CN110619506B - 一种岗位画像生成方法、岗位画像生成装置及电子设备 - Google Patents
一种岗位画像生成方法、岗位画像生成装置及电子设备 Download PDFInfo
- Publication number
- CN110619506B CN110619506B CN201910744021.7A CN201910744021A CN110619506B CN 110619506 B CN110619506 B CN 110619506B CN 201910744021 A CN201910744021 A CN 201910744021A CN 110619506 B CN110619506 B CN 110619506B
- Authority
- CN
- China
- Prior art keywords
- post
- target
- staff
- determining
- recruited
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种岗位画像生成方法、装置、电子设备及计算机可读存储介质,其中,该方法包括:根据待招聘岗位确定目标员工,其中,目标员工包括正在及曾经就职于该待招聘岗位的员工;调用数据库接口访问预设的数据库查阅目标员工的员工档案,以获取目标员工的行为信息及用户信息;对行为信息进行语义分析,基于语义分析的结果生成与待招聘岗位相关的行为特质因子;对用户信息进行统计,基于统计结果确定与待招聘岗位相关的专业特质因子;根据行为特质因子及专业特质因子,生成待招聘岗位的岗位画像。通过本申请方案,可使得所生成的岗位画像更加客观,且节约了人力资源,一定程度上能够提高后续招聘时的招聘效率。
Description
技术领域
本申请属于数据处理技术领域,尤其涉及一种岗位画像生成方法、岗位画像生成装置、电子设备及计算机可读存储介质。
背景技术
当前,企业在进行招聘时,招聘官往往根据岗位画像及人才画像来判断应聘人员是否适合招聘岗位。现有的岗位画像通常是招聘官或者待招聘岗位的上级领导人员根据对该待招聘岗位进行了一定程度的了解后,由该招聘官或者该待招聘岗位的上级领导人员自行对该待招聘岗位进行描述后所得到的。也即是说,现有的岗位画像在生成时往往带有较为强烈的个人色彩;并且,人为对待招聘岗位进行岗位画像的描述时,往往不够客观及全面,这可能会影响到后续招聘时的招聘效率。
发明内容
有鉴于此,本申请提供了一种岗位画像生成方法、岗位画像生成装置、电子设备及计算机可读存储介质,可使得所生成的岗位画像更加客观,且节约了人力资源,一定程度上能够提高后续招聘时的招聘效率。
本申请的第一方面提供了一种岗位画像生成方法,包括:
根据待招聘岗位确定目标员工,其中,上述目标员工包括正在就职于上述待招聘岗位及曾经就职于上述待招聘岗位的员工;
调用数据库接口访问预设的数据库查阅上述目标员工的员工档案,以获取上述目标员工的行为信息及用户信息;
对上述行为信息进行语义分析,基于上述语义分析的结果生成与上述待招聘岗位相关的行为特质因子;
对上述用户信息进行统计,基于统计结果确定与上述待招聘岗位相关的专业特质因子;
根据上述行为特质因子及专业特质因子,生成上述待招聘岗位的岗位画像。
本申请的第二方面提供了一种岗位画像生成装置,包括:
目标员工确定单元,用于根据待招聘岗位确定目标员工,其中,上述目标员工包括正在就职于上述待招聘岗位及曾经就职于上述待招聘岗位的员工;
员工信息获取单元,用于调用数据库接口访问预设的数据库查阅上述目标员工的员工档案,以获取上述目标员工的行为信息及用户信息;
行为特质因子确定单元,用于对上述行为信息进行语义分析,基于上述语义分析的结果生成与上述待招聘岗位相关的行为特质因子;
专业特质因子确定单元,用于对上述用户信息进行统计,基于统计结果确定与上述待招聘岗位相关的专业特质因子;
岗位画像生成单元,用于根据上述行为特质因子及专业特质因子,生成上述待招聘岗位的岗位画像。
本申请的第三方面提供了一种电子设备,上述电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上述第一方面的方法的步骤。
本申请的第四方面提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
本申请的第五方面提供了一种计算机程序产品,上述计算机程序产品包括计算机程序,上述计算机程序被一个或多个处理器执行时实现如上述第一方面的方法的步骤。
由上可见,在本申请方案中,首先根据待招聘岗位确定目标员工,其中,上述目标员工包括正在就职于上述待招聘岗位及曾经就职于上述待招聘岗位的员工,随后调用数据库接口访问预设的数据库查阅上述目标员工的员工档案,以获取上述目标员工的行为信息及用户信息,接着对上述行为信息进行语义分析,基于上述语义分析的结果生成与上述待招聘岗位相关的行为特质因子,并上述用户信息进行统计,基于统计结果确定与上述待招聘岗位相关的专业特质因子,最后根据上述行为特质因子及专业特质因子,生成上述待招聘岗位的岗位画像。通过本申请方案,可使得所生成的岗位画像更加客观,且节约了人力资源,一定程度上能够提高后续招聘时的招聘效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的岗位画像生成方法的实现流程示意图;
图2是本申请实施例提供的岗位画像生成方法中,步骤101的具体流程示意图;
图3是本申请实施例提供的岗位画像生成方法中,步骤103的具体流程示意图;
图4是本申请实施例提供的岗位画像生成方法中,步骤104的具体流程示意图;
图5是本申请实施例提供的岗位画像生成方法的另一种实现流程示意图;
图6是本申请实施例提供的岗位画像生成装置的结构框图;
图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请上述的技术方案,下面通过具体实施例来进行说明。
实施例一
在本申请实施例中,流程的执行主体为电子设备。该电子设备包括但不限于:服务器、计算机、智能手机以及平板电脑等能够执行岗位画像生成操作的设备。图1示出了本申请实施例一提供的岗位画像生成方法的实现流程图,详述如下:
在步骤101中,根据待招聘岗位确定目标员工;
在本申请实施例中,用户可以通过电子设备登录一岗位画像生成系统,在登陆上述岗位画像生成系统后,首先由用户勾选需要生成岗位画像的待招聘岗位,随后上述岗位画像生成系统可以根据上述待招聘岗位确定目标员工,其中,上述目标员工的数量为一个以上,且上述目标员工包括正在就职于上述待招聘岗位及曾经就职于上述待招聘岗位的员工。也即是说,在本申请实施例中,可以将所有在上述待招聘岗位上工作过的员工确定为目标员工。
在步骤102中,调用数据库接口访问预设的数据库查阅上述目标员工的员工档案,以获取上述目标员工的行为信息及用户信息;
在本申请实施例中,在确定了上述目标员工后,可以调取上述目标员工的员工档案,以获取得到上述目标员工的行为信息及用户信息。实际上,即便是已离职的员工,企业一般也会保留这些员工在企业工作时的员工档案作为存档。因而,无论上述目标员工是否已离职,均可通过上述目标员工的员工档案获取到上述目标员工的行为信息及用户信息。可选地,上述员工档案一般存储于企业内部云平台的数据库中,因而此处可以通过调用预设的数据库接口实现对该预设的数据库的访问,以查阅上述目标员工的员工档案。其中,上述员工档案中包括员工简历、员工工作记录、历史考核记录等信息,此处不作限定。具体地,所获取到的目标员工的行为信息指的是基于目标员工的主动行为操作所得到的信息;所获取到的目标员工的用户信息指的是针对上述目标员工的客观描述所得到的信息。可选地,若在目标员工中存在有员工的行为信息和/或用户信息缺失,则将该员工从上述目标员工中剔除,并对本次剔除操作进行记录。
在步骤103中,对上述行为信息进行语义分析,基于上述语义分析的结果生成与上述待招聘岗位相关的行为特质因子;
在本申请实施例中,通过对行为信息进行相应分析后,从目标用户的行为信息中提取出与上述待招聘岗位相关的行为特质因子,上述行为特质因子的类别包括但不限于:待招聘岗位的基本信息、工作职责、资源要求,以及就职于待招聘岗位的员工的素质要求、特质要求。可选地,可以先对上述行为信息进行筛选,只保留上述目标用户在预设时间段内的行为信息,例如,保留上述目标用户在最近半年内的行为信息,基于上述最近半年内的行为信息确定与上述待招聘岗位相关的行为特质因子。
在步骤104中,对上述用户信息进行统计,基于统计结果确定与上述待招聘岗位相关的专业特质因子;
在本申请实施例中,由于上述用户信息是针对上述目标员工的客观描述,因而可以对上述用户信息进行统计,以得到与上述待招聘岗位相关的专业特质因子。可选地,为了基于岗位画像招聘到优秀人才,还可以在统计前对上述目标员工进行筛选,其筛选条件可以是:在目标员工中,统计历史考核最佳的若干个员工的用户信息,并基于统计结果中占比最高的用户信息确定与上述待招聘岗位相关的专业特质因子,上述专业特质因子的类别包括但不限于:就职于待招聘岗位的员工的工作年限、曾工作职位、毕业院校、已掌握技能及学历。
在步骤105中,根据上述行为特质因子及专业特质因子,生成上述待招聘岗位的岗位画像。
在本申请实施例中,可以预先设定一岗位画像模板,在得到上述行为特质因子及专业特质因子后,可以基于上述行为特质因子及专业特质因子对上述岗位画像模板进行相应补充及拓展,以得到语法正确、语句连贯的待招聘岗位的岗位画像。
具体地,图2示出了上述步骤101的具体实现流程图,详述如下:
在步骤1011中,获取正在上述待招聘岗位上就职及曾在上述待招聘岗位上就职的各个员工的历史考核记录;
在本申请实施例中,当前大多数企业针对其员工均有考核办法,例如月度考核、季度考核和/或年度考核等。基于此,可以从员工档案中调取出正在上述待招聘岗位上就职及曾在上述待招聘岗位上就职的各个员工的历史考核记录。
在步骤1012中,基于各个员工的历史考核记录,依次检测各个员工的历史考核是否达到预设的考核标准;
在本申请实施例中,上述考核标准可由上述岗位画像生成系统智能设定,或者,由登录上述岗位画像生成系统的用户自行设定,此处不作限定。可选地,在由上述岗位画像生成系统智能设定上述考核标准时,可以预先获取上述待招聘岗位的重要级别,基于上述待招聘岗位的重要级别设定上述考核标准。例如,假定一企业的对员工的考核分为四个等级,分别为A(优秀)、B(良好)、C(合格)、D(不合格),而该企业中岗位的重要级别分为三个等级,分别为极重要、重要及普通。那么针对重要等级为极重要的待招聘岗位P1来说,上述考核标准可以被设定为A,也即,只有历史考核达到了A的员工才会被确定为目标员工;而针对重要等级为普通的待招聘岗位P2来说,上述考核标准可以被设定为C,也即,只要历史考核达到了C及以上的员工均可以被确定为目标员工。可以认为,上述考核标准与上述待招聘岗位的重要程度成正相关关系,该待招聘岗位的重要程度越高,则上述考核标准越高;该待招聘岗位的重要程度越低,则上述考核标准越低。
在步骤1013中,将上述历史考核达到预设的考核标准的员工确定为目标员工。
在本申请实施例中,通过上述步骤1011至1013,可以筛选出考核成绩达标的员工,并只将这些考核成绩达标的员工作为目标员工,以避免在生成岗位画像时,工作表现不佳的员工影响到岗位画像的生成结果。
具体地,图3示出了上述步骤103的具体实现流程图,详述如下:
在步骤1031中,通过自然语言处理机制提取得到上述行为信息的关键词;
在本申请实施例中,由于员工的考核记录中通常会记录该员工在一定时间段内的工作表现,而上述工作表现显然属于员工的主动行为操作,因而可以调取上述目标员工的历史考核记录,从上述历史考核记录中截取目标员工与工作表现相关的段落作为行为信息,并对上述行为信息进行语义分析,以得到语义分析结果。具体地,可以是通过自然语言处理(Natural Language Processing,NLP)机制对上述行为信息进行分词处理及信息抽取等操作,以提取到该行为信息中的若干个关键词;可选地,在进行关键词提取时,可以提取上述行为信息中与待招聘岗位的基本信息、工作职责、资源要求以及就职于待招聘岗位的员工的素质要求、特质要求等相关的关键词。
在步骤1032中,针对任一关键词,计算上述关键词与其它各个关键词的相似度;
在本申请实施例中,考虑到所提取出的多个关键词中,很可能存在语义相近的关键词,例如,“工作努力”与“工作勤奋”的语义相接近;因而在此处,可以计算关键词两两之间在语义上的相似度。具体地,此处可以通过深度语义模型(Deep Structured Sematicmodels,DSSM)或者其它语义模型计算两个关键词之间的相似度,此处不作限定。
在步骤1033中,将相似度大于预设的相似度阈值的两个关键词确定为同义关键词;
在本申请实施例中,可以预先设定一相似度阈值作为评判两个关键词是否语义相近的标准,其中,当两个关键词之间的相似度大于预设的相似度阈值时,认为这两个关键词的语义较为接近,此时可以将二者确定为同义关键词;进一步地,若两组同义关键词中存在相同的关键词,例如,若通过上述步骤1033,发现关键词1与关键词2为同义关键词;又通过上述步骤1033,发现关键词1与关键词3也为同义关键词,则可以对其进行合并处理,确定关键词1、关键词2与关键词3属于一组同义关键词。
在步骤1034中,统计各组同义关键词在上述行为信息中的出现频次;
在本申请实施例中,考虑到上述行为信息具体是从多个目标员工的员工档案中所获取到的,因而,上述行为信息实际为多个目标员工的行为信息的集合。基于此,此处需要考虑这些目标员工的共有特质,可以以一组同义关键词为单位,统计该组同义关键词在上述行为信息中的出现频次。例如,针对关键词1、关键词2与关键词3这一组同义关键词,分别统计关键词1、关键词2与关键词3在上述行为信息中的出现频次,并将其出现频次的总和作为这一组同义关键词的出现频次。
在步骤1035中,若上述出现频次高于预设频次,则基于上述同义关键词生成行为特质因子。
在本申请实施例中,当某一组同义关键词在上述行为信息中的出现频次高于预设频次时,认为上述同义关键词所表述的是这些目标员工的共有特质,因而可以基于上述同义关键词生成行为特质因子。例如,可以是随机提取出该组同义关键词中的任一关键词作为行为特质因子。
可选地,还可以通过对目标员工进行行为跟踪的方式生成行为特质因子。例如,通过针对目标员工中仍在上述待招聘岗位上就职的员工来说,可以监控这些员工的工作电脑,以获取电脑中各应用程序的使用频率,根据上述使用频率确定员工所掌握的工作技能,基于该工作技能生成特质因子;或者获取这些员工所查阅或编辑的各个文档(包括Word、Excel、PowerPoint等文档)的基本内容,根据上述基本内容确定上述待招聘岗位的资源要求,基于该资源要求生成行为特质因子;或者获取员工的工作日程表,以调取员工在预设时间段内所参与会议的会议记录,并从上述会议记录中获取员工在预设时间段内的工作任务及工作内容等,根据上述工作任务及工作内容确定上述待招聘岗位的工作职责等,基于该工作职责生成行为特质因子,此处不作限定。
具体地,图4示出了本申请实施例中提供的岗位画像生成方法中,步骤104的具体实现流程图,详述如下:
在步骤1041中,确定一个以上待统计的评判维度;
在本申请实施例中,在获得目标员工的用户信息后,上述已登录的岗位画像生成系统可以接收用户的输入,以确定用于评价上述用户信息的一个以上待统计的评判维度。上述评判维度包括但不限于工作年限、曾工作职位、毕业院校以及已掌握技能等。根据获取到的目标员工的用户信息,基于评判维度对上述用户信息进行初步分类,以获取到若干条与工作年限相关的用户信息、若干条与曾工作职位相关的用户信息、若干条与毕业院校相关的用户信息及若干条与已掌握技能相关的用户信息。例如,如果待招聘岗位较为看重员工的毕业院校及工作年限,则可以确定该待招聘岗位的评判维度为毕业院校及工作年限。
在步骤1042中,在任一评判维度下:确定上述评判维度的两个以上类别;
在本申请实施例中,每一个评判维度下都可以再细分为若干个类别,例如,可以将工作年限划分为3年以下、3年-5年及5年以上等若干个类别。
在步骤1043中,针对任一目标员工的用户信息,在上述用户信息中确定属于上述评判维度的子用户信息;
在本申请实施例中,针对任一目标员工来说,可以在该目标员工的用户信息中查找到与上述评判维度相关的信息,即可将该条信息确定为属于上述评判维度的子用户信息。例如,假定待招聘岗位为高级算法工程师,目标员工A的用户信息的一段落中指明了“员工A于2010年至2014年在a公司担任算法工程师;于2014年至今在本公司担任高级算法工程师”,则可以将该段落从目标员工A的用户信息中抽取出来,作为“工作年限”这一评判维度的子用户信息。
在步骤1044中,对属于上述评判维度的各个子用户信息进行分类,以确定各个子用户信息在上述评判维度下的所属类别;
在本申请实施例中,基于该评判维度的已确定的两个以上类别,对属于上述评判维度的各个子用户信息进行分类,以确定各个子用户信息在上述评判维度下的所属类别。例如,在“工作年限”这一评判维度的下,存在有一子用户信息为“员工A于2010年至2014年在a公司担任算法工程师;于2014年至今在本公司担任高级算法工程师”,可以分析确定该员工A与该待招聘岗位的相关的工作年限是8年,也即,该条子用户信息属于“工作年限”这一评判维度的下的“5年以上”这一类别。同样地,以类似的方式确定其它各条子用户信息在上述评判维度下所属的类别,并等待后续统计处理。
在步骤1045中,分别统计上述评判维度下的各个类别所包含的子用户信息的数量;
在本申请实施例中,统计上述评判维度下的各个类别的比重,具体为统计上述评判维度下的各个类别所包含的子用户信息的数量,以得到目标用户的共有特质。例如,针对“工作年限”这一评判维度,分别统计“3年以下”这一类别中的子用户信息的数量、“3年-5年”这一类别中的子用户信息的数量及“5年以上”这一类别中的子用户信息的数量。
在步骤1046中,将包含的子用户信息的数量最多的类别确定为上述评判维度的目标类别;
在本申请实施例中,下面以具体示例对上述目标用户信息的确定过程作出说明:假定在10个目标员工中,针对工作年限在这一评判维度,分析发现工作年限为5年以上的员工有5个、工作年限为3年至5年的员工有3个、工作年限为3年以下的员工有2个,则认为在工作年限这一评判维度下,包含子用户信息的数量最多的类别为“5年以上”,将该类别作为工作年限这一评判维度下的目标类别。再例如,针对毕业院校这一评判维度,毕业院校为211/985院校的员工有6个、毕业院校为普通一本院校的员工有2个、毕业院校为普通二本院校的员工有2个,则认为在毕业院校这一评判维度下,包含子用户信息的数量最多的类别为“211/985院校”,将该类别作为毕业院校这一评判维度下的目标类别。
在步骤1047中,基于各个评判维度下的目标类别生成专业特质因子。
在本申请实施例中,可以认为通过上述步骤1031至步骤1035所生成的行为特质因子为上述待招聘岗位的岗位画像的主观因子;通过上述步骤1041至步骤1047所生成的专业特质因子为上述待招聘岗位的岗位画像的客观因子。因而基于上述行为特质因子及专业特质因子,可以生成较为全面的岗位画像。
由上可见,通过本申请实施例,用户在登陆岗位画像生成系统并确定所要生成岗位画像的待招聘岗位后,上述岗位画像生成系统即可自动获取与待招聘岗位所直接相关的目标员工的行为信息及用户信息,基于这些目标员工的行为信息及用户信息进行数据分析后可智能生成上述待招聘岗位的岗位画像。在生成岗位画像的过程中,一定程度上减少了人为干扰,使得生成的岗位画像更为客观准确;同时,由于对目标用户的分析涉及到了多个维度,使得所生成的岗位画像也有多个维度,一定程度上能够提高后续招聘时的招聘效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例二
在上述实施例一的基础上,图5示出了本申请实施例二提供的岗位画像生成方法的另一种实现流程图,详述如下:
在步骤501中,根据待招聘岗位确定目标员工,其中,上述目标员工包括正在就职于上述待招聘岗位及曾经就职于上述待招聘岗位的员工;
在步骤502中,调用数据库接口访问预设的数据库查阅上述目标员工的员工档案,以获取上述目标员工的行为信息及用户信息;
在步骤503中,对上述行为信息进行语义分析,基于上述语义分析的结果生成与上述待招聘岗位相关的行为特质因子;
在步骤504中,对上述用户信息进行统计,基于统计结果确定与上述待招聘岗位相关的专业特质因子;
在步骤505中,根据所述行为特质因子及专业特质因子,生成所述待招聘岗位的岗位画像;
在本申请实施例中,上述步骤501、502、503、504及505分别与上述步骤101、102、103、104及105相同或相似,具体可参见上述步骤101、102、103、104及105的相关描述,在此不再赘述。
在步骤506中,确定上述待招聘岗位的关联岗位;
在步骤507中,向关联员工推送上述岗位画像,其中,上述关联员工为正在就职于上述关联岗位的员工;
在本申请实施例中,上述关联岗位包括但不限于该待招聘岗位的直属主管岗位、同部门其它岗位及资深人事招聘岗位。那么相应地,上述关联员工可以是上述待招聘岗位的直属主管、同部门同事及资深人事员工;在推送时,可以是向上述关联员工的邮箱推送上述岗位画像,或者,直接向岗位画像生成系统中上述关联员工的帐户推送上述岗位画像,此处不作限定。
在步骤508中,若接收到上述关联员工的反馈信息,则基于上述反馈信息对上述岗位画像进行调整。
在本申请实施例中,上述关联员工可以登陆上述岗位画像生成系统,以在线查看接收到的岗位画像。具体地,针对上述待招聘岗位的同部门同事,可以对上述岗位画像中有异议的地方进行高亮标记,并在上述岗位画像生成系统中进行批注或备注等;该待招聘岗位的直属主管或资深人事员工则可在上述岗位画像生成系统中直接对上述岗位画像进行编辑,或者在岗位画像生成系统中增删该待招聘岗位的行为特质因子和/或专业特质因子来避免上述岗位画像中不准确的描述,使得上述待招聘岗位的岗位画像更加准确。
可选地,上述待招聘岗位的直属主管或资深人事员工还可在上述岗位画像生成系统中新增自定义因子类别:通常来说,上述行为特质因子及专业特质因子中默认包含上述待招聘岗位的基本信息、工作职责、专业要求、素质要求、特质要求、资源要求、就职于待招聘岗位的员工的工作年限、曾工作职位、毕业院校、已掌握技能及学历等各个因子类别,如果该待招聘岗位的直属主管或资深人事员工认为该岗位画像生成系统中所提取出的因子类别有所不足,则可再自定义新的因子类别,使得所生成的岗位画像更加全面。同时,上述新增的自定义因子类别可以被保存在服务器中,与该待招聘岗位相关联;后续如果需要再对该待招聘岗位生成岗位画像时,也能从服务器中读取到本次由待招聘岗位的直属主管或资深人事员工所新增的自定义因子类别,且该自定义因子类别不会影响其他岗位的因子类别。
可选地,上述步骤508具体包括:
A1、若接收到上述关联员工的反馈信息,则确定提出上述反馈信息的关联员工的数量;
A2、基于预设的权重数据及提出上述反馈信息的关联员工的数量,对上述反馈信息进行评分;
A3、检测上述反馈信息的评分是否高于预设的评分阈值;
A4、若上述反馈信息的评分高于上述评分阈值,则基于上述反馈信息对上述岗位画像进行调整。
其中,上述关联员工中,对上述待招聘岗位的影响程度是不相同的。例如,该待招聘岗位的直属主管显然对该待招聘岗位最有发言权,因而,直属主管所提出的反馈信息的权重为X1;而资深人事员工作为招聘专业人员,其发言权也较大,所提出的反馈信息的权重为X2;同部门同事的发言权最小,所提出的反馈信息的权重为X3;上述X1>X2>X3,且上述X1+X2+X3=1;当然,也可以以其它方式划分关联员工的所属群体,此处不作限定。通过上述分配的权重,以及一个群体中提出上述反馈信息的关联员工的数量,对上述反馈信息进行评分,具体为:
score=X1*x1+X2*x2+…+Xn*xn
其中,Xn为提出反馈信息的关联用户所在群体的权重信息,xn为该群体中提出上述反馈信息的人数,以此计算出每一反馈信息的权重评分值。例如,若有1位直属主管、2位资深人事员工和3位同部门同事均提出了新增因子Factor1的反馈信息,且直属主管所提出的反馈信息的权重X1为0.5,资深HR所提出的反馈信息的权重X2为0.3,同部门同事所提出的反馈信息的权重X3为0.2,则上述新增因子Factor1这一反馈信息的评分为1*0.5+2*0.3+3*0.2,也即该新增因子Factor1的评分为1.7。又假定评分阈值为1.5,则可以确认该新增因子Factor1的评分已超过上述评分阈值,可以接受该新增因子,并基于该新增因子得到新的岗位画像。
具体地,考虑到反馈信息可能包括对岗位画像的新增、删减及替换,因而,在基于上述反馈信息生成新的岗位画像时,可以首先获取上述反馈信息所指示的操作,上述操作包括新增操作、删减操作或替换操作;若上述反馈信息所指示的为新增操作,则基于上述反馈信息生成描述语段,并将上述描述语段插入上述岗位画像,以得到新的岗位画像;若上述反馈信息所指示的为删减操作,则确定上述反馈信息所指向的上述岗位画像的待删除语段,并将上述待删除语段从上述岗位画像中删除,以得到新的岗位画像;若上述反馈信息所指示的为替换操作,则确定上述反馈信息所指向的上述岗位画像的待替换语段,并基于上述反馈信息生成描述语段,以上述描述语段覆盖上述待替换语段,以得到新的岗位画像。
由上可见,通过本申请实施例,用户在登陆岗位画像生成系统并确定所要生成岗位画像的待招聘岗位后,上述岗位画像生成系统即可自动获取与待招聘岗位所直接相关的目标员工的行为信息及用户信息,基于这些目标员工的行为信息及用户信息进行数据分析后可智能生成上述待招聘岗位的岗位画像。在生成岗位画像的过程中,一定程度上减少了人为干扰,使得生成的岗位画像更为客观准确;同时,由于对目标用户的分析涉及到了多个评判维度,使得所生成的岗位画像也更加丰富,一定程度上能够提高后续招聘时的招聘效率。进一步地,在岗位画像生成后,还可以基于关联员工的反馈信息对已生成的岗位画像进行调整及更新,使得该待招聘岗位的岗位画像更加准确。并且,在针对已生成的岗位画像进行调整及更新时,加入了权重考虑,避免了接受不准确的反馈信息。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
实施例三
本申请实施例三提供了一种岗位画像生成装置,上述岗位画像生成装置可集成于电子设备中,如图6所示,本申请实施例中的岗位画像生成装置600包括:
目标员工确定单元601,用于根据待招聘岗位确定目标员工,其中,上述目标员工包括正在就职于上述待招聘岗位及曾经就职于上述待招聘岗位的员工;
员工信息获取单元602,用于调用数据库接口访问预设的数据库查阅上述目标员工的员工档案,以获取上述目标员工的行为信息及用户信息;
行为特质因子确定单元603,用于对上述行为信息进行语义分析,基于上述语义分析的结果生成与上述待招聘岗位相关的行为特质因子;
专业特质因子确定单元604,用于对上述用户信息进行统计,基于统计结果确定与上述待招聘岗位相关的专业特质因子;
岗位画像生成单元605,用于根据上述行为特质因子及专业特质因子,生成上述待招聘岗位的岗位画像。
可选地,上述目标员工确定单元601包括:
记录获取子单元,用于获取正在上述待招聘岗位上就职及曾在上述待招聘岗位上就职的各个员工的历史考核记录;
考核检测子单元,用于基于各个员工的历史考核记录,依次检测各个员工的历史考核是否达到预设的考核标准;
目标确定子单元,用于将上述历史考核达到预设的考核标准的员工确定为目标员工。
可选地,上述行为特质因子确定单元603包括:
关键词提取子单元,用于通过自然语言处理机制提取得到上述行为信息的关键词;
相似度计算子单元,用于针对任一关键词,计算上述关键词与其它各个关键词的相似度;
同义关键词确定子单元,用于将相似度大于预设的相似度阈值的两个关键词确定为同义关键词;
出现频次统计子单元,用于统计各组同义关键词在上述行为信息中的出现频次;
行为特征因子生成子单元,用于若上述出现频次高于预设频次,则基于上述同义关键词生成行为特质因子。
可选地,上述专业特质因子确定单元604包括:
评判维度确定子单元,用于确定一个以上待统计的评判维度;
类别确定子单元,用于在任一评判维度下确定上述评判维度的两个以上类别;
子用户信息确定子单元,用于针对任一目标员工的用户信息,在上述用户信息中确定属于上述评判维度的子用户信息;
子用户信息分类子单元,对属于上述评判维度的各个子用户信息进行分类,以确定各个子用户信息在上述评判维度下的所属类别;
子用户信息统计子单元,分别统计上述评判维度下的各个类别所包含的子用户信息的数量;
目标类别确定子单元,用于将包含的子用户信息的数量最多的类别确定为上述评判维度的目标类别;
专业特质因子生成子单元,用于基于各个评判维度下的目标类别生成专业特质因子。
可选地,上述岗位画像生成装置600还包括:
关联岗位确定单元,用于在上述生成上述待招聘岗位的岗位画像之后,确定上述待招聘岗位的关联岗位;
岗位画像推送单元,用于向关联员工推送上述岗位画像,其中,上述关联员工为正在就职于上述关联岗位的员工;
岗位画像调整单元,用于若接收到上述关联员工的反馈信息,则基于上述反馈信息对上述岗位画像进行调整。
可选地,上述岗位画像调整单元包括:
数量确定子单元,用于确定提出上述反馈信息的关联员工的数量;
信息评分子单元,用于基于预设的权重数据及提出上述反馈信息的关联员工的数量,对上述反馈信息进行评分;
评分检测子单元,用于检测上述反馈信息的评分是否高于预设的评分阈值;
画像调整子单元,用于若上述反馈信息的评分高于上述评分阈值,则基于上述反馈信息生成新的岗位画像。
由上可见,通过本申请实施例,上述岗位画像生成装置在确定所要生成岗位画像的待招聘岗位后,即可自动获取与待招聘岗位所直接相关的目标员工的行为信息及用户信息,基于这些目标员工的行为信息及用户信息进行数据分析后可智能生成上述待招聘岗位的岗位画像。在生成岗位画像的过程中,一定程度上减少了人为干扰,使得生成的岗位画像更为客观准确;同时,由于对目标用户的分析涉及到了多个评判维度,使得所生成的岗位画像更加丰富,一定程度上能够提高后续招聘时的招聘效率。进一步地,在岗位画像生成后,上述岗位画像生成装置还可以基于关联员工的反馈信息对已生成的岗位画像进行调整及更新,使得该待招聘岗位的岗位画像更加准确。并且,在针对已生成的岗位画像进行调整及更新时,加入了权重考虑,避免了接受不准确的反馈信息。
实施例四
本申请实施例四提供了一种电子设备,请参阅图7,本申请实施例中的电子设备7包括:存储器701,一个或多个处理器702(图3中仅示出一个)及存储在存储器701上并可在处理器上运行的计算机程序。其中:存储器701用于存储软件程序以及模块,处理器702通过运行存储在存储器701的软件程序以及单元,从而执行各种功能应用以及数据处理,以获取上述预设事件对应的资源。具体地,处理器702通过运行存储在存储器701的上述计算机程序时实现以下步骤:
根据待招聘岗位确定目标员工,其中,上述目标员工包括正在就职于上述待招聘岗位及曾经就职于上述待招聘岗位的员工;
调用数据库接口访问预设的数据库查阅上述目标员工的员工档案,以获取上述目标员工的行为信息及用户信息;
对上述行为信息进行语义分析,基于上述语义分析的结果生成与上述待招聘岗位相关的行为特质因子;
对上述用户信息进行统计,基于统计结果确定与上述待招聘岗位相关的专业特质因子;
根据上述行为特质因子及专业特质因子,生成上述待招聘岗位的岗位画像。
假设上述为第一种可能的实施方式,则在第一种可能的实施方式作为基础而提供的第二种可能的实施方式中,上述根据待招聘岗位确定目标员工,包括:
获取正在上述待招聘岗位上就职及曾在上述待招聘岗位上就职的各个员工的历史考核记录;
基于各个员工的历史考核记录,依次检测各个员工的历史考核是否达到预设的考核标准;
将上述历史考核达到预设的考核标准的员工确定为目标员工。
在上述第一种可能的实施方式作为基础而提供的第三种可能的实施方式中,上述对上述行为信息进行语义分析,基于上述语义分析的结果生成与上述待招聘岗位相关的行为特质因子,包括:
通过自然语言处理机制提取得到上述行为信息的关键词;
针对任一关键词,计算上述关键词与其它各个关键词的相似度;
将相似度大于预设的相似度阈值的两个关键词确定为同义关键词;
统计各组同义关键词在上述行为信息中的出现频次;
若上述出现频次高于预设频次,则基于上述同义关键词生成行为特质因子。
在上述第一种可能的实施方式作为基础而提供的第四种可能的实施方式中,上述对上述用户信息进行统计,基于统计结果确定与上述待招聘岗位相关的专业特质因子,包括:
确定一个以上待统计的评判维度;
在任一评判维度下:
确定上述评判维度的两个以上类别;
针对任一目标员工的用户信息,在上述用户信息中确定属于上述评判维度的子用户信息;
对属于上述评判维度的各个子用户信息进行分类,以确定各个子用户信息在上述评判维度下的所属类别;
分别统计上述评判维度下的各个类别所包含的子用户信息的数量;
将包含的子用户信息的数量最多的类别确定为上述评判维度的目标类别;
基于各个评判维度下的目标类别生成专业特质因子。
在上述第一种可能的实施方式作为基础,或者上述第二种可能的实施方式作为基础,或者上述第三种可能的实施方式作为基础,或者上述第四种可能的实施方式作为基础而提供的第五种可能的实施方式中,在上述生成上述待招聘岗位的岗位画像之后,处理器702通过运行存储在存储器701的上述计算机程序时实现以下步骤:
确定上述待招聘岗位的关联岗位;
向关联员工推送上述岗位画像,其中,上述关联员工为正在就职于上述关联岗位的员工;
若接收到上述关联员工的反馈信息,则基于上述反馈信息对上述岗位画像进行调整。
在上述第五种可能的实施方式作为基础而提供的第六种可能的实施方式中,上述若接收到上述关联员工的反馈信息,则基于上述反馈信息对上述岗位画像进行调整,包括:
确定提出上述反馈信息的关联员工的数量;
基于预设的权重数据及提出上述反馈信息的关联员工的数量,对上述反馈信息进行评分;
检测上述反馈信息的评分是否高于预设的评分阈值;
若上述反馈信息的评分高于上述评分阈值,则基于上述反馈信息生成新的岗位画像。
应当理解,在本申请实施例中,所称处理器702可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器701可以包括只读存储器和随机存取存储器,并向处理器702提供指令和数据。存储器701的一部分或全部还可以包括非易失性随机存取存储器。例如,存储器701还可以存储设备类型的信息。
由上可见,通过本申请实施例,上述电子设备在确定所要生成岗位画像的待招聘岗位后,即可自动获取与待招聘岗位所直接相关的目标员工的行为信息及用户信息,基于这些目标员工的行为信息及用户信息进行数据分析后可智能生成上述待招聘岗位的岗位画像。在生成岗位画像的过程中,一定程度上减少了人为干扰,使得生成的岗位画像更为客观准确;同时,由于对目标用户的分析涉及到了多个评判维度,使得所生成的岗位画像也更加丰富,一定程度上能够提高后续招聘时的招聘效率。进一步地,在岗位画像生成后,上述岗位画像生成装置还可以基于关联员工的反馈信息对已生成的岗位画像进行调整及更新,使得该待招聘岗位的岗位画像更加准确。并且,在针对已生成的岗位画像进行调整及更新时,加入了权重考虑,避免了接受不准确的反馈信息。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,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、或者外部设备软件和电子硬件的结合来实现。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。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读存储介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机可读存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括是电载波信号和电信信号。
以上上述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种岗位画像生成方法,其特征在于,包括:
根据待招聘岗位确定目标员工,其中,所述目标员工包括正在就职于所述待招聘岗位及曾经就职于所述待招聘岗位的员工;
调用数据库接口访问预设的数据库查阅所述目标员工的员工档案,以获取所述目标员工的行为信息及用户信息;
对所述行为信息进行语义分析,基于所述语义分析的结果生成与所述待招聘岗位相关的行为特质因子;
对所述用户信息进行统计,基于统计结果确定与所述待招聘岗位相关的专业特质因子;
根据所述行为特质因子及专业特质因子,生成所述待招聘岗位的岗位画像。
2.如权利要求1所述的岗位画像生成方法,其特征在于,所述根据待招聘岗位确定目标员工,包括:
获取正在所述待招聘岗位上就职及曾在所述待招聘岗位上就职的各个员工的历史考核记录;
基于各个员工的历史考核记录,依次检测各个员工的历史考核是否达到预设的考核标准;
将所述历史考核达到预设的考核标准的员工确定为目标员工。
3.如权利要求1所述的岗位画像生成方法,其特征在于,所述对所述行为信息进行语义分析,基于所述语义分析的结果生成与所述待招聘岗位相关的行为特质因子,包括:
通过自然语言处理机制提取得到所述行为信息的关键词;
针对任一关键词,计算所述关键词与其它各个关键词的相似度;
将相似度大于预设的相似度阈值的两个关键词确定为同义关键词;
统计各组同义关键词在所述行为信息中的出现频次;
若所述出现频次高于预设频次,则基于所述同义关键词生成行为特质因子。
4.如权利要求1所述的岗位画像生成方法,其特征在于,所述对所述用户信息进行统计,基于统计结果确定与所述待招聘岗位相关的专业特质因子,包括:
确定一个以上待统计的评判维度;
在任一评判维度下:
确定所述评判维度的两个以上类别;
针对任一目标员工的用户信息,在所述用户信息中确定属于所述评判维度的子用户信息;
对属于所述评判维度的各个子用户信息进行分类,以确定各个子用户信息在所述评判维度下的所属类别;
分别统计所述评判维度下的各个类别所包含的子用户信息的数量;
将包含的子用户信息的数量最多的类别确定为所述评判维度的目标类别;
基于各个评判维度下的目标类别生成专业特质因子。
5.如权利要求1至4任一项所述的岗位画像生成方法,其特征在于,在所述生成所述待招聘岗位的岗位画像之后,所述岗位画像生成方法还包括:
确定所述待招聘岗位的关联岗位;
向关联员工推送所述岗位画像,其中,所述关联员工为正在就职于所述关联岗位的员工;
若接收到所述关联员工的反馈信息,则基于所述反馈信息对所述岗位画像进行调整。
6.如权利要求5所述的岗位画像生成方法,其特征在于,所述若接收到所述关联员工的反馈信息,则基于所述反馈信息对所述岗位画像进行调整,包括:
确定提出所述反馈信息的关联员工的数量;
基于预设的权重数据及提出所述反馈信息的关联员工的数量,对所述反馈信息进行评分;
检测所述反馈信息的评分是否高于预设的评分阈值;
若所述反馈信息的评分高于所述评分阈值,则基于所述反馈信息生成新的岗位画像。
7.一种岗位画像生成装置,其特征在于,包括:
目标员工确定单元,用于根据待招聘岗位确定目标员工,其中,所述目标员工包括正在就职于所述待招聘岗位及曾经就职于所述待招聘岗位的员工;
员工信息获取单元,用于调用数据库接口访问预设的数据库查阅所述目标员工的员工档案,以获取所述目标员工的行为信息及用户信息;
行为特质因子确定单元,用于对所述行为信息进行语义分析,基于所述语义分析的结果生成与所述待招聘岗位相关的行为特质因子;
专业特质因子确定单元,用于对所述用户信息进行统计,基于统计结果确定与所述待招聘岗位相关的专业特质因子;
岗位画像生成单元,用于根据所述行为特质因子及专业特质因子,生成所述待招聘岗位的岗位画像。
8.如权利要求7所述的岗位画像生成装置,其特征在于,所述目标员工确定单元包括:
记录获取子单元,用于获取正在所述待招聘岗位上就职及曾在所述待招聘岗位上就职的各个员工的历史考核记录;
考核检测子单元,用于基于各个员工的历史考核记录,依次检测各个员工的历史考核是否达到预设的考核标准;
目标确定子单元,用于将所述历史考核达到预设的考核标准的员工确定为目标员工。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910744021.7A CN110619506B (zh) | 2019-08-13 | 2019-08-13 | 一种岗位画像生成方法、岗位画像生成装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910744021.7A CN110619506B (zh) | 2019-08-13 | 2019-08-13 | 一种岗位画像生成方法、岗位画像生成装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110619506A CN110619506A (zh) | 2019-12-27 |
CN110619506B true CN110619506B (zh) | 2023-05-26 |
Family
ID=68921831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910744021.7A Active CN110619506B (zh) | 2019-08-13 | 2019-08-13 | 一种岗位画像生成方法、岗位画像生成装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619506B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111652767B (zh) * | 2020-05-21 | 2021-12-31 | 上海松鼠课堂人工智能科技有限公司 | 用户画像构建方法、装置、计算机设备和存储介质 |
CN111967707A (zh) * | 2020-06-30 | 2020-11-20 | 江连鑫 | 一种基于大数据分析的人力资源测评系统 |
CN111931107B (zh) * | 2020-07-31 | 2024-03-22 | 博泰车联网科技(上海)股份有限公司 | 数字公民体系构建方法、系统及存储介质 |
CN112001609A (zh) * | 2020-08-12 | 2020-11-27 | 浙江华为通信技术有限公司 | 一种职业培训评价系统及其方法 |
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 |
CN112330273B (zh) * | 2020-10-30 | 2023-08-25 | 中国平安人寿保险股份有限公司 | 离职人员兼职招募方法、装置、计算机设备及可读存储介质 |
CN112765208A (zh) * | 2021-01-12 | 2021-05-07 | 云南电网有限责任公司电力科学研究院 | 输电线路巡维任务的调度方法、系统、设备和存储介质 |
CN113313470B (zh) * | 2021-06-10 | 2023-06-09 | 郑州科技学院 | 一种基于大数据的就业类型评估方法及系统 |
CN113408930B (zh) * | 2021-06-30 | 2023-02-07 | 中国农业银行股份有限公司顺德分行 | 基于员工服务系统的员工行为分析方法、系统及存储介质 |
US11977653B2 (en) * | 2022-03-07 | 2024-05-07 | Recolabs Ltd. | Systems and methods for securing files and/or records related to a business process |
CN116993312A (zh) * | 2023-06-02 | 2023-11-03 | 广州红海云计算股份有限公司 | 人力资源管理方法及系统 |
CN117350584A (zh) * | 2023-10-09 | 2024-01-05 | 江苏财经职业技术学院 | 一种基于大数据的人力资源信息存储管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512864A (zh) * | 2016-01-28 | 2016-04-20 | 丁沂 | 一种基于互联网的岗位职业能力需求的自动获取方法 |
CN105608477A (zh) * | 2016-03-01 | 2016-05-25 | 吕云 | 一种人物画像与职位匹配的方法及系统 |
CN109886641A (zh) * | 2019-01-24 | 2019-06-14 | 平安科技(深圳)有限公司 | 一种岗位画像设置方法、岗位画像设置装置及终端设备 |
-
2019
- 2019-08-13 CN CN201910744021.7A patent/CN110619506B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512864A (zh) * | 2016-01-28 | 2016-04-20 | 丁沂 | 一种基于互联网的岗位职业能力需求的自动获取方法 |
CN105608477A (zh) * | 2016-03-01 | 2016-05-25 | 吕云 | 一种人物画像与职位匹配的方法及系统 |
CN109886641A (zh) * | 2019-01-24 | 2019-06-14 | 平安科技(深圳)有限公司 | 一种岗位画像设置方法、岗位画像设置装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110619506A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619506B (zh) | 一种岗位画像生成方法、岗位画像生成装置及电子设备 | |
US11372894B2 (en) | Associating product with document using document linkage data | |
CN109783632A (zh) | 客服信息推送方法、装置、计算机设备及存储介质 | |
CN110119877B (zh) | 一种目标员工的选取方法及设备 | |
CN109710766B (zh) | 一种工单数据的投诉倾向分析预警方法及装置 | |
CN110069776B (zh) | 客户满意度评估方法及装置、计算机可读存储介质 | |
US11804216B2 (en) | Generating training datasets for a supervised learning topic model from outputs of a discovery topic model | |
CN116541752B (zh) | 元数据管理方法、装置、计算机设备及存储介质 | |
WO2017071474A1 (zh) | 一种语料处理方法和装置及语料分析方法和装置 | |
CN111309864A (zh) | 一种微博热点话题的用户群体情感倾向迁移动态分析方法 | |
CN111222837A (zh) | 智能化面试的方法、系统、设备及计算机存储介质 | |
WO2021231358A1 (en) | Systems and methods for machine learning to analyze student profiles | |
CN116204714A (zh) | 推荐方法、装置、电子设备及存储介质 | |
CN113420946B (zh) | 一种新闻媒体的评价方法 | |
CN113191922A (zh) | 诉讼决策信息请求处理方法及装置 | |
CN111145053A (zh) | 基于人工智能的企业法律顾问管理系统及方法 | |
US20220147898A1 (en) | Unified system to retrieve and display law firm analytic data in response to natural language queries | |
US20190370753A1 (en) | Intelligent Timesheet | |
WO2021073258A1 (zh) | 基于情绪分析的任务跟催方法、装置、设备及存储介质 | |
CN115080732A (zh) | 投诉工单处理方法、装置、电子设备和存储介质 | |
CN111125319A (zh) | 一种企业基础法律智能咨询终端、系统及方法 | |
CN109815212A (zh) | 一种智能数据库构建方法、装置及系统 | |
CN116069938B (zh) | 一种文本关联性分析方法 | |
CN111798217B (zh) | 数据分析系统及方法 | |
CN116308545B (zh) | 一种结合用户行为的广告在线动态推送方法 |
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 |