CN110111086A - 一种应届生简历质量诊断方法 - Google Patents
一种应届生简历质量诊断方法 Download PDFInfo
- Publication number
- CN110111086A CN110111086A CN201910425913.0A CN201910425913A CN110111086A CN 110111086 A CN110111086 A CN 110111086A CN 201910425913 A CN201910425913 A CN 201910425913A CN 110111086 A CN110111086 A CN 110111086A
- Authority
- CN
- China
- Prior art keywords
- resume
- diagnosis
- information
- graduating
- report
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012552 review Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 3
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000019771 cognition Effects 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/334—Query execution
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种应届生简历质量诊断方法，S1：诊断系统录入与配置；S2：诊断前意愿采集及诊断初始化；S3：诊断及修正；S4：诊断报告推送反馈和归档，自动生成面向用户的简历诊断报告、自动检测用户报告浏览时长和最终报告细分单元的查看情况，并采集用户诊断问题认可度反馈，且自动对人才进行相应标签批注并进行人才库及诊断情况归档。本发明能够显著提高应届生简历问题的诊断质量和诊断效率，为应届生的简历指导普及提供了可规模化的方案支撑。
Description
技术领域
本发明属于简历诊断技术领域，具体涉及一种应届生简历质量诊断方法。
背景技术
简历作为事关大学生求职质量及求职效率的一个关键环节，在大学生求职过程中发挥着提纲挈领的作用。不同于社会招聘候选人，应届生候选人往往存在着求职目标岗位要求认知度差、匹配性工作经验缺失的普遍问题，所以绝大多数大学生的求职简历都面临表述结构混乱，岗位相关性差的普遍问题。面对大学生简历制作的普遍性困惑，绝大多数高校或者社会就业指导机构都提供了简历诊断和简历修改相关的指导服务，但是如何保证大学生简历问题的诊断效率和修改建议的科学性和针对性，则成为当下大学生求职指导工作的一个重要议题。
目前这方面的的解决方案主要包括：
1、利用简历文本自动分析和信息抽取，判定简历信息内容的完整度和丰富度；比如：教育背景信息、实习实践信息、技能特长信息、个人简介等信息的有无和篇幅完整度等；并根据各项的信息呈现情况进行简历完整度及表现质量的机器评分；
2、利用有经验的导师，对学生的简历进行人工诊断，一对一的给予简历问题批示和指导修改建议或者专属修改服务；
3、提供示范性模版，供学生自主下载参照比对，针对性的完善；
4、提供简历课程对学生进行简历要点宣贯，掌握简历撰写的核心思想和撰写方法，再自主修改完善；
上述方案在分别应用在应届生简历在线制作、简历咨询和辅导、简历指导课、简历模版下载等不同的服务场景中，都对学生的简历制作起到了一定的指导作用。但是也都存在着显著的缺陷，文本提炼和关键信息抽取识别技术能判断学生简历的完整度，没法判定简历内涵质量；人工诊断，完全依赖于导师的个人经验，成本高昂服务质量不可控；模版下载和简历课，则取决于学生的学习分析能力，而学生求职过程中往往伴随着迷茫和焦虑缺乏细细体会的耐心，所以至今为止，简历诊断服务无法在学生求职指导中进行大规模的普及。
发明内容
本发明的目的是提供一种应届生简历质量诊断方法，能够显著提高应届生简历问题的诊断质量和诊断效率，为应届生的简历指导普及提供了可规模化的方案支撑。
本发明提供了如下的技术方案：
一种应届生简历质量诊断方法，包括以下步骤：
S1：诊断系统录入与配置，录入各模块常见简历问题知识库、诊断人员和诊断师信息和各单元简历撰写要点建议及标准化的简历示范模版，并对各信息进行相应配置；
S2：诊断前意愿采集及诊断初始化，在线采集学生求职意向信息和简历信息，将学生简历信息中的教育背景信息进行文本分析，并提炼成结构化教育背景信息，提取学生求职信息和教育背景信息进行PC端结构化呈现；
S3：诊断及修正，从简历问题知识库中，分类提取枚举问题选项清单，生成候选人简历诊断任务面板，简历诊断人员比对意向和候选人简历，分模块勾选问题清单情况，根据候选人教育背景信息、各模块问题信息，自动生成简历诊断评分结论、各单元简历问题分析报告和修改建议，并提供诊断时的简历总评和其他求职建议的修正编辑和自动复核；
S4：诊断报告推送反馈和归档，自动生成面向用户的简历诊断报告、自动检测用户报告浏览时长和最终报告细分单元的查看情况，并采集用户诊断问题认可度反馈，且自动对人才进行相应标签批注并进行人才库及诊断情况归档。
优选的，所述S1中录入包括：枚举各模块常见简历问题知识库，并录入简历问题知识库；录入诊断人员签名和诊断师介绍档案信息；录入各单元简历撰写要点建议和示范撰写样例；录入标准化的简历示范模版。
优选的，所述S1中相应配置包括：系统配置人员在系统后台设置候选人对应的求职意向企业层次与简历各模块的权重对应关系；系统配置人员在系统后台设置学校学历层次对应的教育背景分值，配置各学历学校表现项教育背景得分；各模块撰写要点建议等知识清单，配置进系统简历问题知识库；对诊断顾问简历总评、诊断顾问其他求职建议模版对应各模块的选项得分情况配置初始化建议模版；对常用简历模版、简历制作知识课程及知识文档等报告输出格式进行初始化配置。
优选的，所述S2中诊断前，在线采集学生求职意向信息和简历信息，包括目标求职行业、目标求职岗位、目标求职企业层次、目标岗位工作内容、目标岗位工作要求、其他求职意向、个人简历等。
优选的，所述S2中将学生简历信息中的教育背景信息进行文本分析，并提炼成结构化教育背景信息，包括：学校、专业、学历、教育起至时间等，提取学生求职意向信息、求职目标工作内容和工作要求的理解、简历信息、教育背景信息进行PC端结构化呈现。
优选的，所述S3中从简历问题知识库中，分类提取求职意向、教育背景、实习实践、个人简介、个人荣誉、技能特长、简历排版等枚举问题选项清单，生成候选人简历诊断任务面板；简历诊断人员比对意向和候选人简历，分模块勾选问题清单情况，模块勾选完成自动跳转至下一模块。
优选的，所述S3中执行系统教育背景得分、简历总评得分、简历分享描述的自动复核，进行差值比对以供人工修正提醒。
优选的，所述S4中自动生成面向用户的简历诊断报告，附上简历模版、简历公开课，并进行短信、邮件、系统消息等报告推送通知。
优选的，所述S4中自动对人才的求职意向、教育背景、实习实践质量、人才胜任基础等进行标签批注并进行人才库及诊断情况归档。
本发明的有益效果是：本发明提供的应届生简历诊断方法，降低了对诊断人员的面试经验依赖；标准化了简历诊断报告和修改建议的输出质量；针对求职意向和目标企业类别进行了简历竞争力的差异化量化评分，清晰具体，并提供了可视化的报告和具体修改建议；可检测学生报告查看情况和查看时长，并直接采集学生报告反馈，显著提升人工诊断效率。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明诊断系统的配置方法流程示意图；
图2是本发明候选人实例诊断前的意愿采集及诊断初始化流程示意图；
图3是本发明诊断执行流程示意图；
图4是诊断报告候选人浏览情况及满意度反馈执行流程示意图。
具体实施方式
如图1-图4所示，一种应届生简历质量诊断方法，包括以下步骤：
S1：诊断系统录入与配置，录入各模块常见简历问题知识库、诊断人员和诊断师信息和各单元简历撰写要点建议及标准化的简历示范模版，并对各信息进行相应配置；
S2：诊断前意愿采集及诊断初始化，在线采集学生求职意向信息和简历信息，将学生简历信息中的教育背景信息进行文本分析，并提炼成结构化教育背景信息，提取学生求职信息和教育背景信息进行PC端结构化呈现；
S3：诊断及修正，从简历问题知识库中，分类提取枚举问题选项清单，生成候选人简历诊断任务面板，简历诊断人员比对意向和候选人简历，分模块勾选问题清单情况，根据候选人教育背景信息、各模块问题信息，自动生成简历诊断评分结论、各单元简历问题分析报告和修改建议，并提供诊断时的简历总评和其他求职建议的修正编辑和自动复核；
S4：诊断报告推送反馈和归档，自动生成面向用户的简历诊断报告、自动检测用户报告浏览时长和最终报告细分单元的查看情况，并采集用户诊断问题认可度反馈，且自动对人才进行相应标签批注并进行人才库及诊断情况归档。
具体的，一种应届生简历质量诊断方法，实施步骤：
如图1所示，诊断系统的配置方法包括以下步骤：
S101:系统配置人员在系统后台设置候选人对应的求职意向企业层次与简历各模块的权重对应关系，具体企业类别按照学生求职意向分为：行业头部企业、行业优秀成长型企业、普通企业；每个企业类别分别对应教育背景、岗位洞察、学业成绩、实习实践、个人荣誉、技能特长、简历排版的分值权重，总分为100分；
S102:系统配置人员在系统后台设置学校学历层次对应的教育背景分值，按照学历：博士、硕士、本科、其他；学校：985、211、海外QS名校、一类本科、其他等纬度，配置各学历学校表现项教育背景得分；
S103:枚举教育背景、岗位洞察、实习实践等板块所有常见简历问题清单及问题对应的修改建议；各模块撰写要点建议等知识清单，配置进系统简历问题知识库；
S104:对诊断顾问简历总评、诊断顾问其他求职建议模版对应各模块的选项得分情况配置初始化建议模版；
S105:对常用简历模版、简历制作知识课程及知识文档等报告输出格式进行初始化配置；至此则完成了诊断系统的全部初始化工作，执行诊断实例时，将会按照系统配置项自动化生成简历诊断服务面板；
如图2所示，候选人实例诊断前的意愿采集及诊断初始化包括以下步骤：
S201:候选人通过生成诊断订单后，完善个人求职求职意向，包括意向行业、意向企业类别、意向岗位、意向岗位工作内容、意向岗位工作要求；其他候选意向和候选人简历，以获取候选人求职方向及求职层次需求，以便匹配性诊断；
S202：从候选人上传简历中进行文本分析提炼教育背景信息，文本分析提炼教育背景关键特征，以生成候选人教育背景结构化标签；包括学校、专业、毕业时间等；并匹配数据库中的学校层次，标注教育层次标签；
S203:从系统中提取简历模块问题库、提取候选人意向、候选人简历、生成候选人诊断任务，提交后台以进行诊断任务提醒；
S204:诊断顾问后台领取诊断任务，初始化导师等诊断信息；
S205:系统自动生成简历诊断服务诊断操作工作台，将候选人简历、意向、各简历项的操作清单呈现于顾问诊断工作台中；
如图3所示，诊断执行流程包括以下步骤：
S301:系统根据候选人求职意向、教育背景情况自动生成简历质量总评分表，并根据教育背景和意向企业类别进行教育得分初始化，以便诊断顾问随时修正；
S302:候选人根据简历总体情况进行各简历模块的问题对比圈选，系统已经枚举出简历常见问题及表现症状样例，诊断顾问无需深入思考，对照简历实际表现勾选，系统根据勾选问题清单，自动呈现报告呈现样式，以供顾问参考；
S303:各模块勾选完成后，呈现各模块的自动得分，求职顾问可根据候选人具体情况灵活纠偏，系统记录偏差，如果分值差别过大，则记录异常，提醒复核员进行重点复核；
S304:完成诊断后，诊断顾问可随意查阅系统自动生成的简历诊断报告和修改建议，并根据报告浏览情况进行报告总体评价及求职建议的微调；
S305:报告完成后，诊断顾问执行报告完成操作，则报告自动进入复核逻辑，系统自动计算报告分值与诊断问题勾选形成分值误差，误差大于10％，则重点予以标签化提示，自动生成较差复核任务；
各简历问题项和特征向量生成的自动分值判定与最终顾问的人为判定得分，系统分别存储，在顾问报告提交时，予以纠偏级别判定，以降低人为犯错几率；
如图4所示，诊断报告候选人浏览情况及满意度反馈方法包括以下步骤：
S401:报告复核完成后，系统会调用短信、邮件、小程序、App消息推送机制，向用户推送最终简历诊断报告；并检测用户打开状态；
S402:候选人打开报告后，系统检测候选人报告各模块阅读状态，并进行阅读时长、各报告内容单元浏览情况检测记录；
S403:检测到候选人完成报告浏览后，推送报告问题认可度反馈采集；
S404:用户完成反馈后，系统根据用户最终诊断情况，自动标注人才标签批注和诊断报告归档；纳入样本库统计用户翻译度，以便后续求职咨询顾问根据用户情况及时介入其他服务或者售后问题介入。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种应届生简历质量诊断方法，其特征在于，包括以下步骤：
S1：诊断系统录入与配置，录入各模块常见简历问题知识库、诊断人员和诊断师信息和各单元简历撰写要点建议及标准化的简历示范模版，并对各信息进行相应配置；
S2：诊断前意愿采集及诊断初始化，在线采集学生求职意向信息和简历信息，将学生简历信息中的教育背景信息进行文本分析，并提炼成结构化教育背景信息，提取学生求职信息和教育背景信息进行PC端结构化呈现；
S3：诊断及修正，从简历问题知识库中，分类提取枚举问题选项清单，生成候选人简历诊断任务面板，简历诊断人员比对意向和候选人简历，分模块勾选问题清单情况，根据候选人教育背景信息、各模块问题信息，自动生成简历诊断评分结论、各单元简历问题分析报告和修改建议，并提供诊断时的简历总评和其他求职建议的修正编辑和自动复核；
S4：诊断报告推送反馈和归档，自动生成面向用户的简历诊断报告、自动检测用户报告浏览时长和最终报告细分单元的查看情况，并采集用户诊断问题认可度反馈，且自动对人才进行相应标签批注并进行人才库及诊断情况归档。
2.根据权利要求1所述的一种应届生简历质量诊断方法，其特征在于，所述S1中录入包括：枚举各模块常见简历问题知识库，并录入简历问题知识库；录入诊断人员签名和诊断师介绍档案信息；录入各单元简历撰写要点建议和示范撰写样例；录入标准化的简历示范模版。
3.根据权利要求1所述的一种应届生简历质量诊断方法，其特征在于，所述S1中相应配置包括：系统配置人员在系统后台设置候选人对应的求职意向企业层次与简历各模块的权重对应关系；系统配置人员在系统后台设置学校学历层次对应的教育背景分值，配置各学历学校表现项教育背景得分；各模块撰写要点建议等知识清单，配置进系统简历问题知识库；对诊断顾问简历总评、诊断顾问其他求职建议模版对应各模块的选项得分情况配置初始化建议模版；对常用简历模版、简历制作知识课程及知识文档等报告输出格式进行初始化配置。
4.根据权利要求1所述的一种应届生简历质量诊断方法，其特征在于，所述S2中诊断前，在线采集学生求职意向信息和简历信息，包括目标求职行业、目标求职岗位、目标求职企业层次、目标岗位工作内容、目标岗位工作要求、其他求职意向、个人简历等。
5.根据权利要求1所述的一种应届生简历质量诊断方法，其特征在于，所述S2中将学生简历信息中的教育背景信息进行文本分析，并提炼成结构化教育背景信息，包括：学校、专业、学历、教育起至时间等，提取学生求职意向信息、求职目标工作内容和工作要求的理解、简历信息、教育背景信息进行PC端结构化呈现。
6.根据权利要求1所述的一种应届生简历质量诊断方法，其特征在于，所述S3中从简历问题知识库中，分类提取求职意向、教育背景、实习实践、个人简介、个人荣誉、技能特长、简历排版等枚举问题选项清单，生成候选人简历诊断任务面板；简历诊断人员比对意向和候选人简历，分模块勾选问题清单情况，模块勾选完成自动跳转至下一模块。
7.根据权利要求1所述的一种应届生简历质量诊断方法，其特征在于，所述S3中执行系统教育背景得分、简历总评得分、简历分享描述的自动复核，进行差值比对以供人工修正提醒。
8.根据权利要求1所述的一种应届生简历质量诊断方法，其特征在于，所述S4中自动生成面向用户的简历诊断报告，附上简历模版、简历公开课，并进行短信、邮件、系统消息等报告推送通知。
9.根据权利要求1所述的一种应届生简历质量诊断方法，其特征在于，所述S4中自动对人才的求职意向、教育背景、实习实践质量、人才胜任基础等进行标签批注并进行人才库及诊断情况归档。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910425913.0A CN110111086A (zh) | 2019-05-21 | 2019-05-21 | 一种应届生简历质量诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910425913.0A CN110111086A (zh) | 2019-05-21 | 2019-05-21 | 一种应届生简历质量诊断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110111086A true CN110111086A (zh) | 2019-08-09 |
Family
ID=67491567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910425913.0A Pending CN110111086A (zh) | 2019-05-21 | 2019-05-21 | 一种应届生简历质量诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110111086A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI724517B (zh) * | 2019-08-28 | 2021-04-11 | 南開科技大學 | 依據同目標求職者履歷產生履歷修改建議之系統及方法 |
| CN112700207A (zh) * | 2020-12-11 | 2021-04-23 | 五八到家有限公司 | 简历信息处理方法、设备及存储介质 |
| CN113553336A (zh) * | 2021-09-23 | 2021-10-26 | 深圳启程智远网络科技有限公司 | 一种基于互联网的人才简历数据库更新系统及方法 |
| CN114943516A (zh) * | 2022-05-27 | 2022-08-26 | 深圳市君润众乐企业管理咨询有限公司 | 企业人才电子简历数据库建立方法、系统、装置以及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120123767A1 (en) * | 2010-11-12 | 2012-05-17 | International Business Machines Corporation | Automatically assessing document quality for domain-specific documentation |
| US20140122355A1 (en) * | 2012-10-26 | 2014-05-01 | Bright Media Corporation | Identifying candidates for job openings using a scoring function based on features in resumes and job descriptions |
| CN109492164A (zh) * | 2018-11-26 | 2019-03-19 | 北京网聘咨询有限公司 | 一种简历的推荐方法、装置、电子设备及存储介质 |
-
2019
- 2019-05-21 CN CN201910425913.0A patent/CN110111086A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120123767A1 (en) * | 2010-11-12 | 2012-05-17 | International Business Machines Corporation | Automatically assessing document quality for domain-specific documentation |
| US20140122355A1 (en) * | 2012-10-26 | 2014-05-01 | Bright Media Corporation | Identifying candidates for job openings using a scoring function based on features in resumes and job descriptions |
| CN109492164A (zh) * | 2018-11-26 | 2019-03-19 | 北京网聘咨询有限公司 | 一种简历的推荐方法、装置、电子设备及存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI724517B (zh) * | 2019-08-28 | 2021-04-11 | 南開科技大學 | 依據同目標求職者履歷產生履歷修改建議之系統及方法 |
| CN112700207A (zh) * | 2020-12-11 | 2021-04-23 | 五八到家有限公司 | 简历信息处理方法、设备及存储介质 |
| CN113553336A (zh) * | 2021-09-23 | 2021-10-26 | 深圳启程智远网络科技有限公司 | 一种基于互联网的人才简历数据库更新系统及方法 |
| CN113553336B (zh) * | 2021-09-23 | 2021-12-17 | 深圳启程智远网络科技有限公司 | 一种基于互联网的人才简历数据库更新系统及方法 |
| CN114943516A (zh) * | 2022-05-27 | 2022-08-26 | 深圳市君润众乐企业管理咨询有限公司 | 企业人才电子简历数据库建立方法、系统、装置以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110111086A (zh) | 一种应届生简历质量诊断方法 | |
| Gibbons et al. | Computer simulations improve university instructional laboratories | |
| RU2010104996A (ru) | Устройство, система и способ адаптивного преподавания и обучения | |
| AlDhaen | The use of artificial intelligence in higher education–Systematic review | |
| Davis et al. | A cultural computing curriculum | |
| Moore et al. | Is instructor (faculty) modeling an effective practice for teacher education? Insights and supports for new research | |
| Shen et al. | Connecting computational thinking in everyday reasoning and programming for elementary school students | |
| Halbherr et al. | Making examinations more valid, meaningful and motivating: The online exams service at ETH Zurich | |
| Li | Still a fallible tool? Revisiting effects of automated writing evaluation from activity theory perspective | |
| Hack | An instructional design model for blended higher education | |
| Glaser et al. | Implications of cognitive psychology for measuring job performance | |
| Su et al. | Research on the influence of computer aided intelligent tutoring system on teacher’s self-efficacy | |
| He et al. | Model guided design and development process for an electronic health record training program | |
| Wiggs et al. | The use of knowledge acquisition in instructional design | |
| Chou et al. | An educational tool for visualizing students' program tracing processes | |
| Graf et al. | Towards BPM skill assessment using computerized adaptive testing | |
| Lai | Trends and research issues of technology-enhanced self-regulated learning in the mobile era: a review of SSCI journal articles | |
| KR20010035285A (ko) | 인공지능 학습을 위한 문제와 풀이답간의 상관관계 분석을통한 학습지도 방법 | |
| Coulson | Automation, electronic computers, and education | |
| Al-Salmi | Semi-automatic assessment of basic SQL statements | |
| Kagan | Research on Computer Programming as a Cognitive Activity: implications for the study of classroom teaching | |
| Paredes et al. | A Subjective Evaluation of Web-based Programming Grading Assistant: Harnessing Digital Footprints from Paper-based Assessments. | |
| Galloway | Misconceptions of computing concepts among preservice teachers | |
| Miller et al. | Impacts of the Marine Technology Boom: Ocean Literacy Now Requires Data Literacy | |
| Sazhko et al. | ERROR-FREE ACTIVITY OF THE INFORMATION PROCESSING OPERATOR: TARGETED TRAINING CONCEPT |
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: 20190809 |
|
| RJ01 | Rejection of invention patent application after publication |