CN110377627B - 一种信息推荐方法、装置、设备及可读存储介质 - Google Patents
一种信息推荐方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110377627B CN110377627B CN201910650972.8A CN201910650972A CN110377627B CN 110377627 B CN110377627 B CN 110377627B CN 201910650972 A CN201910650972 A CN 201910650972A CN 110377627 B CN110377627 B CN 110377627B
- Authority
- CN
- China
- Prior art keywords
- information
- recommender
- target
- recommendation
- user
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2425—Iterative querying; Query formulation based on the results of a preceding query
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本申请公开了一种信息推荐方法,包括:接收用户的职位查询请求;获取与职位查询请求匹配的职位集合;接收用户在职位集合中选择的目标职位;获取目标职位对应的目标公司的推荐人信息集合;在推荐人信息集合中确定与目标职位匹配的候选推荐人信息;将候选推荐人信息排序后显示给用户;接收用户选择的目标推荐人并生成推荐请求信息;将推荐请求信息发送至目标推荐人,以使目标推荐人将用户推荐给目标职位对应的目标公司。该方法能够在用户求职的过程中,通过职位查询,确定心仪的公司和岗位,通过寻找推荐到该公司的猎头或者推荐人来推荐自己到该岗位,提高应聘成功率。本申请还公开了一种信息推荐装置、设备及可读存储介质,具有相应的技术效果。
Description
技术领域
本申请涉及互联网应用技术领域,特别是涉及一种信息推荐方法、装置、设备及可读存储介质。
背景技术
随着互联网技术的不断发展,越来越多的领域对应推出线上服务。在人才招聘求职,也开展了线上服务。
由于人才的多样性以及职位的多样性,不同于线下模式,借助网络进行招聘或求职,其所面对的是全网人才或全网用人单位。更多的用人单位,更多的人员,给求职或招聘既带来了更多的选择的机会,同时因信息过大,而进行信息筛选会浪费大量时间,导致招聘/求职效率低下。如此便会经常出现,找工作的人找不到合适的岗位,用人单位紧缺的岗位招不到合适的人才的情况。
综上所述,如何有效地解决线上人才或职位推荐的准确性等问题,是目前本领域技术人员急需解决的技术问题。
发明内容
本申请的目的是提供一种信息推荐方法、装置、设备及可读存储介质,可准确地向求职人员符合求职人员求职需求的目标用人单位,以及与该目标用人单位的推荐人,以进一步提高求职成功率。
为解决上述技术问题,本申请提供如下技术方案:
一种信息推荐方法,所述方法包括:
接收用户的职位查询请求;
获取与所述职位查询请求匹配的职位集合;
接收所述用户在所述职位集合中选择的目标职位;
获取所述目标职位对应的目标公司的推荐人信息集合;
在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息;
将所述候选推荐人信息排序后显示给所述用户;
接收所述用户选择的目标推荐人并生成推荐请求信息;
将所述推荐请求信息发送至目标推荐人,以使所述目标推荐人将所述用户推荐给所述目标职位对应的目标公司。
优选地,在所述获取与所述职位查询请求匹配的职位集合之前,所述方法还包括:
接收用户的履历更新请求;
根据所述履历更新请求更新所述用户的履历,并更新所述用户的技能标签。
优选地,所述职位查询请求包括职能类型,所述获取与所述职位查询请求匹配的职位集合,具体包括:
获取与所述职能类型匹配的第一职位集合;
在所述第一职位集合中确定与所述用户的技能标签相匹配的职位集合。
优选地,所述推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;
所述在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息,具体包括:
获取所述目标职位的目标职能类型和/或职位类型;
确定与所述目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
优选地,所述将所述候选推荐人信息排序后显示给所述用户,具体包括:
获取所述候选推荐人在预设周期内的推荐频次和推荐成功率;
根据所述推荐频次和/或推荐成功率对所述候选推荐人信息进行排序并显示给所述用户。
一种信息推荐装置,包括:
职位查询请求接收模块,用于接收用户的职位查询请求;
职位集合获取模块,用于获取与所述职位查询请求匹配的职位集合;
目标职位确定模块,用于接收所述用户在所述职位集合中选择的目标职位;
推荐人信息集合获取模块,用于获取所述目标职位对应的目标公司的推荐人信息集合;
候选推荐人信息获取模块,用于在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息;
推荐信息展示模块,用于将所述候选推荐人信息排序后显示给所述用户;
推荐请求信息获取模块,用于接收所述用户选择的目标推荐人并生成推荐请求信息;
信息推荐模块,用于将所述推荐请求信息发送至目标推荐人,以使所述目标推荐人将所述用户推荐给所述目标职位对应的目标公司。
优选地,所述推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;
所述候选推荐人信息获取模块,具体包括:
职位信息获取单元,用于获取所述目标职位的目标职能类型和/或职位类型;
候选推荐人信息确定单元,用于确定与所述目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
优选地,所述推荐信息展示模块,具体用于获取所述候选推荐人在预设周期内的推荐频次和推荐成功率;根据所述推荐频次和/或推荐成功率对所述候选推荐人信息进行排序并显示给所述用户。
优选地,还包括:技能标签更新模块,用于在所述获取与所述职位查询请求匹配的职位集合之前,接收用户的履历更新请求;根据所述履历更新请求更新所述用户的履历,并更新所述用户的技能标签。
优选地,所述职位查询请求包括职能类型,所述技能标签更新模块,具体包括:获取与所述职能类型匹配的第一职位集合;在所述第一职位集合中确定与所述用户的技能标签相匹配的职位集合。
一种信息推荐设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现以下步骤:
接收用户的职位查询请求;
获取与所述职位查询请求匹配的职位集合;
接收所述用户在所述职位集合中选择的目标职位;
获取所述目标职位对应的目标公司的推荐人信息集合;
在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息;
将所述候选推荐人信息排序后显示给所述用户;
接收所述用户选择的目标推荐人并生成推荐请求信息;
将所述推荐请求信息发送至目标推荐人,以使所述目标推荐人将所述用户推荐给所述目标职位对应的目标公司。
优选地,所述处理器,用于执行所述计算机程序时实现以下步骤:
在所述获取与所述职位查询请求匹配的职位集合之前,还包括:
接收用户的履历更新请求;
根据所述履历更新请求更新所述用户的履历,并更新所述用户的技能标签。
优选地,所述处理器,用于执行所述计算机程序时实现以下步骤:
所述职位查询请求包括职能类型,所述获取与所述职位查询请求匹配的职位集合,具体包括:
获取与所述职能类型匹配的第一职位集合;
在所述第一职位集合中确定与所述用户的技能标签相匹配的职位集合。
优选地,所述处理器,用于执行所述计算机程序时实现以下步骤:
所述推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;
所述在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息,具体包括:
获取所述目标职位的目标职能类型和/或职位类型;
确定与所述目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
优选地,所述处理器,用于执行所述计算机程序时实现以下步骤:
所述将所述候选推荐人信息排序后显示给所述用户,具体包括:
获取所述候选推荐人在预设周期内的推荐频次和推荐成功率;
根据所述推荐频次和/或推荐成功率对所述候选推荐人信息进行排序并显示给所述用户。
一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
接收用户的职位查询请求;
获取与所述职位查询请求匹配的职位集合;
接收所述用户在所述职位集合中选择的目标职位;
获取所述目标职位对应的目标公司的推荐人信息集合;
在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息;
将所述候选推荐人信息排序后显示给所述用户;
接收所述用户选择的目标推荐人并生成推荐请求信息;
将所述推荐请求信息发送至目标推荐人,以使所述目标推荐人将所述用户推荐给所述目标职位对应的目标公司。
优选地,所述计算机程序被处理器执行时实现以下步骤:
在所述获取与所述职位查询请求匹配的职位集合之前,还包括:
接收用户的履历更新请求;
根据所述履历更新请求更新所述用户的履历,并更新所述用户的技能标签。
优选地,所述计算机程序被处理器执行时实现以下步骤:
所述职位查询请求包括职能类型,所述获取与所述职位查询请求匹配的职位集合,具体包括:
获取与所述职能类型匹配的第一职位集合;
在所述第一职位集合中确定与所述用户的技能标签相匹配的职位集合。
优选地,所述计算机程序被处理器执行时实现以下步骤:
所述推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;
所述在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息,具体包括:
获取所述目标职位的目标职能类型和/或职位类型;
确定与所述目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
优选地,所述计算机程序被处理器执行时实现以下步骤:
所述将所述候选推荐人信息排序后显示给所述用户,具体包括:
获取所述候选推荐人在预设周期内的推荐频次和推荐成功率;
根据所述推荐频次和/或推荐成功率对所述候选推荐人信息进行排序并显示给所述用户。
应用本申请实施例所提供的方法,在接收到用户的职位查询请求之后,首先对该职位查询请求进行解析,然后获取与职位查询请求匹配的职位集合。接收用户在指纹集合中选择的目标职位。获取该目标职位对应的目标格式的推荐人信息集合,在推荐人信息集合中确定出与目标植物对应的目标公司的推荐人信息集合。进一步从推荐人信息集合中确定出与目标植物匹配的候选推荐人信息。然后对候选人信息进行排序,并显示给用户,以接收用户选择的目标推荐人并生成的推荐请求信息。将该推荐请求信息发送给目标推荐人,已使目标推荐人将用户推荐给目标植物对应的目标公司。可见,在本方法可实现用户在求职的过程中,通过职位查询,确定心仪的公司和心仪的岗位,通过寻找推荐到该公司的猎头或者推荐人来推荐自己到该岗位,提高应聘成功率。
相应地,本申请实施例还提供了与上述信息推荐方法相对应的信息推荐装置、设备和可读存储介质,具有上述技术效果,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种信息推荐方法的实施流程图;
图2为本申请实施例中一种信息推荐装置的结构示意图;
图3为本申请实施例中一种信息推荐设备的结构示意图;
图4为本申请实施例中一种信息推荐设备的具体结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例一:
请参考图1,图1为本申请实施例中一种信息推荐方法的流程图。该方法可应用于区块链节点设备中的服务端。该方法包括以下步骤:
S101、接收用户的职位查询请求。
其中,职位查询请求可为用户在客户端的职位查询界面进行操作选择后生成的查询请求。该查询请求可包括职能类型,其中,职能类型可具体为研发、销售、生产、采购、人力资源、行政、法务等职能类型。当然还可在该职位查询请求中可携带具体的职位信息,例如,年龄需求、性别需求、工作经验要求、职业技能要求、工作时间、是否全职、职位报酬、供职单位等信息。
S102、获取与职位查询请求匹配的职位集合。
在本申请实施例中,可预先对不同的职位进行分类,具体的可采用其对应的职能类型进行标注。当接收到用户的职位查询请求之后,便可基于职位查询请求总的职能类型从大量职位信息中获取与职位查询请求匹配的职位集合。
获得职位集合之后,便可将职位集合发送给用户对应的客户端,以供用户选择目标职位。
S103、接收用户在职位集合中选择的目标职位。
具体的,可通过对用户所在客户端对应的用户操作进行监测,获得用户在植物集合中选择的目标职位。
S104、获取目标职位对应的目标公司的推荐人信息集合。
为实现快速信息快速推荐,可预先存储各个职业对应的目标公司,以及该目标公司对应的推荐人信息集合。该推荐人信息集合中至少存在一个推荐人对应的推荐人信息。
需要说明的是,本文中的目标公司并非仅限于公司形式的用人单元,还可为其他形式用人单元。其中,用人单位为具有用人权利能力和用人行为能力,运用劳动力组织生产劳动,且向劳动者支付工资等劳动报酬的单位。例如,用人单位可具体为企业、个体经济组织、民办非企业单位、国家机关、事业组织、社会团体等单位。
S105、在推荐人信息集合中确定与目标职位匹配的候选推荐人信息。
在本申请实施例中,可在推荐人集合中确定出与目标职位匹配的候选推荐人信息。即,目标公司不同职能类型的推荐人可不同,且数量不限定。
S106、将候选推荐人信息排序后显示给用户。
在本申请实施例中,可对推荐人信息进行排序,以便用户根据其需求进行选择。
S107、接收用户选择的目标推荐人并生成推荐请求信息。
在确定用户选择的目标推荐人之后,可生成与之对应的推荐请求信息。在该推荐请求信息中可具体包括目标职位、目标公司名称、该用户的个人信息。
S108、将推荐请求信息发送至目标推荐人,以使目标推荐人将用户推荐给目标职位对应的目标公司。
将推荐请求信息发送给目标推荐人,可具体为将推荐请求信息发送给与目标推荐人具有对应关系的客户端。目标推荐人查看到该推荐请求信息之后,便可将该用户推荐给目标职位对应的目标公司。
其中,推荐人可具体为猎头,或称之为伯乐,当然,推荐人也可以具体为用人单位的招聘人员。也就是说,在本申请实施例中,推荐人即为求职人员能够通过该人员能够与目标用人单位取得联系的人员即可。
应用本申请实施例所提供的方法,在接收到用户的职位查询请求之后,首先对该职位查询请求进行解析,然后获取与职位查询请求匹配的职位集合。接收用户在指纹集合中选择的目标职位。获取该目标职位对应的目标格式的推荐人信息集合,在推荐人信息集合中确定出与目标植物对应的目标公司的推荐人信息集合。进一步从推荐人信息集合中确定出与目标植物匹配的候选推荐人信息。然后对候选人信息进行排序,并显示给用户,以接收用户选择的目标推荐人并生成的推荐请求信息。将该推荐请求信息发送给目标推荐人,已使目标推荐人将用户推荐给目标植物对应的目标公司。可见,在本方法可实现用户在求职的过程中,通过职位查询,确定心仪的公司和心仪的岗位,通过寻找推荐到该公司的猎头或者推荐人来推荐自己到该岗位,提高应聘成功率。
需要说明的是,基于上述实施例,本申请实施例还提供了相应的改进方案。在优选/改进实施例中涉及与上述实施例中相同步骤或相应步骤之间可相互参考,相应的有益效果也可相互参照,在本文的优选/改进实施例中不再一一赘述。
优选地,为了更好地为用户进行信息推荐,还可为用户设置技能标签,并对该技能标签进行更新维护。即,在上述实施例一的基础上,还可在获取与职位查询请求匹配的职位集合之前,对技能标签进行更新。其中,更新技能标签的具体过程,包括:
步骤一、接收用户的履历更新请求;
步骤二、根据履历更新请求更新用户的履历,并更新用户的技能标签。
当然,更新技能标签的执行步骤还可在接收用户的职位查询请求之后。
进一步地,在存储维护有用户的技能标签之后,在职位查询请求包括职能类型时,上述实施例一种的获取与职位查询请求匹配的职位集合,还可优化为:获取与职能类型匹配的第一职位集合;在第一职位集合中确定与用户的技能标签相匹配的职位集合。如此,便可使得职位集合与用户的技能匹配,使得用户能够更快更好地确定出目标职位。其中,第一职位集合仅用于限定存在一种职位集合,该职位集合与智能类型匹配。
优选地,为进一步提高信息推荐准确率,在本申请实施例中的推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;相应地,实施例一种的在推荐人信息集合中确定与目标职位匹配的候选推荐人信息步骤,具体包括:
步骤一获取目标职位的目标职能类型和/或职位类型;
步骤二、确定与目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
其中,职位类型可具体分为基层、中层和高层,当然,也可分为管理层和非管理层。基于,推荐人信息包括推荐职能类型和/或职位类型,上述实施例一中的将候选推荐人信息排序后显示给用户,可具体包括:获取候选推荐人在预设周期内的推荐频次和推荐成功率;根据推荐频次和/或推荐成功率对候选推荐人信息进行排序并显示给用户。
具体的,可利用人才推荐记录从多个人才推荐人中确定出目标人才推荐人;将目标人才推荐人的联系信息和目标人才推荐人的推荐记录作为推荐人信息。优选地,为了减少求职人员进行信息筛选,还对多个人才推荐人进行排序。以便用户选择。当然,也可在多个推荐人中选择一个最佳人才推荐人出来。从多个人才推荐人中选择一个最佳推荐人,根据判定何为最佳的标准,对应有多种不同的选择方式。下面以推荐次数最多以及推荐效果最佳分别对照判定最佳人才推荐人的方式进行说明。
方式一:
以推荐次数作为最佳判定依据,利用人才推荐记录从多个人才推荐人中确定出目标人才推荐人,具体包括:
步骤1、利用人才推荐记录,统计各个人才推荐人向目标用人单位推荐人才的推荐次数;
步骤2、将推荐次数最多的人才推荐人确定为目标人才推荐人。
为便于说明,下面将步骤1和步骤2结合起来进行说明。
推荐次数多,即表明该人才推荐人与目标用人单位的联系较为密切,对目标用人单位的需求也较为了解,此时可认为推荐次数最多的人才推荐人进行推荐效果最好。基于此,在确定目标人才推荐人时,可统计各个人才推荐人像目标用人单位推荐人才的推荐次数,然后选择出推荐次数最多的人才推荐人作为目标人才推荐人。
方式二:
以推荐成功率作为最佳判定依据,利用人才推荐记录从多个人才推荐人中确定出目标人才推荐人,具体包括:
步骤1、利用人才推荐记录,统计各个人才推荐人向目标用人单位推荐人才的推荐成功率;
步骤2、将推荐成功率最高的人才推荐人确定为目标人才推荐人。
为便于说明,下面将步骤1和步骤2结合起来进行说明。
推荐成功率越高,即表明该人才推荐人的人才推荐容易被目标用人单位的认可,此时为了提高求职人员的求职成功率,可直接将推荐成功率最高的人才推荐人作为目标人才推荐人。具体的,可统计各个人才推荐人像目标用人单位推荐如此的推荐成功率,然后将推荐成功率最该的人才推荐人作为目标人才推荐人。
实施例二:
为便于本领域技术人员更好的理解本申请实施例所提供的信息推荐方法,下面结合区块链技术以一个具体的应用实例对本申请实施例所提供的信息推荐方法,进行详细说明。
1、接收个人和公司基于区块链身份更新/设置身份标签的请求。如:某个公司员工A,当前准备离职了,在公司期间学习了新的技能(区块链开发),丰富了身份标签,可以更新和添加个人标签为:go语言开发,区块链开发等。
2、接收相关人才在区块链查询所需要的岗位的查询请求。如:求职人员X想找一个区块链开发的岗位。具体的,在收到查询请求后,可触发查询合约,并按输入的查询条件查询区块链信息,返回查询结果。
3、求职人员根据对应的公司人才需求,在区块链上查询对应身份的标签。(标签可以是自己更新的,并且包括基于推荐时的更新,对应用人单位的反馈,伯乐奖励。伯乐评分等)。如:上述的人才(求职人员)X需要一个区块链开发人员,在区块链连通过“区块链开发”标签搜索有相关职位的公司A。
4、根据标签查询出来的相关记录,找到和该职位对应的联系方式或者有关系的推荐人。如:上述搜索出来的公司A,发现伯乐Y给它推荐过3次人才,伯乐Z推荐过2次人次。
5、找到最合适推荐的推荐人加持,帮忙推荐。如:上述4的记录里,求职人员X发现了伯乐Y并且和伯乐Y都和公司A有良好的沟通关系,那求职人员X就可以找到伯乐Y推荐人才X去公司A的对应岗位面试。
可见,在本申请实施例所提供的信息推荐方法中,基于区块链的人才推荐记录,形成的人才关系网,对关系网中的数据分析后,提高人才推荐效率的方法,主要是求职人员找到心仪的公司,想要加持入职成率,可以找和这个公司有关联关系的(给这个公司推荐过多个人才或者在这个公司工作的员工)人员推荐。即,基于区块链个人身份,个人标签,集合区块链的人才推荐记录,用人单位和伯乐之及人才之间形成一个可随时发现和联系的关系网络,可以大大的提高人才推荐效率。
实施例三:
相应于上面的方法实施例,本申请实施例还提供了一种信息推荐装置,下文描述的信息推荐装置与上文描述的信息推荐方法可相互对应参照。
参见图2所示,该装置包括以下模块:
职位查询请求接收模块101,用于接收用户的职位查询请求;
职位集合获取模块102,用于获取与职位查询请求匹配的职位集合;
目标职位确定模块103,用于接收用户在职位集合中选择的目标职位;
推荐人信息集合获取模块104,用于获取目标职位对应的目标公司的推荐人信息集合;
候选推荐人信息获取模块105,用于在推荐人信息集合中确定与目标职位匹配的候选推荐人信息;
推荐信息展示模块106,用于将候选推荐人信息排序后显示给用户;
推荐请求信息获取模块107,用于接收用户选择的目标推荐人并生成推荐请求信息;
信息推荐模块108,用于将推荐请求信息发送至目标推荐人,以使目标推荐人将用户推荐给目标职位对应的目标公司。
应用本申请实施例所提供的装置,在接收到用户的职位查询请求之后,首先对该职位查询请求进行解析,然后获取与职位查询请求匹配的职位集合。接收用户在指纹集合中选择的目标职位。获取该目标职位对应的目标格式的推荐人信息集合,在推荐人信息集合中确定出与目标植物对应的目标公司的推荐人信息集合。进一步从推荐人信息集合中确定出与目标植物匹配的候选推荐人信息。然后对候选人信息进行排序,并显示给用户,以接收用户选择的目标推荐人并生成的推荐请求信息。将该推荐请求信息发送给目标推荐人,已使目标推荐人将用户推荐给目标植物对应的目标公司。可见,在本装置可实现用户在求职的过程中,通过职位查询,确定心仪的公司和心仪的岗位,通过寻找推荐到该公司的猎头或者推荐人来推荐自己到该岗位,提高应聘成功率。
优选地,推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;
候选推荐人信息获取模块105,具体包括:
职位信息获取单元,用于获取目标职位的目标职能类型和/或职位类型;
候选推荐人信息确定单元,用于确定与目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
优选地,推荐信息展示模块106,具体用于获取候选推荐人在预设周期内的推荐频次和推荐成功率;根据推荐频次和/或推荐成功率对候选推荐人信息进行排序并显示给用户。
优选地,还包括:技能标签更新模块,用于在获取与职位查询请求匹配的职位集合之前,接收用户的履历更新请求;根据履历更新请求更新用户的履历,并更新用户的技能标签。
优选地,职位查询请求包括职能类型,技能标签更新模块,具体包括:获取与职能类型匹配的第一职位集合;在第一职位集合中确定与用户的技能标签相匹配的职位集合。
实施例四:
相应于上面的方法实施例,本申请实施例还提供了一种信息推荐设备,下文描述的一种信息推荐设备与上文描述的一种信息推荐方法可相互对应参照。
参见图3所示,该信息推荐设备包括:
一种信息推荐设备,包括:
存储器D1,用于存储计算机程序;
处理器D2,用于执行计算机程序时实现以下步骤:
接收用户的职位查询请求;
获取与职位查询请求匹配的职位集合;
接收用户在职位集合中选择的目标职位;
获取目标职位对应的目标公司的推荐人信息集合;
在推荐人信息集合中确定与目标职位匹配的候选推荐人信息;
将候选推荐人信息排序后显示给用户;
接收用户选择的目标推荐人并生成推荐请求信息;
将推荐请求信息发送至目标推荐人,以使目标推荐人将用户推荐给目标职位对应的目标公司。
优选地,处理器D2,用于执行计算机程序时实现以下步骤:
在获取与职位查询请求匹配的职位集合之前,还包括:
接收用户的履历更新请求;
根据履历更新请求更新用户的履历,并更新用户的技能标签。
优选地,处理器D2,用于执行计算机程序时实现以下步骤:
职位查询请求包括职能类型,获取与职位查询请求匹配的职位集合,具体包括:
获取与职能类型匹配的第一职位集合;
在第一职位集合中确定与用户的技能标签相匹配的职位集合。
优选地,处理器D2,用于执行计算机程序时实现以下步骤:
推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;
在推荐人信息集合中确定与目标职位匹配的候选推荐人信息,具体包括:获取目标职位的目标职能类型和/或职位类型;
确定与目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
优选地,处理器D2,用于执行计算机程序时实现以下步骤:
将候选推荐人信息排序后显示给用户,具体包括:
获取候选推荐人在预设周期内的推荐频次和推荐成功率;
根据推荐频次和/或推荐成功率对候选推荐人信息进行排序并显示给用户。
具体的,请参考图4,图4为本实施例提供的一种信息推荐设备的具体结构示意图,该信息推荐设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)322(例如,一个或一个以上处理器)和存储器332,一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备)。其中,存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地,中央处理器322可以设置为与存储介质330通信,在信息推荐设备301上执行存储介质330中的一系列指令操作。
信息推荐设备301还可以包括一个或一个以上电源326,一个或一个以上有线或无线网络接口350,一个或一个以上输入输出接口358,和/或,一个或一个以上操作系统341。例如,Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等。
上文所描述的信息推荐方法中的步骤可以由信息推荐设备的结构实现。
实施例五:
相应于上面的方法实施例,本申请实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种信息推荐方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收用户的职位查询请求;
获取与职位查询请求匹配的职位集合;
接收用户在职位集合中选择的目标职位;
获取目标职位对应的目标公司的推荐人信息集合;
在推荐人信息集合中确定与目标职位匹配的候选推荐人信息;
将候选推荐人信息排序后显示给用户;
接收用户选择的目标推荐人并生成推荐请求信息;
将推荐请求信息发送至目标推荐人,以使目标推荐人将用户推荐给目标职位对应的目标公司。
优选地,计算机程序被处理器执行时实现以下步骤:
在获取与职位查询请求匹配的职位集合之前,还包括:
接收用户的履历更新请求;
根据履历更新请求更新用户的履历,并更新用户的技能标签。
优选地,计算机程序被处理器执行时实现以下步骤:
职位查询请求包括职能类型,获取与职位查询请求匹配的职位集合,具体包括:
获取与职能类型匹配的第一职位集合;
在第一职位集合中确定与用户的技能标签相匹配的职位集合。
优选地,计算机程序被处理器执行时实现以下步骤:
推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;
在推荐人信息集合中确定与目标职位匹配的候选推荐人信息,具体包括:获取目标职位的目标职能类型和/或职位类型;
确定与目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
优选地,计算机程序被处理器执行时实现以下步骤:
将候选推荐人信息排序后显示给用户,具体包括:
获取候选推荐人在预设周期内的推荐频次和推荐成功率;
根据推荐频次和/或推荐成功率对候选推荐人信息进行排序并显示给用户。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
Claims (8)
1.一种信息推荐方法,其特征在于,所述方法包括:
接收用户的职位查询请求;
获取与所述职位查询请求匹配的职位集合;
接收所述用户在所述职位集合中选择的目标职位;
获取所述目标职位对应的目标公司的推荐人信息集合;
在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息;
将所述候选推荐人信息排序后显示给所述用户;
接收所述用户选择的目标推荐人并生成推荐请求信息;
将所述推荐请求信息发送至目标推荐人,以使所述目标推荐人将所述用户推荐给所述目标职位对应的目标公司;
其中,所述推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;
所述在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息,具体包括:
获取所述目标职位的目标职能类型和/或职位类型;
确定与所述目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
2.根据权利要求1所述的方法,其特征在于,在所述获取与所述职位查询请求匹配的职位集合之前,所述方法还包括:
接收用户的履历更新请求;
根据所述履历更新请求更新所述用户的履历,并更新所述用户的技能标签。
3.根据权利要求2所述的方法,其特征在于,所述职位查询请求包括职能类型,所述获取与所述职位查询请求匹配的职位集合,具体包括:
获取与所述职能类型匹配的第一职位集合;
在所述第一职位集合中确定与所述用户的技能标签相匹配的职位集合。
4.根据权利要求1所述的方法,其特征在于,所述将所述候选推荐人信息排序后显示给所述用户,具体包括:
获取所述候选推荐人在预设周期内的推荐频次和推荐成功率;
根据所述推荐频次和/或推荐成功率对所述候选推荐人信息进行排序并显示给所述用户。
5.一种信息推荐装置,其特征在于,包括:
职位查询请求接收模块,用于接收用户的职位查询请求;
职位集合获取模块,用于获取与所述职位查询请求匹配的职位集合;
目标职位确定模块,用于接收所述用户在所述职位集合中选择的目标职位;
推荐人信息集合获取模块,用于获取所述目标职位对应的目标公司的推荐人信息集合;
候选推荐人信息获取模块,用于在所述推荐人信息集合中确定与所述目标职位匹配的候选推荐人信息;
推荐信息展示模块,用于将所述候选推荐人信息排序后显示给所述用户;
推荐请求信息获取模块,用于接收所述用户选择的目标推荐人并生成推荐请求信息;
信息推荐模块,用于将所述推荐请求信息发送至目标推荐人,以使所述目标推荐人将所述用户推荐给所述目标职位对应的目标公司;
其中,所述推荐人信息集合中的推荐人信息包括推荐职能类型和/或职位类型;
所述候选推荐人信息获取模块,具体包括:
职位信息获取单元,用于获取所述目标职位的目标职能类型和/或职位类型;
候选推荐人信息确定单元,用于确定与所述目标职能类型和/或职位类型匹配的推荐人信息,并确定为候选推荐人信息。
6.根据权利要求5所述的装置,其特征在于,所述推荐信息展示模块,具体用于获取所述候选推荐人在预设周期内的推荐频次和推荐成功率;根据所述推荐频次和/或推荐成功率对所述候选推荐人信息进行排序并显示给所述用户。
7.一种信息推荐设备,其特征在于,
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述信息推荐方法的步骤。
8.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述信息推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910650972.8A CN110377627B (zh) | 2019-07-18 | 2019-07-18 | 一种信息推荐方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910650972.8A CN110377627B (zh) | 2019-07-18 | 2019-07-18 | 一种信息推荐方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110377627A CN110377627A (zh) | 2019-10-25 |
CN110377627B true CN110377627B (zh) | 2023-05-30 |
Family
ID=68253888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910650972.8A Active CN110377627B (zh) | 2019-07-18 | 2019-07-18 | 一种信息推荐方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377627B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110855780B (zh) * | 2019-11-14 | 2022-08-23 | 腾讯科技(深圳)有限公司 | 基于区块链的面试评价信息共享方法、装置、设备及介质 |
CN113256246A (zh) * | 2021-05-11 | 2021-08-13 | 苏州市企淘网络科技有限公司 | 一种基于参数工业品交易平台的技术人员精准匹配系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017171167A1 (ko) * | 2016-03-31 | 2017-10-05 | 미모트리 피티이 엘티디 | 구인 및 구직 정보를 제공하기 위한 장치 및 이를 위한 방법 |
CN108073645A (zh) * | 2016-11-18 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 一种招聘平台的求职人推荐页面展示方法及装置 |
CN109559082A (zh) * | 2017-09-25 | 2019-04-02 | 邓颖莹 | 一种推荐式招聘系统及方法 |
CN110020208A (zh) * | 2019-04-17 | 2019-07-16 | 北京网聘咨询有限公司 | 职位推荐系统 |
-
2019
- 2019-07-18 CN CN201910650972.8A patent/CN110377627B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017171167A1 (ko) * | 2016-03-31 | 2017-10-05 | 미모트리 피티이 엘티디 | 구인 및 구직 정보를 제공하기 위한 장치 및 이를 위한 방법 |
CN108073645A (zh) * | 2016-11-18 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 一种招聘平台的求职人推荐页面展示方法及装置 |
CN109559082A (zh) * | 2017-09-25 | 2019-04-02 | 邓颖莹 | 一种推荐式招聘系统及方法 |
CN110020208A (zh) * | 2019-04-17 | 2019-07-16 | 北京网聘咨询有限公司 | 职位推荐系统 |
Non-Patent Citations (1)
Title |
---|
网络招聘中基于本体的双向个性化推荐框架;宋晴晴等;《情报探索》;20090115(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110377627A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9959525B2 (en) | Intelligent job matching system and method | |
US8375067B2 (en) | Intelligent job matching system and method including negative filtration | |
US20060265267A1 (en) | Intelligent job matching system and method | |
US20080147630A1 (en) | Recommender and payment methods for recruitment | |
US20090089124A1 (en) | Job placement system with profile matching | |
US20090089023A1 (en) | Model creation support system, model creation support method, and model creation support program | |
US20210073737A1 (en) | System and method for prediction of job performance | |
Heinrich et al. | Metric-based data quality assessment—Developing and evaluating a probability-based currency metric | |
Rodriguez et al. | Feature selection for job matching application using profile matching model | |
US20150112983A1 (en) | Methods and systems for ranking of human profiles | |
US20160217427A1 (en) | Systems, methods, and devices for implementing a referral processing engine | |
KR102180267B1 (ko) | O2o 기반 의류산업 내 발주자와 제작자를 연결하는 의류생산 매칭 서비스 제공 시스템 | |
CN110377627B (zh) | 一种信息推荐方法、装置、设备及可读存储介质 | |
Fabbri et al. | Employee attitudes and (digital) collaboration data: A preliminary analysis in the HRM field | |
CN105373872A (zh) | 工作发布者识别 | |
CN113362102B (zh) | 一种客户线索分发方法、系统及存储介质 | |
US20190205931A1 (en) | Content-centric digital acquisition systems and methods | |
US20230112486A1 (en) | System and method for building teams | |
US10853432B2 (en) | Methods and systems for generating search results and recommendations based on multi-sourced two-way correspondence and relative entity prominence | |
US20160217425A1 (en) | Systems, methods, and devices for implementing a referral processor | |
US20200364671A1 (en) | Automated Determination of Models for High Performers, and Automated Communications with Desirable Candidates | |
Shifat et al. | Reforming data into decisions: investigating the integrated paradigm of business intelligence (BI) | |
Yuan et al. | Practice summary: Cainiao optimizes the fulfillment routes of parcels | |
Tripathi et al. | Review of job recommender system using big data analytics | |
US10878048B2 (en) | Methods and systems for generating search results and recommendations based on multi-sourced two-way correspondence and relative entity prominence |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |