CN110084571A - 一种简历筛选方法、装置、服务器和介质 - Google Patents
一种简历筛选方法、装置、服务器和介质 Download PDFInfo
- Publication number
- CN110084571A CN110084571A CN201910380708.7A CN201910380708A CN110084571A CN 110084571 A CN110084571 A CN 110084571A CN 201910380708 A CN201910380708 A CN 201910380708A CN 110084571 A CN110084571 A CN 110084571A
- Authority
- CN
- China
- Prior art keywords
- target
- resume
- post
- keyword
- vector
- 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 20
- 238000012216 screening Methods 0.000 title abstract description 14
- 238000010187 selection method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000007115 recruitment Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种简历筛选方法、装置、服务器和介质。其中,所述方法包括:依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量;依据所述目标岗位的岗位模型,以及所述目标简历的关键词权重组成向量,计算所述目标简历与所述目标岗位的匹配值;依据所述匹配值对所述目标简历进行筛选。本发明实施例通过利目标岗位的岗位模型的目标关键词建立的目标简历关键词组成向量,和目标岗位的岗位模型来计算目标简历与目标岗位的匹配值,由于目标关键词能够准确的定位目标岗位的需求,从而能够提高简历筛选的准确性和效率。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种简历筛选方法、装置、服务器和介质。
背景技术
企事业单位在进行招聘工作时,招聘人员往往会面对海量的招聘简历,并且需要耗费大量的人力和时间来进行简历的筛选工作。
现有技术中,除了人工的简历筛选方法,通常还可以通过使用社交网络上应聘者生成的内容数据,以及招聘信息中包括的岗位需求、技能需求、学历要求等信息组成的关键词集合,作为筛选条件来计算应聘者与招聘需求的相关度。
然而现有技术中的筛选粒度较大,关键词主题漂移,不能够准确的匹配出真正所需的用户简历,存在用户简历与岗位的匹配度低下,简历的筛选精度低和筛选效率低的问题。
发明内容
本发明提供一种简历筛选方法、装置、服务器和介质,以提高简历筛选的匹配精度和筛选效率。
第一方面,本发明实施例提供了一种简历筛选方法,所述方法包括:
依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量;
依据所述目标岗位的岗位模型,以及所述目标简历的关键词权重组成向量,计算所述目标简历与所述目标岗位的匹配值;
依据所述匹配值对目标简历进行筛选。
第二方面,本发明实施例还提供了一种简历筛选装置,所述装置包括:
权重组成向量建立模块,用于依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量;
匹配值计算模块,用于依据所述目标岗位的岗位模型,以及所述目标简历的关键词权重组成向量,计算所述目标简历与所述目标岗位的匹配值;
简历筛选模块,用于依据所述匹配值对目标简历进行筛选。
第三方面,本发明实施例还提供了一种服务器,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一所述的简历筛选方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的简历筛选方法。
本发明实施例通过依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量,进而依据目标岗位的岗位模型以及目标简历的关键词权重组成向量,计算目标简历与目标岗位的匹配值,依据匹配值的大小,对目标简历进行筛选。本发明实施例通过以目标高位的目标关键词为基准,能够对目标岗位进行准确的定位,因此利用目标简历的关键词建立的权重组成向量,和目标岗位的岗位模型来计算目标简历与目标岗位的匹配值,能够提高简历筛选的匹配精度和筛选效率。
附图说明
图1为本发明实施例一提供的一种简历筛选方法的流程图;
图2为本发明实施例二提供的一种简历筛选方法的流程图;
图3为本发明实施例三提供的一种简历筛选方法的流程图;
图4为本发明实时例三提供的岗位模型的示意图;
图5为本发明实施例四提供的一种简历筛选装置的结构图;
图6为本发明实施例五提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种简历筛选方法的流程图。本发明实施例可适用于对简历进行筛选的情况。该方法可以由简历筛选装置来执行。如图1所示,本实施例提供的一种简历筛选方法具体可以包括如下步骤:
步骤110、依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量。
其中,目标岗位是指招聘单位进行招聘的岗位,通常由招聘人员进行发布。相应的,岗位模型为根据目标岗位,对现存的与目标岗位相关联的简历进行分析得到的数学模型,用来描述目标岗位中各需求的重要程度。
具体的,目标岗位的岗位模型可以采用目标关键词及其权重来描述。其中,目标关键词为与目标岗位需求相匹配的关键词,也是建立目标岗位的岗位模型的组成因素之一。示例性的,若招聘的目标岗位为Java开发工程师,目标关键词可以为Java、MySQL等,目标关键词的个数可以依据实际的岗位需求情况确定。其中,为了充分描述岗位需求,目标关键词的数量至少为两个。
目标简历为应聘者的某一求职简历,待筛选的一批简历中可以包含多个目标简历。其中,目标简历中可以包含有所应聘岗位的岗位模型关联的目标关键词,进一步的,通过目标关键词建立目标简历的关键词权重组成向量,该关键词权重组成向量用来衡量目标关键词在目标简历中的权重信息。
示例性的,若某一目标岗位的目标关键词为10个,则依据目标岗位的岗位模型关联的目标关键词,可以得到目标简历中的关键词权重组成向量为(M1,M2,M3,...,M10),其中,Mn表示第n个目标关键词的权重因子。其中,目标简历中目标关键词的权重因子的计算方式将在后续实施例中进行具体解释说明。可以理解的是,若目标简历中不存在第m个目标关键词,则该目标关键词的权重因子可以为Mm=0。
步骤120、依据目标岗位的岗位模型,以及目标简历的关键词权重组成向量,计算目标简历与目标岗位的匹配值。
其中,目标岗位的岗位模型还包括目标关键词的权重信息,表明了各目标关键词对于目标岗位的重要性。目标简历中的关键词权重组成向量,表示目标关键词在目标简历中的权重信息,通过综合上述两种权重信息来计算目标简历与目标岗位的匹配值,进一步提高了简历匹配的准确度。
步骤130、依据匹配值对目标简历进行筛选。
其中,匹配值代表了目标简历和目标岗位的匹配度,匹配值越大,表明目标简历和目标岗位的匹配度越大,可以按照匹配值从高到低对多个目标简历进行排序,从排序列表中选择所需简历。
本实施例的技术方案,通过依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量,进而依据目标岗位的岗位模型以及目标简历的关键词权重组成向量,计算目标简历与目标岗位的匹配值,依据匹配值的大小,对目标简历进行筛选。本发明实施例通过以目标高位的目标关键词为基准,能够对目标岗位进行准确的定位,因此利用目标简历的关键词建立的权重组成向量和目标岗位的岗位模型来计算目标简历和目标岗位的匹配值,能够提高简历筛选的匹配精度和筛选效率。
实施例二
图2为本发明实施例二提供的一种简历筛选方法的流程图。本实施例是在上述实施例的基础上,分别对步骤110和步骤120进行进一步细化。如图2所示,该方法具体可以包括如下步骤:
步骤210、依据目标岗位的岗位模型关联的目标关键词权重,以及目标关键词在目标简历中的出现次数,计算目标关键词在目标简历中的得分。
其中,目标关键词权重为预先确定的岗位模型中所包括的目标关键词的权重信息,目标关键词在目标简历中的出现次数由实际的待筛选简历中目标关键词的出现情况来确定。因此结合预先确定的岗位模型以及实际的待筛选简历,对目标关键词在目标简历中的得分进行计算。其中,待筛选简历包含一定数量的目标简历。
示例性的,假设目标岗位的岗位模型为{(C1,W1),(C2,W2),……,(Cn,Wn)},其中,Cn表示目标岗位的第n个目标关键词,Wn表示第n个目标关键词的权重信息。假设第n个目标关键词在目标简历中的出现次数为An,则第n个目标关键词在目标简历中的得分为Dn=An×Wn。
步骤220、依据目标关键词在目标简历中的得分,建立目标简历的关键词权重组成向量。
其中,关键词权重组成向量用来衡量目标关键词在目标简历中的权重信息,可以依据目标关键词在目标简历中的得分来确定。此外,通常某个关键词出现在越多的简历中时,则视为该关键词的价值越低,例如“姓名”一词等。因此本实施例还可以在目标关键词得分的基础上,结合目标关键词在所有目标简历中的逆文档频率,来计算目标简历的关键词权重组成向量。
具体的,依据目标关键词在目标简历中的得分,建立目标简历的关键词权重组成向量,包括:依据目标简历数量以及目标关键词在目标简历中的出现次数,计算目标关键词的逆文档频率;依据目标关键词在目标简历中的得分,以及目标关键词的逆文档频率,建立目标简历的关键词权重组成向量。
其中,逆文档频率是一个词语普遍重要性的度量,当一个词语的出现次数越多时,则该词语的重要性会降低。
具体的,第n个目标关键词的逆文档频率计算公式如下: 其中,Tn为第n个目标关键词的逆文档频率,Num表示待筛选简历中目标简历的数量,Freq为第n个目标关键词在所有待筛选简历中出现次数。
进一步的,关键词权重组成向量中第n个目标关键词的权重的计算公式如下:Mn=Dn×(1+e×Tn),其中,e为逆文档频率的权重系数,用于调整逆文档频率对权重组成向量的影响因素,即e的取值越大,逆文档频率对权重组成向量的影响因素就越大,优选的,e的取值范围可以为[0,0.5)。进而构成目标简历的关键词权重组成向量可以表示为(M1,M2,……,Mn),其中,Mn表示第n个目标关键词Cn在目标简历中的关键词权重。可以理解的是,依据上述公式可以看出,若目标简历中不包含目标关键词Cm,则该目标关键词的关键词权重为Mm=0。
通常情况下,某项关键词出现在越多的简历中,该关键词的价值越低,因此利用文档逆频率和关键词得分来建立目标简历的关键词权重组成向量,能够得到更加准确的关键词权重组成向量,从而提高简历筛选的有效性和匹配精度。
步骤230、依据目标岗位的岗位模型关联的关键词权重空间向量,以及目标简历的关键词组成向量,计算目标简历与目标岗位的匹配值。
其中,关键词权重空间向量由目标岗位的岗位模型关联的关键词权重所组成。示例性的,假设目标岗位的岗位模型为{(C1,W1),(C2,W2),……,(CN,WN)},即目标岗位包括N个目标关键词,则关键词权重空间向量可以表示为(W1,W2,……,Wn)。因此,依据目标岗位的岗位模型关联的关键词权重空间向量w=(W1,W2,……,WN),以及目标简历的关键词组成向量m=(M1,M2,……,MN),目标简历与目标岗位的匹配值计算公式如下:
步骤240、依据匹配值对目标简历进行筛选。
本实施例的技术方案,通过综合目标关键词在岗位模型中的权重、目标关键词在目标简历中的得分以及目标关键词的逆文档频率来计算目标简历和目标岗位的匹配值,进一步优化了目标简历与目标岗位匹配值的判断因素,提高了简历筛选的匹配精度。
实施例三
图3为本发明实施例三提供的一种简历筛选方法的流程图。本实施例在上述实施例的基础上,在步骤210之前还包括:确定目标岗位的岗位需求中的预设关键词;依据目标岗位的预设关键词,建立目标岗位的岗位模型。参见图3,本实施例提供的一种简历筛选方法具体可以包括如下步骤:
步骤310、确定目标岗位的岗位需求中的预设关键词。
其中,目标岗位的岗位需求包括目标岗位的技能要求、学历要求等信息。预设关键词根据岗位需求来设定,可选的,每个目标岗位对应设置至少两个目标关键词。
步骤320、依据目标岗位的预设关键词,建立目标岗位的岗位模型。
具体的,依据目标岗位的预设关键词,建立目标岗位的岗位模型,包括:依据目标岗位关联的样本简历中预设关键词的出现频率,从目标岗位的预设关键词中确定目标岗位的目标关键词;依据目标关键词在样本简历中的出现频率,确定目标岗位的关键词权重向量,得到目标岗位的岗位模型。
其中,样本简历为现存的与目标岗位相关联的简历库,可以从现存的简历库中获取,也可以从网上下载与目标岗位相关联的简历作为样本简历。具体的,根据预设关键词的出现频率,筛选出现最多的至少两个预设关键词作为目标岗位的目标关键词。
可选的,可以选取出现次数最多的10个预设关键词为目标关键词,目标关键词可以表示为(C1,C2,C3,...C10),对应的目标关键词的权重表示为(W1,W2,W3,...,W10)。
其中,第n个目标关键词的权重计算公式为:其中,Sn为第n个关键词在样本简历中的出现频率。进而可以得到目标岗位的岗位模型为{(C1,W1),(C2,W2),……,(Cn,Wn)}
进一步参照图4,图4为目标关键词和目标关键词所对应的权重构建的岗位模型,其中,基于现存的简历作为样本简历计算目标关键词的权重信息,能够建立和目标岗位匹配度高的岗位模型,进而能够提高目标岗位简历筛选的有效性。
步骤330、依据目标岗位的岗位模型关联的目标关键词权重,以及目标关键词在目标简历中的出现次数,计算目标关键词在目标简历中的得分。
步骤340、依据目标关键词在目标简历中的得分,建立目标简历的关键词权重组成向量。
步骤350、依据目标岗位的岗位模型关联的目标关键词权重空间向量,以及目标简历的关键词权重组成向量,计算目标简历与目标岗位的匹配值。
步骤360、依据匹配值的大小,对目标简历进行筛选。
实施例四
图5为本发明实施例四提供的一种简历筛选装置的结构图。可执行本发明任意实施例所提供的简历筛选方法,参见图5,本发明实施例提供的一种简历筛选装置包括:权重组成向量建立模块510、匹配值计算模块520以及简历筛选模块530。
其中,权重组成向量建立模块510,用于依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量。
匹配值计算模块520,用于依据目标岗位的岗位模型,以及目标简历的关键词权重组成向量,计算目标简历与目标岗位的匹配值。
简历筛选模块530,用于依据匹配值对目标简历进行筛选。
本发明实施例所提供的一种简历筛选装置可执行本发明任意实施例所提供的一种简历筛选方法,具备执行方法相应的功能模块和有益效果,这里不再赘述。
在上述实施例的基础上,权重组成向量510具体用于:
依据目标岗位的岗位模型关联的目标关键词权重,以及目标关键词在目标简历中的出现次数,计算目标关键词在目标简历中的得分;
依据目标关键词在目标简历中的得分,建立目标简历的关键词权重组成向量。
在上述实施例的基础上,权重组成向量510还具体用于:
依据目标简历数量以及目标关键词在目标简历中的出现次数,计算目标关键词的逆文档频率;
依据目标关键词在目标简历中的得分,以及目标关键词的逆文档频率,建立目标简历的关键词权重组成向量。
在上述实施例的基础上,匹配值计算模块520具体用于,依据目标岗位的岗位模型关联的关键词权重空间向量,以及目标简历的关键词权重组成向量,计算目标简历与目标岗位的匹配值。
在上述实施例的基础上,装置还包括预设关键词确定模块540和岗位模型建立模块550。
其中,岗位模型建立模块550具体用于:
依据目标岗位关联的样本简历中预设关键词的出现频率,从目标岗位的预设关键词中确定目标岗位的目标关键词;
依据目标关键词在样本简历中的出现频率,确定目标岗位的关键词权重向量,得到目标岗位的岗位模型。
上述各实施例所提供的一种简历筛选装置可执行上述各实施例所提供的一种简历筛选方法,具备执行方法相应的功能模块和有益效果,这里不再赘述。
实施例五
图6为本发明实施例五提供的一种服务器的结构示意图。图6示出了适于用来实现本发明实施方式的示例性服务器612的框图。图6显示的服务器612仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,服务器612以通用计算服务器的形式表现。服务器612的组件可以包括但不限于:一个或者多个处理器616或者处理单元,系统存储装置628,连接不同系统组件(包括系统存储装置628和处理器616)的总线6186。
总线618表示几类总线结构中的一种或多种,包括存储装置总线或者存储装置控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器612典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器612访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置628可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)630和/或高速缓存存储器632。服务器612可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统634可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线618相连。存储装置628可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块642的程序/实用工具640,可以存储在例如存储装置628中,这样的程序模块642包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块642通常执行本发明所描述的实施例中的功能和/或方法。
服务器612也可以与一个或多个外部设备614(例如键盘、指向设备)显示器624等通信,还可与一个或者多个使得用户能与该服务器612交互的设备通信,和/或与使得该服务器612能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口622进行。并且,服务器412还可以通过网络适配器620与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器620通过总线618与服务器612的其它模块通信。应当明白,尽管图中未示出,可以结合服务器612使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器616通过运行存储在系统存储器628中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的简历筛选方法。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种简历筛选方法,该方法包括:
依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量;
依据目标岗位的岗位模型,以及目标简历的关键词权重组成向量,计算目标简历与目标岗位的匹配值;
依据匹配值的对目标简历进行筛选。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的简历筛选方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,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,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例的方法。
值得注意的是,上述一种简历筛选装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种简历筛选方法,其特征在于,所述方法包括:
依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量;
依据所述目标岗位的岗位模型,以及所述目标简历的关键词权重组成向量,计算所述目标简历与所述目标岗位的匹配值;
依据所述匹配值对所述目标简历进行筛选。
2.根据权利要求1所述的方法,其特征在于,所述依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量,包括:
依据所述目标岗位的岗位模型关联的目标关键词权重,以及所述目标关键词在所述目标简历中的出现次数,计算所述目标关键词在所述目标简历中的得分;
依据所述目标关键词在所述目标简历中的得分,建立所述目标简历的关键词权重组成向量。
3.根据权利要求2所述的方法,其特征在于,所述依据所述目标关键词在所述目标简历中的得分,建立所述目标简历的关键词权重组成向量,包括:
依据目标简历数量以及目标关键词在目标简历中的出现次数,计算目标关键词的逆文档频率;
依据所述目标关键词在目标简历中的得分,以及所述目标关键词的逆文档频率,建立所述目标简历的关键词权重组成向量。
4.根据权利要求1所述的方法,其特征在于,所述依据所述目标岗位的岗位模型,以及所述目标简历的关键词权重组成向量,计算所述目标简历与所述目标岗位的匹配值,包括:
依据所述目标岗位的岗位模型关联的关键词权重空间向量,以及所述目标简历的关键词权重组成向量,计算所述目标简历与所述目标岗位的匹配值。
5.根据权利要求1所述的方法,其特征在于,在所述依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量之前,还包括:
确定所述目标岗位的岗位需求中的预设关键词;
依据所述目标岗位的预设关键词,建立所述目标岗位的岗位模型。
6.根据权利要求5所述的方法,其特征在于,所述依据所述目标岗位的预设关键词,建立所述目标岗位的岗位模型,包括:
依据所述目标岗位关联的样本简历中预设关键词的出现频率,从所述目标岗位的预设关键词中确定目标岗位的目标关键词;
依据所述目标关键词在所述样本简历中的出现频率,确定所述目标岗位的关键词权重向量,得到所述目标岗位的岗位模型。
7.一种简历筛选装置,其特征在于,所述装置包括:
权重组成向量建立模块,用于依据目标岗位的岗位模型关联的目标关键词,建立目标简历的关键词权重组成向量;
匹配值计算模块,用于依据所述目标岗位的岗位模型,以及所述目标简历的关键词权重组成向量,计算所述目标简历与所述目标岗位的匹配值;
简历筛选模块,用于依据所述匹配值对所述目标简历进行筛选。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
预设关键词确定模块,用于确定目标岗位的岗位需求中的预设关键词;
岗位模型建立模块,用于依据目标岗位的预设关键词,建立目标岗位的岗位模型。
9.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的简历筛选方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的简历筛选方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910380708.7A CN110084571A (zh) | 2019-05-08 | 2019-05-08 | 一种简历筛选方法、装置、服务器和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910380708.7A CN110084571A (zh) | 2019-05-08 | 2019-05-08 | 一种简历筛选方法、装置、服务器和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110084571A true CN110084571A (zh) | 2019-08-02 |
Family
ID=67419303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910380708.7A Pending CN110084571A (zh) | 2019-05-08 | 2019-05-08 | 一种简历筛选方法、装置、服务器和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084571A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111400444A (zh) * | 2020-03-03 | 2020-07-10 | 中国建设银行股份有限公司 | 一种文档选择的方法及装置 |
CN112766869A (zh) * | 2020-12-10 | 2021-05-07 | 南方电网数字电网研究院有限公司 | 一种数字化人力资源管理的人岗匹配算法 |
CN113361271A (zh) * | 2021-06-03 | 2021-09-07 | 中国工商银行股份有限公司 | 简历筛选方法、简历筛选装置、电子设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103634420A (zh) * | 2013-11-22 | 2014-03-12 | 北京极客优才科技有限公司 | 简历邮件筛选系统及方法 |
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 |
CN106095982A (zh) * | 2016-06-17 | 2016-11-09 | 广州视源电子科技股份有限公司 | 简历搜索方法及装置 |
US20170193089A1 (en) * | 2016-01-04 | 2017-07-06 | Facebook, Inc. | Systems and methods to search resumes based on keywords |
CN107729532A (zh) * | 2017-10-30 | 2018-02-23 | 北京拉勾科技有限公司 | 一种简历匹配方法及计算设备 |
-
2019
- 2019-05-08 CN CN201910380708.7A patent/CN110084571A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103634420A (zh) * | 2013-11-22 | 2014-03-12 | 北京极客优才科技有限公司 | 简历邮件筛选系统及方法 |
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 |
US20170193089A1 (en) * | 2016-01-04 | 2017-07-06 | Facebook, Inc. | Systems and methods to search resumes based on keywords |
CN106095982A (zh) * | 2016-06-17 | 2016-11-09 | 广州视源电子科技股份有限公司 | 简历搜索方法及装置 |
CN107729532A (zh) * | 2017-10-30 | 2018-02-23 | 北京拉勾科技有限公司 | 一种简历匹配方法及计算设备 |
Non-Patent Citations (1)
Title |
---|
中国运筹学会企业运筹学分会 主编: "《数据挖掘的应用与实践-大数据时代的案例分析》", 电子科技大学出版社, pages: 148 - 152 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111400444A (zh) * | 2020-03-03 | 2020-07-10 | 中国建设银行股份有限公司 | 一种文档选择的方法及装置 |
CN112766869A (zh) * | 2020-12-10 | 2021-05-07 | 南方电网数字电网研究院有限公司 | 一种数字化人力资源管理的人岗匹配算法 |
CN113361271A (zh) * | 2021-06-03 | 2021-09-07 | 中国工商银行股份有限公司 | 简历筛选方法、简历筛选装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110084571A (zh) | 一种简历筛选方法、装置、服务器和介质 | |
US10025980B2 (en) | Assisting people with understanding charts | |
CN109783490B (zh) | 数据融合方法、装置、计算机设备及存储介质 | |
CN111708934B (zh) | 知识内容的评价方法、装置、电子设备和存储介质 | |
US9959353B2 (en) | Determining a company rank utilizing on-line social network data | |
US11170183B2 (en) | Language entity identification | |
Cassi et al. | How to evaluate the degree of interdisciplinarity of an institution? | |
US20210042291A1 (en) | Annotation Assessment and Ground Truth Construction | |
Das et al. | Linkages between employment and net FDI inflow: Insights from individual as well as panel data for emerging South Asian Labour Market | |
Salisu et al. | Capital flight-growth nexus in Sub-Saharan Africa: the role of macroeconomic uncertainty | |
US11102161B2 (en) | Social networking service content sharing | |
US10657692B2 (en) | Determining image description specificity in presenting digital content | |
US11995906B2 (en) | Techniques for generation of synthetic data with simulated handwriting | |
Haddad | Sphere-sphere intersection for investment portfolio diversification—A new data-driven cluster analysis | |
CN110135972A (zh) | 一种提高用户动支率的方法、装置、系统和记录介质 | |
US9378664B1 (en) | Providing financial data through real-time virtual animation | |
JP2019021011A (ja) | 評価システム、評価方法及びプログラム | |
US20220043980A1 (en) | Natural language processing based on user context | |
US11755633B2 (en) | Entity search system | |
US20210406294A1 (en) | Relevance approximation of passage evidence | |
US10896461B2 (en) | Method and apparatus for data mining based on users' search behavior | |
Danışoğlu et al. | International evidence on risk taking by banks around the global financial crisis | |
CN113592263A (zh) | 基于动态资源归还增比的资源归还增量预测方法和装置 | |
Nambiar et al. | Industry standards for the analytics era: TPC roadmap | |
Ifijeh | Trends in the use of ICT in reference services provision: an exploratory study of Nigerian academic libraries |
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: 20190802 |