CN110209929B - 一种简历推荐方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明公开了一种简历推荐方法、装置、计算机设备及存储介质，该方法包括：基于历史招聘记录，提取存在于每个历史求职用户的简历数据中的求职用户特征信息；基于求职用户特征信息，在简历数据库中查找包含有求职用户特征信息的简历数据；将验证通过的简历数据推荐给招聘用户。根据招聘用户所需招聘职位的历史招聘记录，以获取该招聘用户的招聘职位的历史求职用户均含有的求职用户特征信息，这些历史求职用户的求职用户特征信息中肯定有满足该招聘职位的特定要求的，再依据该求职用户特征信息来精准的搜索简历数据，再将这些简历数据推荐给招聘用户，就可以向招聘用户推送一些满足招聘用户的特定要求的简历数据，从而可大大提高推送简历的质量。

Description

一种简历推荐方法、装置、计算机设备及存储介质

技术领域

本发明涉及信息挖掘技术，属于互联网技术领域,尤其涉及一种简历推荐方法、装置、计算机设备及存储介质。

背景技术

随着互联网技术的发展，网络应聘招聘成了求职用户应聘工作、用人单位招聘员工的主要途径。

网络应聘招聘的主要运作模式是求职用户在网络招聘平台上发布个人简历，用人单位在网络招聘平台上发布职位信息。网络招聘平台在拥有了大量的个人简历和职位信息后，有针对性地向求职用户推荐职位信息，向用人单位推荐个人简历，以此将求职用户和用人单位联系起来，帮助求职用户快速地找到适合其工作能力的工作，帮助用人单位快速找到符合工作要求的员工。

但是，用人单位在网络招聘平台上发布职位信息时，通常只会罗列出自己的所有要求，而不会特地标记出所需职位对求职用户的一些特定要求，所以，网络招聘平台在推送个人简历时，只会推送尽量满足该职位的大部分要求的简历，而无法针对这些特定要求进行精准的搜索及推送简历，导致推送的简历质量不高。

发明内容

本发明的主要目的在于提出一种简历推荐方法、装置、计算机设备及存储介质，其克服了以上技术问题。

根据本发明的第一个方面，提供了一种简历推荐方法，所述方法包括：获取招聘用户所需招聘职位的历史招聘记录，所述历史招聘记录包括：多个历史求职用户的简历数据；基于所述历史招聘记录，提取存在于每个所述历史求职用户的简历数据中的求职用户特征信息，其中，所述求职用户特征信息表征为：历史求职用户的简历数据中与所述招聘职位的职位描述信息适配的个人信息；基于所述求职用户特征信息，在简历数据库中查找包含有所述求职用户特征信息的简历数据；基于所述招聘职位的职位描述信息，对查找到的所述简历数据进行验证；将验证通过的所述简历数据推荐给所述招聘用户。

可选的，所述历史招聘记录还包括：所述招聘职位对应的推荐流程日志；所述基于历史招聘记录，提取每个所述历史求职用户的简历数据中均存在的求职用户特征信息，包括：基于所述推荐流程日志，确定每个所述历史求职用户的简历数据在推荐流程中每个步骤的权重，其中，所述权重表征为：所述历史求职用户的简历数据与该权重对应步骤的匹配程度；基于预设求和算法，将所述历史求职用户的简历数据在所述推荐流程中所有步骤的权重进行求和；将求和结果超过第一预设阈值的每个所述历史求职用户的简历数据中均存在的求职用户特征信息进行提取。

可选的，所述基于求职用户特征信息，在简历数据库中查找包含有所述求职用户特征信息的简历数据，包括：基于所述求职用户特征信息，对所述简历数据库中的简历数据进行筛选，得到第二简历数据，所述第二简历数据包含：至少一个所述求职用户特征信息；基于每个第二简历数据中所述求职用户特征信息的数量，为每个所述第二简历数据分别进行加权；将权重超过第二预设阈值的所述第二简历数据确定为查找到的简历数据。

可选的，所述基于招聘职位的职位描述信息，对查找到的所述简历数据进行验证，包括：对所述招聘职位的职位描述信息进行分词处理，得到所述招聘职位的招聘描述有效词；基于所述招聘描述有效词，对所述查找到的简历数据进行筛选，得到第三简历数据，所述第三简历数据包含：至少一个所述招聘描述有效词；基于每个第三简历数据中所述招聘描述有效词的数量，为每个所述第三简历数据分别进行加权；将权重超过第三预设阈值的第三简历数据确定为验证通过的简历数据。

可选的，在查找包含有所述求职用户特征信息的简历数据之后，且在所述将验证通过的所述简历数据推荐给所述招聘用户之前，还包括：将所述查找到的简历数据进行分级处理，以识别并过滤虚假简历，得到真实的简历数据。

根据本发明的第二个方面，提供了一种简历推荐装置，所述装置包括：获取模块，用于获取招聘用户所需招聘职位的历史招聘记录，所述历史招聘记录包括：多个历史求职用户的简历数据；提取模块，用于基于所述历史招聘记录，提取存在于每个所述历史求职用户的简历数据中的求职用户特征信息，其中，所述求职用户特征信息表征为：历史求职用户的简历数据中与所述招聘职位的职位描述信息适配的个人信息；查找模块，用于基于所述求职用户特征信息，在简历数据库中查找包含有所述求职用户特征信息的简历数据；验证模块，用于基于所述招聘职位的职位描述信息，对查找到的所述简历数据进行验证；推荐模块，用于将验证通过的所述简历数据推荐给所述招聘用户。

可选的，所述提取模块包括：权重确定单元，用于基于所述推荐流程日志，确定每个所述历史求职用户的简历数据在推荐流程中每个步骤的权重，其中，所述历史招聘记录还包括：所述招聘职位对应的推荐流程日志，所述权重表征为：所述历史求职用户的简历数据与该权重的对应步骤的匹配程度；求和单元，用于基于预设求和算法，将所述历史求职用户的简历数据在所述推荐流程中所有步骤的权重进行求和；提取单元，用于将求和结果超过第一预设阈值的每个所述历史求职用户的简历数据中均存在的求职用户特征信息进行提取。

可选的，所述查找模块包括：第一筛选单元，用于基于所述求职用户特征信息，对所述简历数据库中的简历数据进行筛选，得到第二简历数据，所述第二简历数据包含：至少一个所述求职用户特征信息；第一加权单元，用于基于每个第二简历数据中所述求职用户特征信息的数量，为每个所述第二简历数据分别进行加权；第一确定单元，用于将权重超过第二预设阈值的所述第二简历数据确定为查找到的简历数据。

可选的，所述验证模块包括：第二分词单元，用于对所述招聘职位的职位描述信息进行分词处理，得到所述招聘职位的招聘描述有效词；第二筛选单元，用于基于所述招聘描述有效词，对所述查找到的简历数据进行筛选，得到第三简历数据，所述第三简历数据包含：至少一个所述招聘描述有效词；第二加权单元，基于每个第三简历数据中所述招聘描述有效词的数量，为每个所述第三简历数据分别进行加权；第二确定单元，用于将权重超过第三预设阈值的第三简历数据确定为验证通过的简历数据。

可选的，所述装置还包括：分级处理模块，用于在查找包含有所述求职用户特征信息的简历数据之后，且在所述将验证通过的所述简历数据推荐给所述招聘用户之前，将所述查找到的简历数据进行分级处理，以识别并过滤虚假简历，得到真实的简历数据。

根据本发明的第三个方面，提供了一种计算机设备，包括处理器和存储器；所述存储器用于存储计算机指令，所述处理器用于运行所述存储器存储的计算机指令，以实现上述的一种简历推荐方法、装置、计算机设备及存储介质。

根据本发明的第四个方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的一种简历推荐方法、装置、计算机设备及存储介质。

本发明有益效果如下：先根据招聘用户所需招聘职位的历史招聘记录，以获取该招聘用户的招聘职位的历史求职用户均含有的求职用户特征信息，由于该这些历史求职用户曾经面试过该招聘职位，所以这些历史求职用户的求职用户特征信息中肯定有满足该招聘职位的特定要求的。所以，再依据该求职用户特征信息来精准的搜索简历数据，再将这些简历数据进行验证，以将验证通过的简历数据推荐给招聘用户，由此，就可以向招聘用户推送一些满足招聘用户的特定要求的简历数据，从而可大大提高推送简历的质量。

附图说明

图1为本发明第一实施例一种简历推荐方法的流程框图；

图2为本发明中从历史招聘记录中提取求职用户特征信息的流程框图；

图3为本发明中从简历数据库中查找包含有求职用户特征信息的简历数据的流程框图；

图4为本发明中对查找到的简历数据进行验证的流程框图；

图5为本发明第二实施例一种简历推荐装置的结构示意图。

本发明目的实现、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。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以包含有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

在上下文中所称“计算机设备”，也称为“电脑”，是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备，其可以包括处理器与存储器，由处理器执行在存储器中预存的存续指令来执行预定处理过程，或是由ASIC、FPGA、DSP等硬件执行预定处理过程，或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。

所述计算机设备包括用户设备与网络设备。其中，所述用户设备包括但不限于电脑、智能手机、PDA等；所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(Cl oudComput i ng)的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中，所述计算机设备可单独运行来实现本发明，也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本发明。其中，所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。

需要说明的是，所述用户设备、网络设备和网络等仅为举例，其他现有的或今后可能出现的计算机设备或网络如可适用于本发明，也应包含在本发明保护范围以内，并以引用方式包含于此。

后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时，用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。

这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。

应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

还应当提到的是，在一些替换实现方式中，所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说，取决于所涉及的功能/动作，相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。

为了便于理解本发明实施例，下面通过几个具体实施例对本发明的实施过程进行详细的阐述。

本发明第一实施例提供一种简历推荐方法，该方法包括：获取招聘用户所需招聘职位的历史招聘记录，所述历史招聘记录包括：多个历史求职用户的简历数据；基于所述历史招聘记录，提取每个所述历史求职用户的简历数据中均存在的求职用户特征信息，其中，所述求职用户特征信息表征为：历史求职用户的简历数据中与所述招聘职位的职位描述信息适配的个人信息；基于所述求职用户特征信息，在简历数据库中查找包含有所述求职用户特征信息的简历数据；基于所述招聘职位的职位描述信息，对查找到的所述简历数据进行验证；将验证通过的所述简历数据推荐给所述招聘用户。

就此，先根据招聘用户所需招聘职位的历史招聘记录，以获取该招聘用户的招聘职位的历史求职用户均含有的求职用户特征信息，由于该这些历史求职用户曾经面试过该招聘职位，所以这些历史求职用户的求职用户特征信息中肯定有满足该招聘职位的特定要求的。所以，再依据该求职用户特征信息来精准的搜索简历数据，再将这些简历数据进行验证，以将验证通过的简历数据推荐给招聘用户，由此，就可以向招聘用户推送一些满足招聘用户的特定要求的简历数据，从而可大大提高推送简历的质量。

图1为本发明第一实施例一种简历推荐方法的流程框图。根据图1所示，本发明第一实施例提供了一种简历推荐方法，其中，该方法可应用于网络招聘平台或猎头，也可应用于招聘用户所属的用人单位，具体的，该方法包括：

S11：获取招聘用户所需招聘职位的历史招聘记录；

在本实施例中，可以从招聘用户处获取该招聘用户所需招聘职位的历史招聘记录，当然，也可以从网络招聘平台或猎头处获取该招聘用户所需招聘职位的历史招聘记录。当然，也可以从其他处获取该招聘用户所需招聘职位的历史招聘记录，在此不对该历史招聘记录的来源进行限定。其中，该历史招聘记录包括但不限于：多个历史求职用户的简历数据。该简历数据包括但不限于以下一种或多种：职位、学习经历、学历、年龄、薪资、工作经历、工作成就、获奖情况、或技能。

S12：基于所述历史招聘记录，提取存在于每个所述历史求职用户的简历数据中的求职用户特征信息；

从该历史招聘记录中提取出每个历史求职用户的简历数据中均存在的求职用户特征信息，如：从每个简历数据中提取了“在A职位从事了15年”的求职用户特征信息，当然，该求职用户特征信息表征为：历史求职用户的简历中与所述招聘职位的职位描述信息适配的个人信息。而且，该求职用户特征信息包括但不限于以下一种或多种：职位、学习经历、学历、年龄、薪资、工作经历、工作成就、获奖情况、或技能。

可选的，在提取出存在于每个历史求职用户对应的求职用户特征信息之后，还可进一步进行以下操作：

统计所有历史求职用户的简历中的求职用户特征信息；为每个求职用户特征信息进行分类，每个类别中的求职用户特征信息所表征的含义均相同，如：A类别的求职用户特征信息均为：“在A职位从事了15年”；B类别的求职用户特征信息均为：“在A职位从事了16年”。然后根据包含的求职用户特征信息的数量为每个类别进行加权求和，从而可以确定出最贴合招聘用户的招聘职位的需求的求职用户特征信息，从而可进一步提高基于该求职用户特征信息搜索的简历数据的准确性，从而，即可提高简历数据的推送质量。

S13：基于所述求职用户特征信息，在简历数据库中查找包含有所述求职用户特征信息的简历数据；

在提取出这些求职用户特征信息之后，即可依据这些求职用户特征信息在简历数据库中查找包含有这些求职用户特征信息的简历数据；

由于该这些历史求职用户曾经面试过该招聘职位，所以这些历史求职用户的求职用户特征信息中肯定有满足该招聘职位的特定要求的。然后，再依据该求职用户特征信息来精准的搜索简历数据，

这些搜索到的简历数据即可很好的满足招聘用户的特定需求。当然，为了进一步提高向招聘用户推送的简历质量，在本实施例中还可执行以下步骤S14。

S14：基于所述招聘职位的职位描述信息，对查找到的所述简历数据进行验证；

优化的，在执行步骤S14之后，在另一实施例中，还需进行以下操作：将查找到的简历数据进行分级处理，以识别并过滤虚假简历，得到真实的简历数据。

S15：将验证通过的所述简历数据推荐给所述招聘用户。

只需针对招聘职位的职位描述信息，对查找到的简历数据进行验证，以实现对查找的简历数据进行过滤，从而，即可很好的实现提高简历数据的推荐质量，接着，只需将这些验证通过的简历数据推送至招聘用户即可。从而，就可以实现向招聘用户推送一些满足招聘用户的特定要求的简历数据，以及可大大提高推送的简历质量。

图2为本发明中从历史招聘记录中提取求职用户特征信息的流程框图。根据图2所示，在另一实施例中，历史招聘记录包括：所述招聘职位对应的推荐流程日志。而且，上述步骤S12的一种实现方式包括：

S121：基于所述推荐流程日志，确定每个所述历史求职用户的简历数据在推荐流程中每个步骤的权重；

其中，在此处，该权重表征为：所述历史求职用户的简历数据与该权重对应步骤的匹配程度。

在招聘用户在通过网络招聘平台进行职位招聘时，招聘用户和/或网络招聘平台会生成记录文件，即：推荐流程日志，该推荐流程日志记录了每个历史求职用户在应聘该招聘用户的某个职位时的应聘进度。如：该招聘用户需要对历史求职用户进行三轮面试：初试、复试、及终试，如果A历史求职用户只参加了初试而未参加复试而被淘汰了，则该A历史求职用户的简历数据在初试时权重为0；如果B历史求职用户参加了初试、及复试，但在复试后被淘汰了，则该B历史求职用户的简历数据在初试、及复试的权重分别为1及0；如果C历史求职用户参加了初试、复试、及终试，但在终试后被淘汰了，则该C历史求职用户的简历数据在初试、复试、及终试的权重分别为1、1、及0；如果D历史求职用户通过了初试、复试、及终试，则该D历史求职用户的简历数据在初试、复试、及终试的权重分别为1、1、及1。

S122：基于预设求和算法，将所述历史求职用户的简历数据在所述推荐流程中所有步骤的权重进行求和；

将各个历史求职用户在推荐流程中所有步骤的权重进行求和。如：上述历史求职用户A、B、C、及D的求和结果分别为：0、1、2、及3。根据求和结果可知，历史求职用户D最贴合该招聘用户的该职位的要求，历史求职用户C、B、及A依次次之。

S123：将求和结果超过第一预设阈值的每个所述历史求职用户的简历数据中均存在的求职用户特征信息进行提取。

具体的，在获得各个历史求职用户在推荐流程中所有步骤的权重求和结果后，还需要将各个历史求职用户对应的求和结果分别与第一预设阈值进行大小比较，若任一历史求职用户对应的求和结果大于该第一预设阈值，则可以提取该任一历史求职用户的简历数据中的求职用户特征信息。从而，可以对历史招聘记录中的历史求职用户进行筛选，以便获取到最符合招聘用户所属的招聘职位的特定要求的求职用户特征信息。当然，在本实施例中，可以根据实际情况对该第一预设阈值的大小进行设定，以实现对用于提取求职用户特征信息的简历数据的数量进行调节。

图3为本发明中从简历数据库中查找包含有求职用户特征信息的简历数据的流程框图。根据图3所示，在另一实施例中，上述步骤S13的一种实现方式包括：

S131：基于所述求职用户特征信息，对所述简历数据库中的简历数据进行筛选，得到第二简历数据；

其中，所述第二简历数据包含：至少一个所述求职用户特征信息；

S132：基于每个第二简历数据中所述求职用户特征信息的数量，为每个所述第二简历数据分别进行加权；

S133：将权重超过第二预设阈值的简历数据确定为查找到的简历数据。

在本实施例中，只需在简历数据库中查找包含有上述求职用户特征信息的简历数据，以得到第二简历数据；然后再依据每个第二简历数据中包含上述求职用户特征信息的数量，为每个第二简历数据进行加权，如：A第二简历数据中包含有两个求职用户特征信息，则该A第二简历数据的权重为：2，B第二简历数据中包含有三个求职用户特征信息，则该B第二简历数据的权重为：3。

就此，就可以得到权重超过第二预设阈值的第二简历数据，而该权重超过第二预设阈值的第二简历数据则确定为查找到的简历数据。就此，即可根据上述求职用户特征信息精准的搜索到对应的简历数据。当然，在本实施例中，可以根据实际情况对该第二预设阈值的大小进行设定，以实现对上述查找到的第二简历数据的数量进行调节。

图4为本发明中对查找到的简历数据进行验证的流程框图。根据图4所示，在另一实施例中，上述步骤S14的一种实现方式包括：

S141：对所述招聘职位的职位描述信息进行分词处理，得到所述招聘职位的招聘描述有效词；

具体的，对招聘职位的职位描述信息进行分词处理。如：招聘职位的职位描述信息包括：“从事A职位需超过15年”、“硕士学历”、及“月薪为35000元”。经分词处理后，得到以下招聘描述有效词：“A职位”、“超过15年”、“硕士”、“月薪”、及“35000”。

具体的，在本实施例中，并不对该职位描述信息的字数、语言、及表达方式进行限定，其包括但不限于：中文、拼音、英文、德语、文字、语音、及图形。以该职位描述信息为：中文、拼音、及英文为例对分词处理进行举例说明：中文分词、拼音切分和英文切分。

其中，对于中文分词，在进行分词处理时，可以基于单字模式进行切分，例如“硕士学历”分词为“硕”、“士”、“学”、及“历”；也可以基于词语模型进行切分，例如“硕士学历”分词为“硕士”、及“学历”，其中，单字模式中，若拆分后的子词总数超过预设阈值(例如8)，则可以不进行后续纠错处理，直接返回0个纠错结果。拼音切分和英文切分可以统称为字符串切分，具体可以采用逆向最大匹配、正向最大匹配、双向最大匹配、最少切分等切分算法进行字符串切分，下面以分词算法采用逆向最大匹配算法为例说明字符串切分的具体方案。

分词算法采用逆向最大匹配算法，输入字符串为“facebo”。采用逆向匹配，可以优先输出总词数少但单个词较长的切分。算法从后往前扫描字符串，检测当前前缀子串是否为拼音或英文，具体可通过检测该子串是否存在于词语纠错映射表中来判断其是否为合法拼音或英文。如果算法可以找到第一个切分点，如“face”，则递归检查后缀子串(“bo”)，直到成功输出一个切分，或者切分失败。

S142：基于所述招聘描述有效词，对所述查找到的简历数据进行筛选，得到第三简历数据；

其中，所述第三简历数据包含：至少一个所述招聘描述有效词；

在得到招聘描述有效词后，就可以对判断查找到的简历数据中是否包括一个或多个招聘描述有效词，以得到包含有至少一个该招聘描述有效词的第三简历数据。

S143：基于每个第三简历数据中所述招聘描述有效词的数量，为每个所述第三简历数据分别进行加权；

S144：将权重超过第三预设阈值的第三简历数据确定为验证通过的简历数据。

接着，再根据第三简历数据中包含的招聘描述有效词的数量，为每个第三简历数据分别进行加权。然后就可以将权重超过第三预设阈值的第三简历数据确定为验证通过的简历数据。就此，实现了对待推送至招聘用户的简历数据进行了再次筛选，进一步提高了推送的简历质量。

图5为本发明第二实施例一种简历推荐装置的结构示意图。根据图5所示，本发明第二实施例提供了一种简历推荐装置，所述装置包括：获取模块110，用于获取招聘用户所需招聘职位的历史招聘记录，所述历史招聘记录包括：多个历史求职用户的简历数据；提取模块120，用于基于所述历史招聘记录，提取存在于每个所述历史求职用户的简历数据中的求职用户特征信息，其中，所述求职用户特征信息表征为：历史求职用户的简历数据中与所述招聘职位的职位描述信息适配的个人信息；查找模块130，用于基于所述求职用户特征信息，在简历数据库中查找包含有所述求职用户特征信息的简历数据；验证模块140，用于基于所述招聘职位的职位描述信息，对查找到的所述简历数据进行验证；推荐模块150，用于将验证通过的所述简历数据推荐给所述招聘用户。

可选的，所述提取模块120包括：权重确定单元，用于基于所述推荐流程日志，确定每个所述历史求职用户的简历数据在推荐流程中每个步骤的权重，其中，所述历史招聘记录还包括：所述招聘职位对应的推荐流程日志，所述权重表征为：所述历史求职用户的简历数据与该权重的对应步骤的匹配程度；求和单元，用于基于预设求和算法，将所述历史求职用户的简历数据在所述推荐流程中所有步骤的权重进行求和；提取单元，用于将求和结果超过第一预设阈值的每个所述历史求职用户的简历数据中均存在的求职用户特征信息进行提取。

可选的，所述查找模块130包括：第一筛选单元，用于基于所述求职用户特征信息，对所述简历数据库中的简历数据进行筛选，得到第二简历数据，所述第二简历数据包含：至少一个所述求职用户特征信息；第一加权单元，用于基于每个第二简历数据中所述求职用户特征信息的数量，为每个所述第二简历数据分别进行加权；第一确定单元，用于将权重超过第二预设阈值的所述第二简历数据确定为查找到的简历数据。

可选的，所述验证模块140包括：第二分词单元，用于对所述招聘职位的职位描述信息进行分词处理，得到所述招聘职位的招聘描述有效词；第二筛选单元，用于基于所述招聘描述有效词，对所述查找到的简历数据进行筛选，得到第三简历数据，所述第三简历数据包含：至少一个所述招聘描述有效词；第二加权单元，基于每个第三简历数据中所述招聘描述有效词的数量，为每个所述第三简历数据分别进行加权；第二确定单元，用于将权重超过第三预设阈值的第三简历数据确定为验证通过的简历数据。

可选的，所述装置还包括：分级处理模块，用于在查找包含有所述求职用户特征信息的简历数据之后，且在所述将验证通过的所述简历数据推荐给所述招聘用户之前，将所述查找到的简历数据进行分级处理，以识别并过滤虚假简历，得到真实的简历数据。

本发明第三实施例提供了一种计算机设备，包括处理器和存储器；所述存储器用于存储计算机指令，所述处理器用于运行所述存储器存储的计算机指令，以实现上述的一种简历推荐方法。

本发明第三实施例中的一种计算机设备所涉及的名词及实现原理具体可以参照本发明实施例中的第一实施例的一种简历推荐方法，在此不再赘述。

本发明第四实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个模块，所述一个或者多个模块可被一个或者多个处理器执行，以实现上述的一种简历推荐方法。

本发明第四实施例中的一种计算机可读存储介质所涉及的名词及实现原理具体可以参照本发明实施例中的第一实施例的一种简历推荐方法，在此不再赘述。

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(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (4)

1.一种简历推荐方法，其特征在于，所述方法包括：获取招聘用户所需招聘职位的历史招聘记录，所述历史招聘记录包括：多个历史求职用户的简历数据；基于所述历史招聘记录，提取存在于每个所述历史求职用户的简历数据中的求职用户特征信息，其中，所述求职用户特征信息表征为：历史求职用户的简历数据中与所述招聘职位的职位描述信息适配的个人信息；基于所述求职用户特征信息，在简历数据库中查找包含有所述求职用户特征信息的简历数据；基于所述招聘职位的职位描述信息，对查找到的所述简历数据进行验证；将验证通过的所述简历数据推荐给所述招聘用户；

其中，所述历史招聘记录还包括：所述招聘职位对应的推荐流程日志；所述基于历史招聘记录，提取每个所述历史求职用户的简历数据中均存在的求职用户特征信息，包括：基于所述推荐流程日志，确定每个所述历史求职用户的简历数据在推荐流程中每个步骤的权重，

其中，所述推荐流程日志记录了每个历史求职用户在应聘该招聘用户的某个职位时的应聘进度；

其中，所述权重表征为：所述历史求职用户的简历数据与该权重对应步骤的匹配程度；基于预设求和算法，将所述历史求职用户的简历数据在所述推荐流程中所有步骤的权重进行求和；将求和结果超过第一预设阈值的每个所述历史求职用户的简历数据中均存在的求职用户特征信息进行提取；

其中，所述基于求职用户特征信息，在简历数据库中查找包含有所述求职用户特征信息的简历数据，包括：基于所述求职用户特征信息，对所述简历数据库中的简历数据进行筛选，得到第二简历数据，所述第二简历数据包含：至少一个所述求职用户特征信息；基于每个第二简历数据中所述求职用户特征信息的数量，为每个所述第二简历数据分别进行加权；将权重超过第二预设阈值的所述第二简历数据确定为查找到的简历数据；

其中，所述基于招聘职位的职位描述信息，对查找到的所述简历数据进行验证，包括：对所述招聘职位的职位描述信息进行分词处理，得到所述招聘职位的招聘描述有效词；基于所述招聘描述有效词，对所述查找到的简历数据进行筛选，得到第三简历数据，所述第三简历数据包含：至少一个所述招聘描述有效词；基于每个第三简历数据中所述招聘描述有效词的数量，为每个所述第三简历数据分别进行加权；将权重超过第三预设阈值的第三简历数据确定为验证通过的简历数据；

其中，在查找包含有所述求职用户特征信息的简历数据之后，且在所述将验证通过的所述简历数据推荐给所述招聘用户之前，还包括：将所述查找到的简历数据进行分级处理，以识别并过滤虚假简历，得到真实的简历数据。

2.一种简历推荐装置，其特征在于，所述装置包括：获取模块，用于获取招聘用户所需招聘职位的历史招聘记录，所述历史招聘记录包括：多个历史求职用户的简历数据；提取模块，用于基于所述历史招聘记录，提取存在于每个所述历史求职用户的简历数据中的求职用户特征信息，其中，所述求职用户特征信息表征为：历史求职用户的简历数据中与所述招聘职位的职位描述信息适配的个人信息；查找模块，用于基于所述求职用户特征信息，在简历数据库中查找包含有所述求职用户特征信息的简历数据；验证模块，用于基于所述招聘职位的职位描述信息，对查找到的所述简历数据进行验证；推荐模块，用于将验证通过的所述简历数据推荐给所述招聘用户；

所述历史招聘记录还包括：所述招聘职位对应的推荐流程日志；

所述提取模块包括：

权重确定单元，用于基于所述推荐流程日志，确定每个所述历史求职用户的简历数据在推荐流程中每个步骤的权重；

其中，所述推荐流程日志记录了每个历史求职用户在应聘该招聘用户的某个职位时的应聘进度；

所述权重表征为：所述历史求职用户的简历数据与该权重的对应步骤的匹配程度；求和单元，用于基于预设求和算法，将所述历史求职用户的简历数据在所述推荐流程中所有步骤的权重进行求和；提取单元，用于将求和结果超过第一预设阈值的每个所述历史求职用户的简历数据中均存在的求职用户特征信息进行提取；

其中，所述查找模块包括：第一筛选单元，用于基于所述求职用户特征信息，对所述简历数据库中的简历数据进行筛选，得到第二简历数据，所述第二简历数据包含：至少一个所述求职用户特征信息；第一加权单元，用于基于每个第二简历数据中所述求职用户特征信息的数量，为每个所述第二简历数据分别进行加权；第一确定单元，用于将权重超过第二预设阈值的所述第二简历数据确定为查找到的简历数据；

其中，所述验证模块包括：第二分词单元，用于对所述招聘职位的职位描述信息进行分词处理，得到所述招聘职位的招聘描述有效词；第二筛选单元，用于基于所述招聘描述有效词，对所述查找到的简历数据进行筛选，得到第三简历数据，所述第三简历数据包含：至少一个所述招聘描述有效词；第二加权单元，基于每个第三简历数据中所述招聘描述有效词的数量，为每个所述第三简历数据分别进行加权；第二确定单元，用于将权重超过第三预设阈值的第三简历数据确定为验证通过的简历数据；

其中，所述装置还包括：分级处理模块，用于在查找包含有所述求职用户特征信息的简历数据之后，且在所述将验证通过的所述简历数据推荐给所述招聘用户之前，将所述查找到的简历数据进行分级处理，以识别并过滤虚假简历，得到真实的简历数据。

3.一种计算机设备，其特征在于，包括处理器和存储器；所述存储器用于存储计算机指令，所述处理器用于运行所述存储器存储的计算机指令，以实现权利要求1所述的一种简历推荐方法。

4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1所述的一种简历推荐方法。

Images