CN111026944B - 一种信息处理的方法、装置、介质和电子设备 - Google Patents

一种信息处理的方法、装置、介质和电子设备 Download PDF

Info

Publication number
CN111026944B
CN111026944B CN201911142376.5A CN201911142376A CN111026944B CN 111026944 B CN111026944 B CN 111026944B CN 201911142376 A CN201911142376 A CN 201911142376A CN 111026944 B CN111026944 B CN 111026944B
Authority
CN
China
Prior art keywords
information
tree
matched
demand information
subtree
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
Application number
CN201911142376.5A
Other languages
English (en)
Other versions
CN111026944A (zh
Inventor
张航
李垚男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201911142376.5A priority Critical patent/CN111026944B/zh
Publication of CN111026944A publication Critical patent/CN111026944A/zh
Application granted granted Critical
Publication of CN111026944B publication Critical patent/CN111026944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种信息处理的方法、装置、介质和电子设备。所述方法包括：获取总需求信息集和多个待匹配信息集；基于所述总需求信息集生成总需求信息树；其中，所述总需求信息树的每个父节点及其子树表示第一需求信息子树；依次将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值。本公开基于技能树对多层信息进行相似度计算，提高了相似度计算的广度和深度。同时，利用最大权重匹配的二分图实现面试资源分配策略，提高了整体面试双方技能契合度，保证整体面试质量。从而减少了大规模面试的负面反馈，增加了平均面试时长。

Description

一种信息处理的方法、装置、介质和电子设备
技术领域
本公开涉及计算机技术领域，具体而言，涉及一种信息处理的方法、装置、介质和电子设备。
背景技术
对于大型企业的人事部门来说，每年都面临着在短时间内筛选和面试大量应聘人员的繁重工作。特别是每年的校园招聘，面临校园分布地域广，校园众多，学生数量庞大。对企业的人事部门是一个巨大的挑战。
招聘实际上就是对每位应聘者的职业技能进行考察，从中查找到符合用人单位岗位需求的人员。
当前，职业技能的匹配度的计算方法是直接将岗位技能集合与应聘者技能集合进行Jaccard相似度计算获取匹配度，从而区分不同应聘者。但是，由于Jaccard相似度计算无法体现职业技能间的层次关系，无法提供进一步的应聘者的区分度，因此，无法达到精细化的匹配级别。例如，用人单位岗位需求是Java开发中的通讯开发人员1名，现有4名应聘者：第一位应聘Java开发中的数据库开发，第二位应聘Java开发中的无线通讯开发，第三位应聘C++开发中的通讯开发，第四位应聘Java开发中的通讯开发；采用Jaccard相似度计算只能筛选出第一位、第二位和第四位应聘Java开发者，或者筛选出第三位和第四位的应聘的通讯开发开发者；无法直接找到第四位应聘者为适合该岗位的最佳应聘者。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的目的在于提供一种信息处理的方法、装置、介质和电子设备，能够解决上述提到的至少一个技术问题。具体方案如下：
根据本公开的具体实施方式，第一方面，本公开提供一种信息处理的方法，其特征在于，包括：
获取总需求信息集和多个待匹配信息集；
基于所述总需求信息集生成总需求信息树；其中，所述总需求信息树的每个父节点及其子树表示第一需求信息子树；
依次将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值。
根据本公开的具体实施方式，第二方面，本公开提供一种信息处理的装置，其特征在于，包括：
获取单元，用于获取总需求信息集和多个待匹配信息集；
生成总需求信息树单元，用于基于所述总需求信息集生成总需求信息树；其中，所述总需求信息树的每个父节点及其子树表示第一需求信息子树；
获取多层信息相似度值单元，用于依次将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值。
根据本公开的具体实施方式，第三方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面任一项所述信息处理的方法。
根据本公开的具体实施方式，第四方面，本公开提供一种电子设备，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时，使得所述一个或多个处理器实现如第一方面任一项所述信息处理的方法。
本公开实施例的上述方案与现有技术相比，至少具有以下有益效果：
本公开提供了一种信息处理的方法、装置、介质和电子设备。所述方法包括：获取总需求信息集和多个待匹配信息集；基于所述总需求信息集生成总需求信息树；其中，所述总需求信息树的每个父节点及其子树表示第一需求信息子树；依次将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值。
本公开基于技能树对多层信息进行相似度计算，提高了相似度计算的广度和深度。同时，利用最大权重匹配的二分图实现面试资源分配策略，提高了整体面试双方技能契合度，保证整体面试质量。从而减少了大规模面试的负面反馈，增加了平均面试时长。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1示出了根据本公开实施例的信息处理的方法的流程图；
图2示出了根据本公开实施例的信息处理的方法的最大权重匹配的二分图；
图3示出了根据本公开实施例的信息处理的装置的单元框图；
图4示出了根据本公开的实施例的电子设备连接结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面结合附图详细说明本公开的可选实施例。
对本公开提供的第一实施例，即一种信息处理的方法的实施例。
下面结合图1和图2对本公开实施例进行详细说明，其中，图1为本公开实施例提供的信息处理的方法的流程图；图2示出了根据本公开实施例的信息处理的方法的最大权重匹配的二分图。
步骤S101，获取总需求信息集和多个待匹配信息集。
所述总需求信息集或所述待匹配信息集是信息的集合。可以是数据库中的数据表、也可以是存储信息的文本文件、配置文件或电子表格。本申请对于存储信息的信息集的形式不作限制。
例如，对于IT公司人事部门的总需求信息集包括：开发人员需求信息子集、财务人员需求信息子集、销售人员需求信息子集和行政人员需求信息子集；其中，开发人员需求信息子集包括：安卓开发人员需求信息子集、JAVA开发人员需求信息子集、网络开发人员需求信息子集、数据库开发人员需求信息子集及用户界面开发人员需求信息子集；所述待匹配信息集是应聘者技能信息集。
可选的，在所述获取总需求信息集前，还包括以下步骤：
步骤S100-11，从知识分类网站中爬取知识分类信息。
例如，知识分类网站是维基百科网站，利用网络爬取工具通过网页的链接地址来寻找网页，从网站某一个页面(例如网站的首页)开始，读取网页的内容，找到在网页中的其它链接地址，然后通过这些链接地址寻找下一个网页，这样一直循环下去，直到把这个网站所有的网页都抓取完为止。如果把整个互联网当成一个网站，那么网络蜘蛛就可以用这个原理把互联网上所有的网页都抓取下来。
步骤S100-12，基于需求参数调整所述知识分类信息，并保存在总需求信息集中。
所述需求参数用于过滤知识分类信息中的无用信息，以及调整无效的逻辑关系。
可选的，所述待匹配信息集，包括：申请人技能信息集。例如，对于IT公司人事部门来说，申请人技能信息集就是应聘者技能信息集。
在所述获取待匹配信息集前，还包括以下步骤：
步骤S100-21，根据申请人的介绍信息检索申请人技能信息，并保存在所述申请人技能信息集中。
例如，申请人是应聘者，申请人的介绍信息是应聘者简历信息，通过检索应聘者简历信息的技能关键词获取应聘者技能信息，并将所述应聘者技能信息保存到应聘者技能信息集中。
步骤S102，基于所述总需求信息集生成总需求信息树。
总需求信息树是指用分层分类结构将需求信息组织成树状结构图。
在一个树状结构图中，没有父节点的节点称为根节点。具有子节点的节点称为父节点。没有子节点的节点称为叶子节点。除了根节点外，每个父节点及其子节点组成的树称为子树。
其中，所述总需求信息树包括节点和节点间的连线；每个节点表示所述总需求信息集中的一个需求信息，每根连线表示所述总需求信息集中所述需求信息的从属关系；所述总需求信息树的每个父节点及其子树表示第一需求信息子树。
步骤S103，依次将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值。
可选的，所述将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值，具体包括以下步骤：
步骤S103-1，获取所述待匹配信息集在所述总需求信息树中对应的第一需求信息子树。
例如，第一需求信息子树的根节点表示JAVA开发人员需求信息，JAVA发人员需求信息的子节点包括：基础语法信息、面向对象信息、集合/容器信息、泛型信息、异常信息、枚举信息、IO信息、并发信息、类型/反射信息和注释信息；待匹配信息集是应聘者技能信息，包括应聘JAVA开发信息及其具有的技能信息；则所述待匹配信息集与所述第一需求信息子树相对应，表明该应聘者技能信息需要与该第一需求信息子树进行相似度计算。
步骤S103-2，基于所述第一需求信息子树的节点获取第一叶子节点需求信息子集及第一子树需求信息子集。
第一叶子节点需求信息子集也就是第一需求信息子树的叶子结点表示的信息的集合。
第一子树需求信息子集也就是第一需求信息子树的所有结点表示的信息的集合。
步骤S103-3，基于所述第一需求信息子树的根节点、所述第一叶子节点需求信息子集、所述待匹配信息集、所述第一子树需求信息子集和计算参数计算所述待匹配信息集与所述第一需求信息子树的相似度，并获取所述待匹配信息集的第一多层信息相似度值。
可选的，所述计算参数，包括：第一经验参数、第二经验参数和调整子节点数量参数。
例如，总需求信息树的第一需求信息子树的根节点i，根节点i的第一叶子节点需求信息子集为Li，所述第一子树需求信息子集为A，所述待匹配信息集为B，则A与B的相似度值为：
Figure BDA0002281304250000061
其中，
1A(x)，表示指示函数；
|A|，表示A中的元素个数；
α，表示为第一经验参数；
β，表示为第二经验参数；
ɡ(|Li∩B|，|Li|)，表示调整子节点数量参数。
本公开实施例还提供了上述方法的进一步的应用场景。
所述方法，还包括以下步骤：
步骤S104，从所述第一需求信息子树及其对应的第一多层信息相似度值中获取同一父节点的第二需求信息子树及其对应的第二多层信息相似度值。
步骤S105，基于审查人数量、申请人数量、第二多层信息相似度值及预设审查参数获取最大权重匹配的二分图。
其中，所述第二多层信息相似度值是二分图的边权重；所述审查人与所述第二需求信息子树相关联；所述申请人对应于待匹配信息集。
可选的，所述预设审查参数，包括：每个审查人一天的工作时间参数和审查一个申请人的工作用时参数。
例如，请参见图2所示，同一父节点的第二需求信息子树的根节点表示JAVA开发人员需求信息，每个审查人一天的工作时间参数为3小时，审查一个申请人的工作用时参数为1小时，总共有2个审查人S1和S2，6个申请人分别为T1、T2、T3、T4、T5和T6；他们的第二多层信息相似度值分别为：5、6、2、4、3和1；则将审核人复制3份，分别代表他们的3个可分配时段，这样就可以形成一个二分图，利用所述第二多层信息相似度值作为二分图的的边权重，利用Kuhn-Munkres算法获取最大权重匹配的二分图。
本公开实施例基于技能树对多层信息进行相似度计算，提高了相似度计算的广度和深度。同时，利用最大权重匹配的二分图实现面试资源分配策略，提高了整体面试双方技能契合度，保证整体面试质量。从而减少了大规模面试的负面反馈，增加了平均面试时长。
与本公开提供的第一实施例相对应，本公开还提供了第二实施例，即一种信息处理的装置。由于第二实施例基本相似于第一实施例，所以描述得比较简单，相关的部分请参见第一实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
图3示出了本公开提供的一种信息处理的装置的实施例。图3为本公开实施例提供的信息处理的装置的单元框图。
请参见图3所示，本公开提供一种信息处理的装置，包括：获取单元301，生成总需求信息树单元302，获取多层信息相似度值单元303。
获取单元301，用于获取总需求信息集和多个待匹配信息集；
生成总需求信息树单元302，用于基于所述总需求信息集生成总需求信息树；其中，所述总需求信息树的每个父节点及其子树表示第一需求信息子树；
获取多层信息相似度值单元303，用于依次将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值。
可选的，在所述获取多层信息相似度值单元303中，包括：
第一需求信息子树获取子单元，用于获取所述待匹配信息集在所述总需求信息树中对应的第一需求信息子树；
获取信息子集子单元，用于基于所述第一需求信息子树的节点获取第一叶子节点需求信息子集及第一子树需求信息子集；
获取多层信息相似度值子单元，用于基于所述第一需求信息子树的根节点、所述第一叶子节点需求信息子集、所述待匹配信息集、所述第一子树需求信息子集和计算参数计算所述待匹配信息集与所述第一需求信息子树的相似度，并获取所述待匹配信息集的第一多层信息相似度值。
可选的，所述计算参数，包括：第一经验参数、第二经验参数和调整子节点数量参数。
可选的，在所述装置中，还包括：获取总需求信息单元；
在所述获取总需求信息单元中，包括：
爬取知识分类信息子单元，用于从知识分类网站中爬取知识分类信息；
调整知识分类信息子单元，用于基于需求参数调整所述知识分类信息，并保存在总需求信息集中。
可选的，所述待匹配信息集，包括：申请人技能信息集；
在所述装置中，还包括：获取申请人技能信息单元；
在所述获取申请人技能信息单元中，包括：
检索申请人技能信息子单元，用于根据申请人的介绍信息检索申请人技能信息，并保存在所述申请人技能信息集中。
可选的，所述装置中，还包括：
获取第二需求信息子树单元，用于从所述第一需求信息子树及其对应的第一多层信息相似度值中获取同一父节点的第二需求信息子树及其对应的第二多层信息相似度值；
获取最大权重匹配的二分图单元，用于基于审查人数量、申请人数量、第二多层信息相似度值及预设审查参数获取最大权重匹配的二分图；其中，所述第二多层信息相似度值是二分图的边权重；所述审查人与所述第二需求信息子树相关联；所述申请人对应于待匹配信息集。
可选的，所述预设审查参数，包括：每个审查人一天的工作时间参数和审查一个申请人的工作用时参数。
可选的，所述总需求信息树包括节点和节点间的连线；每个节点表示所述总需求信息集中的一个需求信息，每根连线表示所述总需求信息集中所述需求信息的从属关系。
本公开实施例基于技能树对多层信息进行相似度计算，提高了相似度计算的广度和深度。同时，利用最大权重匹配的二分图实现面试资源分配策略，提高了整体面试双方技能契合度，保证整体面试质量。从而减少了大规模面试的负面反馈，增加了平均面试时长。
本公开实施例提供了第三实施例，即一种电子设备，该设备用于信息处理的方法，所述电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一实施例所述信息处理的方法。
本公开实施例提供了第四实施例，即一种信息处理的计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行如第一实施例中所述信息处理的方法。
下面参考图4，其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种信息处理的方法，其特征在于，包括：
获取总需求信息集和多个待匹配信息集；
基于所述总需求信息集生成总需求信息树；其中，所述总需求信息树的每个父节点及其子树表示第一需求信息子树；
依次将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值；
所述将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值，包括：
获取所述待匹配信息集在所述总需求信息树中对应的第一需求信息子树；
基于所述第一需求信息子树的节点获取第一叶子节点需求信息子集及第一子树需求信息子集；
基于所述第一需求信息子树的根节点、所述第一叶子节点需求信息子集、所述待匹配信息集、所述第一子树需求信息子集和计算参数计算所述待匹配信息集与所述第一需求信息子树的相似度，并获取所述待匹配信息集的第一多层信息相似度值。
2.根据权利要求1所述的方法，其特征在于，所述计算参数，包括：第一经验参数、第二经验参数和调整子节点数量参数。
3.根据权利要求1所述的方法，其特征在于，在所述获取总需求信息集前，还包括：
从知识分类网站中爬取知识分类信息；
基于需求参数调整所述知识分类信息，并保存在总需求信息集中。
4.根据权利要求1所述的方法，其特征在于，所述待匹配信息集，包括：申请人技能信息集；
在所述获取待匹配信息集前，还包括：
根据申请人的介绍信息检索申请人技能信息，并保存在所述申请人技能信息集中。
5.根据权利要求1所述的方法，其特征在于，所述方法，还包括：
从所述第一需求信息子树及其对应的第一多层信息相似度值中获取同一父节点的第二需求信息子树及其对应的第二多层信息相似度值；
基于审查人数量、申请人数量、第二多层信息相似度值及预设审查参数获取最大权重匹配的二分图；其中，所述第二多层信息相似度值是二分图的边权重；所述审查人与所述第二需求信息子树相关联；所述申请人对应于待匹配信息集。
6.根据权利要求5所述的方法，其特征在于，所述预设审查参数，包括：每个审查人一天的工作时间参数和审查一个申请人的工作用时参数。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述总需求信息树包括节点和节点间的连线；每个节点表示所述总需求信息集中的一个需求信息，每根连线表示所述总需求信息集中所述需求信息的从属关系。
8.一种信息处理的装置，其特征在于，包括：
获取单元，用于获取总需求信息集和多个待匹配信息集；
生成总需求信息树单元，用于基于所述总需求信息集生成总需求信息树；其中，所述总需求信息树的每个父节点及其子树表示第一需求信息子树；
获取多层信息相似度值单元，用于依次将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值；
所述将所述待匹配信息集与所述总需求信息树中对应的第一需求信息子树进行相似度计算，并获取所述待匹配信息集的第一多层信息相似度值，包括：
获取所述待匹配信息集在所述总需求信息树中对应的第一需求信息子树；
基于所述第一需求信息子树的节点获取第一叶子节点需求信息子集及第一子树需求信息子集；
基于所述第一需求信息子树的根节点、所述第一叶子节点需求信息子集、所述待匹配信息集、所述第一子树需求信息子集和计算参数计算所述待匹配信息集与所述第一需求信息子树的相似度，并获取所述待匹配信息集的第一多层信息相似度值。
9.一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，所述程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
10.一种电子设备，其特征在于，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时，使得所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。
CN201911142376.5A 2019-11-20 2019-11-20 一种信息处理的方法、装置、介质和电子设备 Active CN111026944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911142376.5A CN111026944B (zh) 2019-11-20 2019-11-20 一种信息处理的方法、装置、介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911142376.5A CN111026944B (zh) 2019-11-20 2019-11-20 一种信息处理的方法、装置、介质和电子设备

Publications (2)

Publication Number Publication Date
CN111026944A CN111026944A (zh) 2020-04-17
CN111026944B true CN111026944B (zh) 2023-04-18

Family

ID=70206240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911142376.5A Active CN111026944B (zh) 2019-11-20 2019-11-20 一种信息处理的方法、装置、介质和电子设备

Country Status (1)

Country Link
CN (1) CN111026944B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036822B (zh) * 2020-08-24 2024-02-02 智能创谷(北京)科技有限公司 一种基于彩绳的交互方法、装置、介质和电子设备
CN112488412A (zh) * 2020-12-11 2021-03-12 北京字跳网络技术有限公司 时长信息确定方法、装置、电子设备及计算机存储介质
CN113312029B (zh) * 2021-06-11 2023-09-08 四川大学 一种界面推荐方法、装置、电子设备及介质
CN113900895B (zh) * 2021-10-08 2024-05-31 深圳市欢太数字科技有限公司 信息处理方法、信息处理装置、存储介质与电子设备
CN114978853A (zh) * 2022-05-16 2022-08-30 中国联合网络通信集团有限公司 一种管理信息库适配方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105389297A (zh) * 2015-12-21 2016-03-09 浙江万里学院 文本相似度处理方法
CN107491534A (zh) * 2017-08-22 2017-12-19 北京百度网讯科技有限公司 信息处理方法和装置
CN109885761A (zh) * 2019-01-24 2019-06-14 暨南大学 一种人力资源企业的职位和人才匹配和推荐方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080147630A1 (en) * 2006-10-27 2008-06-19 Kaiyi Chu Recommender and payment methods for recruitment
US9723016B2 (en) * 2015-05-14 2017-08-01 International Business Machines Corporation Detecting web exploit kits by tree-based structural similarity search

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105389297A (zh) * 2015-12-21 2016-03-09 浙江万里学院 文本相似度处理方法
CN107491534A (zh) * 2017-08-22 2017-12-19 北京百度网讯科技有限公司 信息处理方法和装置
CN109885761A (zh) * 2019-01-24 2019-06-14 暨南大学 一种人力资源企业的职位和人才匹配和推荐方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘兴林 ; 吴明芬 ; 刘利伟.基于向量相似度的招聘就业双向推荐模型.中国科技信息.2013,(第21期),第174-179页. *
曾巍.数据挖掘在人力资源市场中的应用与研究.中国优秀硕士学位论文全文数据库 (信息科技辑).2017,(第3期),I138-3887. *

Also Published As

Publication number Publication date
CN111026944A (zh) 2020-04-17

Similar Documents

Publication Publication Date Title
CN111026944B (zh) 一种信息处理的方法、装置、介质和电子设备
US10360277B2 (en) Controlling data migration
Ding et al. TWC LOGD: A portal for linked open government data ecosystems
US20140257892A1 (en) Social project collaboration through self-organizing teams
AU2017203794A1 (en) Workforce strategy insights
US20130332861A1 (en) Internet based platform for acquisition, management, integration, collaboration, and dissemination of information
CN111950857A (zh) 基于业务指标的指标体系管理方法、装置以及电子设备
CN115757400B (zh) 数据表处理方法、装置、电子设备和计算机可读介质
Gudi et al. Challenges and prospects in india's digital health journey
Li et al. Expanding roles in a library-based bioinformatics service program: a case study
CN117290477A (zh) 一种基于二次检索增强的生成式建筑知识问答方法
CN110852720A (zh) 文档的处理方法、装置、设备及存储介质
CN111008213A (zh) 用于生成语言转换模型的方法和装置
CN116433388B (zh) 数据存储资源划分方法、装置、电子设备和计算机介质
US9886674B2 (en) Describing a paradigmatic member of a task directed community in a complex heterogeneous environment based on non-linear attributes
CN117312525A (zh) 基于知识图谱的问答方法、装置、设备及存储介质
US20170243166A1 (en) System and method for employee placement prediction using machine learning
CN112035256A (zh) 一种资源分配方法、装置、电子设备及介质
WO2022188742A1 (zh) 信息处理方法、装置、介质及电子设备
CN112507676B (zh) 能源报表生成方法、装置、电子设备和计算机可读介质
CN113722315A (zh) 数据生成方法、装置、电子设备和计算机可读介质
US20170293599A1 (en) Checklist Contexts and Completion
US9251125B2 (en) Managing text in documents based on a log of research corresponding to the text
CN111597441A (zh) 信息处理方法、装置和电子设备
CN113077352B (zh) 基于用户信息和保险相关信息的保险服务物品推荐方法

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