,并对所述简历文件进行剔除操作。
其中,上述岗位画像和简历信息的匹配装置的各虚拟功能模块存储于图3所示岗位画像和简历信息的匹配设备的存储器1005中,处理器1001执行岗位画像和简历信息的匹配程序时,实现图2所示实施例中各个模块的功能。
参照图3,图3是本发明实施例方法涉及的硬件运行环境的设备结构示意图。
本发明实施例岗位画像和简历信息的匹配设备可以是PC(personal computer,个人计算机),也可以是智能手机、平板电脑、电子书阅读器、便携计算机等终端设备。
如图3所示,该岗位画像和简历信息的匹配设备可以包括:处理器1001,例如CPU(Central Processing Unit,中央处理器),存储器1005,通信总线1002。其中,通信总线1002用于实现处理器1001和存储器1005之间的连接通信。存储器1005可以是高速RAM(random access memory,随机存取存储器),也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地,该岗位画像和简历信息的匹配设备还可以包括用户接口、网络接口、摄像头、RF(Radio Frequency,射频)电路,传感器、音频电路、WiFi(Wireless Fidelity,无线宽带)模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口还可以包括标准的有线接口、无线接口。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
本领域技术人员可以理解,图3中示出的岗位画像和简历信息的匹配设备结构并不构成对岗位画像和简历信息的匹配设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图3所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块以及岗位画像和简历信息的匹配程序。操作系统是管理和控制岗位画像和简历信息的匹配设备硬件和软件资源的程序,支持岗位画像和简历信息的匹配程序以及其它软件和/或程序的运行。网络通信模块用于实现存储器1005内部各组件之间的通信,以及与岗位画像和简历信息的匹配设备中其它硬件和软件之间通信。
在图3所示的岗位画像和简历信息的匹配设备中,处理器1001用于执行存储器1005中存储的岗位画像和简历信息的匹配程序,实现上述岗位画像和简历信息的匹配方法各实施例中的步骤。
本发明提供了一种存储介质,所述存储介质存储有一个或者一个以上程序,所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于实现上述岗位画像和简历信息的匹配方法各实施例中的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (10)
1.一种岗位画像和简历信息的的匹配方法,其特征在于,所述岗位画像和简历信息的匹配方法包括以下步骤:
当接收到岗位需求信息时,调用预设词库中的关键词对所述岗位需求信息进行匹配,确定与所述岗位需求信息对应的目标关键词,并将各所述目标关键词形成岗位画像;
当接收到简历文件时,读取所述简历文件中的文本信息,并将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分;
将各所述画像点得分进行整合,生成简历得分,并将所述简历得分和所述预设得分阈值对比,生成对比结果,根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配。
2.如权利要求1所述的岗位画像和简历信息的匹配方法,其特征在于,所述当接收到简历文件时,读取所述简历文件中的文本信息的步骤包括:
当接收到简历文件时,判断所述简历文件的文件格式是否为预设格式,若所述文件格式是预设格式,则读取所述简历文件中的文本信息;
若所述文件格式不是预设格式,则读取所述简历文件中的简历信息,生成预设格式的转换文件,并从所述转换文件中读取转换文本信息,将所述转换文本信息确定为文本信息。
3.如权利要求2所述的岗位画像和简历信息的匹配方法,其特征在于,所述将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分的步骤包括:
统计各所述文本信息的文本长度,并将各所述文本长度和预设长度对比,确定各所述文本信息的长度类型;
当各所述长度类型为第一类型时,则根据所述岗位画像中与所述第一类型对应的第一画像点,以及各所述第一画像点对应的区间分值表,生成各所述文本信息的画像点得分;
当各所述长度类型为第二类型时,则根据所述岗位画像中与所述第二类型对应的第二画像点,以及各所述第二画像点对应的语句分值表,生成各所述文本信息的画像点得分。
4.如权利要求3所述的岗位画像和简历信息的匹配方法,其特征在于,所述根据所述岗位画像中与所述第一类型对应的第一画像点,以及各所述第一画像点对应的区间分值表,生成各所述文本信息的画像点得分的步骤包括:
调用与所述第一类型对应的第一画像点,并将各所述文本信息和各所述第一画像点对比,确定与各所述文本信息对应的第一目标画像点;
调用与各所述第一目标画像点对应的区间分值表,并将各所述文本信息和所述区间分值表对比,确定各所述文本信息所在的目标区间;
将所述区间分值表中与各所述目标区间对应的分值,确定为各所述文本信息在所述第一目标画像点上的画像点得分。
5.如权利要求3所述的岗位画像和简历信息的匹配方法,其特征在于,所述根据所述岗位画像中与所述第二类型对应的第二画像点,以及各所述第二画像点对应的语句分值表,生成各所述文本信息的画像点得分的步骤包括:
调用与所述第二类型对应的第二画像点,并将各所述文本信息和各所述第二画像点对比,确定与各所述文本信息对应的第二目标画像点;
调用与各所述第二目标画像点对应的语句分值表,并将各所述文本信息和所述语句分值表中的各语句对比,确定各所述文本信息与各所述语句的相似度;
根据各所述相似度,确定与各所述文本信息对应的目标语句,并将所述语句分值表中与各所述目标语句对应的分值,确定为各所述文本信息在所述第二目标画像点上的画像点得分。
6.如权利要求1-5任一项所述的岗位画像和简历信息的匹配方法,其特征在于,所述将各所述画像点得分进行整合,生成简历得分的步骤包括:
读取各所述画像点的预设权重,并根据各所述画像点所具有的画像点得分和预设权重之间的对应关系,用所述预设权重对所述画像点得分进行加权整合,生成简历得分。
7.如权利要求1-5任一项所述的岗位画像和简历信息的匹配方法,其特征在于,所述根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配的步骤包括:
判断所述对比结果是否在预设范围内,若所述对比结果在预设范围内,则判定所述岗位画像和所述简历文件匹配成功,并对所述简历文件进行推送操作;
若所述对比结果不在预设范围内,则判定所述岗位信息和所述简历文件匹配失败,并对所述简历文件进行剔除操作。
8.一种岗位画像和简历信息的匹配装置,其特征在于,所述岗位画像和简历信息的匹配装置包括:
调用模块,用于当接收到岗位需求信息时,调用预设词库中的关键词对所述岗位需求信息进行匹配,确定与所述岗位需求信息对应的目标关键词,并将各所述目标关键词形成岗位画像;
生成模块,用于当接收到简历文件时,读取所述简历文件中的文本信息,并将各所述文本信息和所述岗位画像中的画像点对比,生成各画像点得分;
匹配模块,用于将各所述画像点得分进行整合,生成简历得分,并将所述简历得分和所述预设得分阈值对比,生成对比结果,根据所述对比结果,在所述岗位画像和所述简历文件之间进行匹配。
9.一种岗位画像和简历信息的匹配设备,其特征在于,所述岗位画像和简历信息的匹配设备包括:存储器、处理器、通信总线以及存储在所述存储器上的岗位画像和简历信息的匹配程序;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行所述岗位画像和简历信息的匹配程序,以实现如权利要求1-7中任一项所述的岗位画像和简历信息的匹配方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有岗位画像和简历信息的匹配程序,所述岗位画像和简历信息的匹配程序被处理器执行时实现如权利要求1-7中任一项所述的岗位画像和简历信息的匹配方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910192576.5A CN110059923A (zh) | 2019-03-13 | 2019-03-13 | 岗位画像和简历信息的匹配方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910192576.5A CN110059923A (zh) | 2019-03-13 | 2019-03-13 | 岗位画像和简历信息的匹配方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110059923A true CN110059923A (zh) | 2019-07-26 |
Family
ID=67316957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910192576.5A Pending CN110059923A (zh) | 2019-03-13 | 2019-03-13 | 岗位画像和简历信息的匹配方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110059923A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765760A (zh) * | 2019-09-03 | 2020-02-07 | 平安科技(深圳)有限公司 | 一种法律案件分配方法、装置、存储介质和服务器 |
CN110991988A (zh) * | 2019-11-18 | 2020-04-10 | 平安金融管理学院(中国·深圳) | 基于岗位信息文档的目标简历文件筛选方法和装置 |
CN111078835A (zh) * | 2019-12-05 | 2020-04-28 | 平安金融管理学院(中国·深圳) | 简历评估方法、装置、计算机设备及存储介质 |
CN111160850A (zh) * | 2019-12-11 | 2020-05-15 | 浙江微元智能科技股份有限公司 | 一种适用于人员甄别的匹配系统及其匹配方法 |
CN111460813A (zh) * | 2020-03-04 | 2020-07-28 | 北京网聘咨询有限公司 | 招聘信息和求职简历匹配的方法及系统 |
CN112052271A (zh) * | 2020-09-29 | 2020-12-08 | 中国银行股份有限公司 | 一种数据处理方法及装置 |
CN112287109A (zh) * | 2020-10-29 | 2021-01-29 | 北京希瑞亚斯科技有限公司 | 信息匹配方法、装置、电子设备及计算机可读存储介质 |
CN113065069A (zh) * | 2021-04-21 | 2021-07-02 | 山大地纬软件股份有限公司 | 一种基于数据画像的双向就业推荐方法和装置 |
CN114372731A (zh) * | 2022-03-21 | 2022-04-19 | 成都明途科技有限公司 | 基于大数据的岗位目标制定方法、装置,设备及存储介质 |
CN114819924A (zh) * | 2022-06-28 | 2022-07-29 | 杭银消费金融股份有限公司 | 一种基于画像分析的企业信息推送处理方法及设备 |
CN117454317A (zh) * | 2023-12-25 | 2024-01-26 | 辽宁邮电规划设计院有限公司 | 一种融合数据治理方法及系统 |
Citations (5)
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 |
CN106447285A (zh) * | 2016-09-12 | 2017-02-22 | 北京大学 | 基于多维度领域关键知识的招聘信息匹配方法 |
CN107391547A (zh) * | 2017-06-01 | 2017-11-24 | 武汉威特管理咨询有限公司 | 一种人力对象数据匹配方法及系统 |
CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
CN108874928A (zh) * | 2018-05-31 | 2018-11-23 | 平安科技(深圳)有限公司 | 简历数据信息解析处理方法、装置、设备及存储介质 |
-
2019
- 2019-03-13 CN CN201910192576.5A patent/CN110059923A/zh active Pending
Patent Citations (5)
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 |
CN106447285A (zh) * | 2016-09-12 | 2017-02-22 | 北京大学 | 基于多维度领域关键知识的招聘信息匹配方法 |
CN107391547A (zh) * | 2017-06-01 | 2017-11-24 | 武汉威特管理咨询有限公司 | 一种人力对象数据匹配方法及系统 |
CN108062657A (zh) * | 2017-11-30 | 2018-05-22 | 朱学松 | 人才招聘面试方法及系统 |
CN108874928A (zh) * | 2018-05-31 | 2018-11-23 | 平安科技(深圳)有限公司 | 简历数据信息解析处理方法、装置、设备及存储介质 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765760A (zh) * | 2019-09-03 | 2020-02-07 | 平安科技(深圳)有限公司 | 一种法律案件分配方法、装置、存储介质和服务器 |
CN110991988A (zh) * | 2019-11-18 | 2020-04-10 | 平安金融管理学院(中国·深圳) | 基于岗位信息文档的目标简历文件筛选方法和装置 |
CN111078835A (zh) * | 2019-12-05 | 2020-04-28 | 平安金融管理学院(中国·深圳) | 简历评估方法、装置、计算机设备及存储介质 |
CN111160850A (zh) * | 2019-12-11 | 2020-05-15 | 浙江微元智能科技股份有限公司 | 一种适用于人员甄别的匹配系统及其匹配方法 |
CN111460813A (zh) * | 2020-03-04 | 2020-07-28 | 北京网聘咨询有限公司 | 招聘信息和求职简历匹配的方法及系统 |
CN112052271B (zh) * | 2020-09-29 | 2023-11-17 | 中国银行股份有限公司 | 一种数据处理方法及装置 |
CN112052271A (zh) * | 2020-09-29 | 2020-12-08 | 中国银行股份有限公司 | 一种数据处理方法及装置 |
CN112287109A (zh) * | 2020-10-29 | 2021-01-29 | 北京希瑞亚斯科技有限公司 | 信息匹配方法、装置、电子设备及计算机可读存储介质 |
CN113065069B (zh) * | 2021-04-21 | 2023-02-28 | 山大地纬软件股份有限公司 | 一种基于数据画像的双向就业推荐方法和装置 |
CN113065069A (zh) * | 2021-04-21 | 2021-07-02 | 山大地纬软件股份有限公司 | 一种基于数据画像的双向就业推荐方法和装置 |
CN114372731A (zh) * | 2022-03-21 | 2022-04-19 | 成都明途科技有限公司 | 基于大数据的岗位目标制定方法、装置,设备及存储介质 |
CN114819924A (zh) * | 2022-06-28 | 2022-07-29 | 杭银消费金融股份有限公司 | 一种基于画像分析的企业信息推送处理方法及设备 |
CN117454317A (zh) * | 2023-12-25 | 2024-01-26 | 辽宁邮电规划设计院有限公司 | 一种融合数据治理方法及系统 |
CN117454317B (zh) * | 2023-12-25 | 2024-03-19 | 辽宁邮电规划设计院有限公司 | 一种融合数据治理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059923A (zh) | 岗位画像和简历信息的匹配方法、装置、设备及存储介质 | |
CN108182279B (zh) | 基于文本特征的对象分类方法、装置和计算机设备 | |
CN107436875B (zh) | 文本分类方法及装置 | |
CN110909165B (zh) | 数据处理方法、装置、介质及电子设备 | |
CN112613501A (zh) | 信息审核分类模型的构建方法和信息审核方法 | |
CN108416375B (zh) | 工单分类方法及装置 | |
CN108804567A (zh) | 提高智能客服应答率的方法、设备、存储介质及装置 | |
CN109599187A (zh) | 一种在线问诊的分诊方法、服务器、终端、设备及介质 | |
CN112215288B (zh) | 目标企业的类别确定方法及装置、存储介质、电子装置 | |
CN110458296B (zh) | 目标事件的标记方法和装置、存储介质及电子装置 | |
CN113837323B (zh) | 满意度预测模型的训练方法、装置、电子设备及存储介质 | |
CN110019790A (zh) | 文本识别、文本监控、数据对象识别、数据处理方法 | |
CN113722438A (zh) | 基于句向量模型的句向量生成方法、装置及计算机设备 | |
CN111897528B (zh) | 一种面向企业在线教育的低代码平台 | |
CN110362601A (zh) | 元数据标准的映射方法、装置、设备及存储介质 | |
CN110457533A (zh) | 一种情报数据模型分析方法 | |
CN108776677A (zh) | 平行语句库的创建方法、设备及计算机可读存储介质 | |
CN113641794A (zh) | 简历文本的评估方法、装置及服务器 | |
CN112287111A (zh) | 一种文本处理方法和相关装置 | |
CN108733672A (zh) | 实现网络信息质量评估的方法和装置 | |
CN116860963A (zh) | 一种文本分类方法、设备及存储介质 | |
CN115543428A (zh) | 一种基于策略模板的模拟数据生成方法和装置 | |
CN111316259A (zh) | 用于反馈和裁定的语义属性的动态合成和瞬时聚簇的系统和方法 | |
CN115098061A (zh) | 软件开发文档优化方法、装置、计算机设备及存储介质 | |
CN113656579A (zh) | 文本分类方法、装置、设备及介质 |
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 |