CN111080221A - 基于求职招聘双方需求的双向竞价匹配方法与系统 - Google Patents
基于求职招聘双方需求的双向竞价匹配方法与系统 Download PDFInfo
- Publication number
- CN111080221A CN111080221A CN201811225696.2A CN201811225696A CN111080221A CN 111080221 A CN111080221 A CN 111080221A CN 201811225696 A CN201811225696 A CN 201811225696A CN 111080221 A CN111080221 A CN 111080221A
- Authority
- CN
- China
- Prior art keywords
- matching
- resume
- bidding
- job
- matched
- 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
- 230000007115 recruitment Effects 0.000 title claims abstract description 240
- 238000000034 method Methods 0.000 title claims abstract description 91
- 230000002457 bidirectional effect Effects 0.000 title claims abstract description 20
- 238000011282 treatment Methods 0.000 claims abstract description 95
- 230000008569 process Effects 0.000 claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 39
- 230000004044 response Effects 0.000 claims description 34
- 230000006399 behavior Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000003058 natural language processing Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 2
- 230000002860 competitive effect Effects 0.000 abstract description 7
- 230000007246 mechanism Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于求职招聘双方需求的双向竞价匹配方法与系统,属于互联网技术、互网络求职招聘领域。本发明方案的过程包括:筛选提取待匹配招聘职位集合;筛选提取招聘职位的待匹配简历集合;计算待匹配简历集合里的求职简历与招聘职位的匹配度权价;从薪酬待遇出价和匹配度权价两个方向实施双向竞价,薪酬待遇出价高的招聘职位优先匹配获取求职简历,匹配度权价高的求职简历优先匹配到招聘职位;竞价执行完成后,将竞价匹配结果反馈给用户,并接受用户的后续操作。本发明旨在以现实世界的竞争机制来实现对求职招聘双方的自动化匹配,实现对双方更为精准、高效的匹配,降低求职招聘双方搜索、找寻、筛选等各种成本,并提升双方的匹配价值。
Description
技术领域
本发明涉及数据处理、互联网招聘,尤其涉及一种对求职招聘双方进行自动化匹配的技术。
背景技术
互联网招聘行业,一直以来的主流技术方案是将求职者提交的简历和招聘方提交的招聘职位先保存起来,然后为求职和招聘双方提供搜索查询服务。这种技术方案与服务,只是简单保存汇聚了大量的求职简历和招聘职位,又被动地响应用户的搜索查询,继续把大量的求职简历或招聘职位展示给用户。求职招聘双方不得不从大量的搜索结果里再耗费大量时间和人力来筛选合适的职位或简历。而且,人工筛选大量的数据,其准确受到个体经验、偏好、疲劳程度等多种因素影响,准确度有限且难以保障。这是现有的技术方案存在的第一方面问题。
为解决这一问题,提升网络招聘过程中双方找到合适的彼此的效率和准确度,必须实现对求职招聘双方的自动化匹配。现有的行业实践和已公开的技术文献在实现对求职招聘双方的自动化匹配方面做了不少的努力与尝试。这些努力与尝试对前文所述的第一方面问题起到了一定的缓解与弥补作用。概括地说,这些已有的努力与尝试主要集中于对求职简历和招聘职位说明书进行内容解析和比对,由此得出简历与职位之间在内容上的匹配度,进而以该匹配度大小来决定求职简历与招聘职位之间的匹配关系。这样的技术方案相对于只是简单地提供搜索查询,的确更具有针对性,有助于节省求职招聘双方的各种成本,并一定程度上提升效率。但是,这样的技术方案简单地直接依赖内容分析得出的匹配度这一单方面因素,依然有着明显的缺点和不足,这就形成了互联网招聘领域现有技术方案的第二方面问题。这第二方面问题概括起来包括以下两大问题,现分述如下。
第一,求职简历和招聘职位说明书的撰写表述具有多样性,求职者的自身状况和招聘方的岗位职责与要求同样具有多样性,这两大方面的多样性叠加上自然语言处理、语义识别技术的局限性,便使得基于内容分析得出的匹配度具有比较明显的不准确、不可靠特点。因而,简单地直接依赖内容匹配度这一单方面因素的技术方案终究效果有限,实践中匹配给用户的求职简历或招聘职位依然具有无序性、低关联性和海量性。
第二,基于内容分析得出的匹配度,并以此来匹配求职招聘双方,具有单一性和静态性,对现实求职招聘过程中的所具有的竞争性缺少体现。现实中的求职招聘双方都既具有这样那样的条件,又具有这样那样的要求。由这些条件和要求交织而形成的约束范围内,求职招聘双方每时每刻都在权衡比较着对方,这是一种时刻存在的竞争状态。当求职者面对众多招聘职位时,筛选的过程,就是众多招聘职位相互竞争的过程;当招聘方面对众多简历时,筛选的过程就求职者相互竞争的过程。双方都在通过这样的竞争过程,尽可能实现己方选择最优化和利益最大化。没能体现和实现这种竞争性的匹配技术方案,其呈现给用户的匹配结果自然是偏离、远离用户最优选择的大量、过量数据,必然会倒逼用户进行大量人工的再筛选、再选优,妨碍用户选择最优化、利益最大化的实现,妨碍到整个求职招聘市场人力资源配置效率的提升。
发明内容
如背景技术所述,因缺少自动化匹配,以及简单地依赖内容匹配度的自动化匹配方案存在诸多不足与问题。针对于此,本发明提供一种基于求职招聘双方需求的双向竞价匹配方法与系统,旨在利用现实世界和求职招聘过程中客观存在的竞争性来设计实现自动化匹配,以达成对求职招聘双方更具针对性、更高效、更准确的自动化匹配,降低求职招聘双方搜索、筛选、比较等环节的各种成本,并在提升双方共同效率的同时,还提升双方的匹配价值。
本发明的第一方面,提供了一种基于求职招聘双方需求的双向竞价匹配方法,该方法包括:
待匹配职位集合提取,对招聘职位按前置匹配项分组,将前置匹配项相互匹配的招聘职位筛选提取出来分到同一个组,一组就是一个待匹配职位集合;
待匹配简历集合提取,对于每一个招聘职位,将与该职位的前置匹配项相匹配,且薪酬待遇要价与该招聘职位的薪酬待遇出价在范围上有交集的求职简历筛选提取出来,组成该招聘职位的待匹配简历集合;
匹配度权价计算,计算出所述待匹配简历集合里的每一份求职简历与该集合所属的那个招聘职位的匹配度权价;
竞价周期触发,将系统的竞价匹配运行设置成周期性运行,每一运行周期内的运行时点开始时即触发启动下一步骤的竞价匹配执行;
竞价匹配执行,从招聘职位薪酬待遇出价和求职简历匹配度权价两个方向实施双向竞价匹配,产生竞价匹配结果,并在此过程中对招聘职位和求职简历分别实施最大可匹配数量条件限制;所述双向竞价匹配过程包括:将所述待匹配职位集合里的招聘职位按所述薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先匹配获取求职简历;将招聘职位的待匹配简历集合里的求职简历按所述匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先匹配到该招聘职位;
竞价匹配结果反馈,所述竞价匹配执行步骤运行完成后,即可用主动推送或响应用户的查询等方式,将竞价匹配结果反馈给用户,并接受用户对匹配结果的处理操作。
进一步地,所述匹配度权价计算方法包括:应用内容分析比较、自然语言处理的技术,对求职简历和招聘职位说明书的各部分内容进行识别提取,并将求职简历的各部分内容与对应的职位说明书的各部分内容进行比较分析,得到体现各部分内容之间匹配程度的多个匹配度,再将这多个匹配度进行加权或综合计算,进而得出所述匹配度权价。
进一步地,在所述竞价匹配过程中,对招聘职位和求职简历分别实施所述最大可匹配数量条件限制的规则包括:应用可匹配简历数阈值,对招聘职位可匹配简历数量的上限进行限制;应用可匹配职位数阈值,对求职简历可匹配职位数量的上限进行限制。
进一步地,对所述竞价匹配执行过程进行控制的相关阈值的产生方法包括:以招聘用户历史行为中对该职位已经匹配获取到的简历的及时响应与处理量为基础,生成所述可匹配简历数阈值;以求职用户历史行为中对该简历已经匹配到的招聘职位的及时响应与处理量为基础,生成所述可匹配职位数阈值。
进一步地,在所述竞价匹配执行步骤,还要生成竞价成交价,所述竞价成交价应满足的条件包括:所述的竞价成交价不小于求职者的薪酬待遇要价下限,且不大于招聘方薪酬待遇出价上限;与同一份求职简历匹配的招聘职位的薪酬待遇出价上限越高,则所述的竞价成交价越高。
本发明的第二方面,提供了一种基于求职招聘双方需求的双向竞价匹配系统,该系统包括:
待匹配职位集合提取模块,用于对招聘职位按前置匹配项分组,将前置匹配项相互匹配的招聘职位提取出来分到同一个组,一组就是一个待匹配职位集合;
待匹配简历集合提取模块,用于将与招聘职位的前置匹配项相匹配,且薪酬待遇要价与该招聘职位的薪酬待遇出价在范围上有交集的求职简历筛选提取出来,组成该招聘职位的待匹配简历集合;
匹配度权价计算模块,用于计算出所述待匹配简历集合里的每一份求职简历与该集合所属的那个招聘职位的匹配度权价;
竞价周期触发模块,用于将系统的竞价匹配运行设置成周期性运行,每一运行周期内的运行时点开始时即触发启动下一步骤的竞价匹配执行;
竞价匹配执行模块,用于从招聘职位薪酬待遇出价和求职简历匹配度权价两个方向实施双向竞价匹配,产生竞价匹配结果,并在此过程中对招聘职位和求职简历分别实施最大可匹配数量条件限制;所述双向竞价匹配过程包括:将所述待匹配职位集合里的招聘职位按所述薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先匹配获取求职简历;将招聘职位的待匹配简历集合里的求职简历按所述匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先匹配到该招聘职位;
竞价匹配结果反馈模块,用于在所述竞价匹配执行模块的运行完成后,以主动推送或响应查询等方式把竞价匹配结果反馈给用户,并接受用户对匹配结果的处理操作。
进一步地,所述竞价匹配执行模块包括:
第一竞价单元,用于将所述待匹配职位集合里的招聘职位按所述薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先进入当前竞价职位状态,成为当前竞价职位,进而优先匹配获取求职简历;
第二竞价单元,用于在所述当前竞价职位产生后,将其待匹配简历集合里的求职简历按所述匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先进入到当前竞价简历状态,成为当前竞价简历,进而优先匹配到当前竞价职位;
竞价匹配单元,用于将所述当前竞价简历匹配到所述当前竞价职位;在建立当前竞价简历到当前竞价职位匹配关系之前要进行的判断和操作包括:判断当前竞价简历是否与当前竞价职位有过历史匹配关系,以避免重复匹配;对求职简历用可匹配职位数阈值实施所述最大可匹配数量条件限制;以及,
在建立当前竞价简历到竞价职位匹配关系之后要进行的判断和操作包括:对招聘职位用可匹配简历数阈值实施所述最大可匹配数量条件限制。
进一步地,在所述竞价匹配单元对所述竞价匹配执行过程进行控制的相关阈值的产生方法包括:以招聘用户历史行为中对该职位已经匹配获取到的简历的及时响应与处理量为基础,生成所述可匹配简历数阈值;以求职用户历史行为中对该简历已经匹配到的招聘职位的及时响应与处理量为基础,生成所述可匹配职位数阈值。
进一步地,在所述竞价匹配执行步骤,还要生成竞价成交价,所述竞价成交价应满足的条件包括:所述的竞价成交价不小于求职者的薪酬待遇要价下限,且不大于招聘方薪酬待遇出价上限;与同一份求职简历匹配的招聘职位的薪酬待遇出价上限越高,则所述的竞价成交价越高。
有益效果:本发明以现实世界和求职招聘过程中客观存在的竞争性来设计实现自动化匹配系统,克服了无自动化匹配系统和简单地依赖内容分析匹配度的自动化匹配方案而存在的诸多问题与不足,如反馈给用户的结果里包含大量低相关性、低匹配度的数据,而且是缺少竞争性匹配而导致结果过泛的数据,使得求职招聘双方把大量时间、精力放在查找和选择等方面,成本浪费巨大,还不利于双方匹配价值的实现与提升。概括地说,本发明的显著优点包括以下两大方面。第一,实现了对求职招聘双方更具针对性、更准确高效的自动化匹配,节省了双方寻找、发现合适的对方的一系列成本,提高了双方的效率;第二,本发明实现了现实世界竞争性与自动化匹配互为一体,每一轮竞价匹配执行都是将求职招聘双方在全量数据范围内做竞价比较,进而作出的条件约束范围内、合乎多方需求的最佳匹配组合。这个一方面既更有针对性地缩小了反馈给求职招聘双方匹配结果的范围,减少了低相关性信息造成的干扰和耗费,提高了匹配效率,另一方面更提升了求职招聘双方的匹配价值。
附图说明
图1是本发明的基于求职招聘双方需求的双向竞价匹配方法流程框图;
图2是本发明的匹配度权价计算流程框图;
图3是本发明的竞价匹配执行过程详细流程图;
图4是本发明的基于求职招聘双方需求的双向竞价匹配系统整体结构图;
图5是本发明的竞价匹配执行模块结构图;
图6是本发明的竞价匹配执行步骤双向竞价匹配示意图。
具体实施方式
以下将结合附图对本发明的技术方案进行清楚、完整的描述。显然,这里所描述的实施例仅仅是本发明的部分优选实施方式,而不是全部的实施方式,基于本发明技术方案及其原理和精神实质,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。对本发明所披露的技术方案,本领域内的普通技术人员在无任何创造性劳动的前提下,对本发明的方法、流程、规则、系统或模块等进行的包括但不限于调整、替换、改变、变更顺序、重新组合,都是对本发明保护范围的侵犯。
网络招聘行业的现状是在求职招聘过程中,求职、招聘双方要对大量的信息做人工查找、筛选、判断、比较才能初步找到相对合适的对方。这一过程的时间、精力、机会成本等成本巨大,各种浪费损耗高,且十分妨碍求职招聘双方提升自身的匹配价值。针对以上问题,本发明利用现实世界和求职招聘过程中客观存在的竞争性来设计实现自动化匹配,提出了一种基于求职招聘双方需求的双向竞价匹配方法与系统方案。该方案能做到节省求职招聘双方的各种成本,提升双方的效率和价值。
以下首先对本发明的权利要求书、说明书等内容涉及到的名词作简要说明。
模块、系统等:本申请使用的“模块”、“系统”等术语指的是与计算机相关的实体,但不限于硬件、固件、软件或软硬件的组合。
前置匹配项:用于对求职简历或招聘职位进行初步筛选,以便于为系统的后续处理与操作限定出一个必要而合理的范围,这样的初步筛选条件由单个或多个筛选条目组成,将这样的单个或多个条目统称为前置匹配项。
薪酬:薪酬是指员工向其所在单位提供劳动而获得的各种形式的补偿,是单位支付给员工的劳动报酬。薪酬包括经济性薪酬和非经济性薪酬两大类,其中经济性薪酬又分为直接经济性薪酬和间接经济性薪酬。
竞价:指的是供应方提供的某种资源存在众多的需求方,不同的需求方依据自身条件和该资源对自己的价值,以及其它相关因素来判断,进而对该种资源做出估价,不同的需求方报出的不同估价便形成竞争关系,即竞价。通常,给予估价高的需求方更具有竞争优势,或是直接能与资源的供应方成交,或是争取到更多与供应方进行后续接洽的机会。
简历:记录有个人职业相关信息的一种文档,通常由求职方提供给招聘方,提供相关信息给招聘方,便于招聘方了解求职者,其内容包括但不限于教育经历、职业经历、职业技能、项目经历、获奖状况等其他能够证明其职业能力的内容。
职位说明书:用于介绍说明招聘方的招聘职位的基本情况的文字或相关材料,职位说明书一般由招聘方提供给求职方,或公开展示以便被求职方发现查阅,其内容包括职位对学历、性别、工作经验(年)等要求,还包括招聘职位的岗位职责、任职资格等内容。
下面结合附图详细阐述本发明技术方案的第一方面:基于求职招聘双方需求的双向竞价匹配方法。
如图1,该图所示的是基于求职招聘双方需求的双向竞价匹配方法流程框图,该流程包括以下步骤:
步骤S110:待匹配职位集合提取,即对招聘职位按前置匹配项分组,将前置匹配项相互匹配的招聘职位筛选提取出来分到同一个组,一组就是一个待匹配职位集合;
步骤S120:待匹配简历集合提取,即对于每一个招聘职位,将与该职位的前置匹配项相匹配,且薪酬待遇要价与该招聘职位的薪酬待遇出价在范围上有交集的求职筛选简历提取出来,组成该招聘职位的待匹配简历集合;
步骤S130:匹配度权价计算,即计算出所述待匹配简历集合里的每一份求职简历与该集合所属的那个招聘职位的匹配度权价;
步骤S140:竞价周期触发,即将系统的竞价匹配运行设置成周期性运行,每一运行周期内的运行时点开始时即触发启动下一步骤的竞价匹配执行;
步骤S150:竞价匹配执行,即从招聘职位薪酬待遇出价和求职简历匹配度权价两个方向实施双向竞价匹配,产生竞价匹配结果,并在此过程中对招聘职位和求职简历分别实施最大可匹配数量条件限制;所述双向竞价匹配过程包括:将所述待匹配职位集合里的招聘职位按所述薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先匹配获取求职简历;将招聘职位的待匹配简历集合里的求职简历按所述匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先匹配到该招聘职位;
步骤S160:竞价匹配结果反馈,即竞价匹配执行步骤运行完成后,即可用主动推送或响应用户的查询等方式,将竞价匹配结果反馈给用户,并接受用户对匹配结果的处理操作。
下面结合以上步骤顺序,对各步骤作详细阐述。
具体地,在步骤S110:待匹配职位集合提取,对招聘职位的前置匹配项进行相互比较,将前置匹配项相互匹配的招聘职位分到同一个组,每个组就是一个待匹配招聘职位集合。例如,招聘职位A的前置匹配项是“行业领域:机械制造,职位名称:机械测绘经理,工作地点:杭州”,招聘职位B的前置匹配项是“行业领域:机械制造,职位名称:机械测绘经理,工作地点:上海”,招聘职位C的前置匹配项是“行业领域:机械制造,职位名称:机械测绘经理,工作地点:杭州”,那么招聘职位A与C的前置匹配项相匹配,可以被放在同一个待匹配职位集合里,招聘职位B与A、C不可以放在同一个集合。
前置匹配项的信息都是体现求职招聘双方需求和要求的核心前提信息。只有核心前提信息相同的招聘职位才有可能是面向同样的求职者目标群体,才具有相互竞争的可能,才有必要放在一个集合里,进而相互竞争求职者。例如,求职者和招聘职位通常都有明确的目标工作地点,两个招聘职位除了工作地点不一样,其他信息即使全部一模一样,那这样两个招聘职位所面向的目标求职者就是不一样的,因而就不存在竞争求职者的关系。除了工作地点,具有这种属性的信息还包括行业领域、招聘职位名称。本发明以前置匹配项来表示这样的核心前提信息,并以此前置匹配项来筛选招聘职位和求职简历。
在前置匹配项里,行业领域、工作地点是标准化信息,但招聘职位这样的信息通常表现的不那么标准,如采购经理与高级采购经理之间,且面向的求职者群体基本一致。因而,对行业领域、工作地点进行筛选比较时,要精确比较,对职位名称进行筛选比较时就应该只比较职位基础关键词,而忽略职位基础关键词的前缀或后缀。这里的职位基础关键词可以通过人工录入的方式建立各行各业的职位基础关键词库;还可以对大量的行业职位名称信息进行分析,进而自动生成职位关键词库。
前置匹配项匹配筛选的判定规则是,不同的匹配条目间是逻辑与的匹配规则,单个条目的匹配是,交集不为空则判定相匹配。例如,前文举例用的招聘职位A与B前置匹配项不匹配,因而二者虽然在行业领域、职位名称这两个匹配条目上都能相匹配,但在工作地点上不匹配,判定结果就是1 AND 1 AND 0 = 0。对于招聘职位D“行业领域:机械制造,职位名称:机械测绘经理,工作地点:杭州、上海”,与招聘职位B“行业领域:机械制造,职位名称:机械测绘经理,工作地点:上海”,在前置匹配项筛选时应判定是相匹配的,因而二者在工作地点这个匹配条目上是交集不为空。
具体地,在步骤S120:待匹配简历集合提取,对每一个招聘职位,都要把该职位的目标招聘对象找出来,即把符合目标招聘对象条件的简历找出来,组成该招聘职位的待匹配简历集合。每一个招聘职位都有各自需求与属性,只有与招聘职位需求相符合,并合乎其属性的求职者才是该招聘职位的招聘对象。因而,将每个招聘职位的目标招聘对象找出来,组成待匹配简历集合,后续的竞价匹配才能有的放矢。
被筛选提取进招聘职位的待匹配简历集合的求职简历必须同时满足以下两方面要求。
第一,该求职简历必须与招聘职位的前置匹配项相匹配。如前文在步骤S110部分所述,前置匹配项是招聘职位的核心前提信息,这一点对求职者或求职简历也是一样。按前置匹配项来筛选简历的规则,与步骤S110待匹配职位集合提取时判定职位前置匹配项相匹配的规则一样,即不同匹配条目之间以逻辑与来计算,单个匹配条目的匹配规则是交集不为空则相匹配。并且,对职位名称这种半标准化的匹配条目采用职位名称基础关键词精确匹配,忽略基础关键词的前后缀;对其它标准化的匹配条目采用精确匹配的原则。
第二,求职简历的薪酬待遇要价(或要求)必须与招聘职位的薪酬待遇出价在范围上有交集。例如,一方要价是8000到12000,另一方的出价是10000到15000,则符合在范围上有交集的要求。本发明之所以用薪酬待遇是否有交集来筛选提取招聘职位的待匹配简历集合,因为无论是求职方的要价,还是招聘方的出价,如果相差较大的化,体现的是具备不同职业资历、能力层次的求职者的不同求职需求,体现的是招聘方对招聘职位的不同定位和表现在薪酬上的不同的发展状况。再加上,薪酬待遇具有比较强的刚性,即不易变化调整的稳定性,所以薪酬待遇是区分具有不同需求和状况的求职方和招聘方的一个很好的指标。因而,本发明将薪酬待遇纳入招聘职位对目标招聘对象的筛选,以筛选提取招聘职位的待匹配简历集合。
薪酬待遇包括经济性薪酬和非经济性薪酬,经济性薪酬又包括直接经济性薪酬和间接经济性薪酬。因此,对薪酬待遇的计算和比较还要根据不同的薪酬内在结构分清不同的情况。由于薪酬待遇报价是筛选提取待匹配简历集合的基础,也是竞价匹配执行步骤的核心竞价指标,其重要性显而易见。下面就针对不同情况下,对薪酬待遇的计算比较作进一步说明。
求职招聘行业现实实践情况是,至少在早期公示和接洽阶段,双方给出的或报出的是月工资,即标在求职简历和招聘职位说明书上的是月工资。也有比较多的是报出的薪资里除了月工资,还有奖金、交通津贴等工资以外的直接经济性薪酬。还有少部分把按季、按年发的奖金以类似中位数、平均数的情况给折算到按月能给雇员发多少钱,进而加到月工资里以招徕求职者。除了以上直接经济性薪酬,还有很少部分的招聘方把提供给雇员的间接经济性薪酬也折算到月的,如把公积金、保险、带薪假等间接经济性薪酬里由雇主支出的那部分加进招聘职位的薪酬待遇报价里。求职招聘双方标出的薪酬待遇的支付时间跨度,通常以月薪和年薪的情况为主。综上所述,一直以来,求职招聘行业的实践是,标出的薪酬结构和支付方式以月工资为主流,间夹有其它多种类型。
本发明的技术方案对上述这些薪酬结构和支付方式的任何一种都不排斥,只要在计算比较薪酬待遇时做到标准统一、口径统一就行。因为,只有标准统一、口径统一,才能通过求职招聘双方标示在简历或职位说明书上的薪酬待遇数额以统一的标准和口径把双方的实际情况衡量出,进而才能实现在统一的标准和口径之上的准确竞价匹配。
对于以上所述经济性薪酬,计算比较的步骤是:首先,将薪酬待遇或薪酬待遇结构所包含的不同条目折算到同一支付时间跨度;其次,如果薪酬待遇是单一的工资,则直接读取其值;如果包含不同条目,则将不同的条目直接相加即可。
薪酬待遇除了上述的经济性薪酬,还包括非经济性薪酬,如个人发展、职业晋升、工作环境等。对于这些非经济性薪酬,求职招聘行业实践里尚没有给算进标示在简历或职位说明书的薪酬待遇数额里的情况。不过,随着数据信息的丰富,非经济性薪酬在网络招聘环节,有身影越来越多、影响越来越大的趋势。因为网络环境和技术设备为招聘方提供了多方位展示自身良好信息的机会,如展示在企业招聘页面上的文字、图片、视频等。大数据技术的发展,也为挖掘呈现招聘方表面之下的更多信息创造了越来越多的可能。还有各种在职雇员或前雇员对招聘方的评论、评价信息,这些口碑信息也是呈现招聘方各方面状况的一个独特窗口。
就本发明技术方案的本质而言,随着未来技术的进步和求职招聘行业的发展,即便非经济性薪酬也被纳入进求职方的薪酬出价和招聘方的薪酬报价,也不会对本发明技术方案的适用性、有效性造成影响。因为,本发明的技术方案在提取招聘职位的待匹配简历时是比较求职招聘双方的薪酬待遇报价,在竞价匹配执行时是比较众多招聘方的薪酬待遇报价,且都是只需要比较出薪酬待遇报价的大小即可。既然是比较大小,那就将薪酬待遇数额的内在结构给屏蔽掉了。因而薪酬待遇结构要是纳入非经济性薪酬的话,也不会对本发明技术方案的适用性、有效性造成影响。纳入非经济性薪酬后,计算薪酬待遇可选的算法包括:
以加权汇总的方式纳入非经济性薪酬的一种可选算法:
薪酬待遇=经济性薪酬*经济性薪酬权价+非经济性薪酬*非经济性薪酬权价;
以影响力因子纳入非经济性薪酬的一种可选的算法是:
薪酬待遇=经济性薪酬 * F(非经济性薪酬),其中F(X)是计算非经济性薪酬影响力因子的函数。
就上述两例的计算方法和所得结果来看,纳入非经济性薪酬不影响本发明技术方案对招聘职位待匹配集合的提取和后续的竞价匹配。另外,本发明的技术方案在待匹配职位集合提取步骤是根据前置匹配项来分组和提取集合,这就为面向不同行业、职位或地区的职位集合采用不同的薪酬结构和计算方法带来了方便。
综上所述,本发明应用对薪酬待遇的计算比较来筛选提取招聘职位的待匹配简历集合,来作为竞价匹配的竞价指标,薪酬待遇的内部结构如何变化都不影响本发明技术方案的适用性、有效性。只需在用户录入薪酬待遇时,给以必要的引导,并对录入信息做验证,做到求职者、招聘者无论是哪一方录入的薪酬待遇信息,这些信息的标准、口径是统一的即可。在计算薪酬待遇时,应首先将计算的标准统一到同样的支付时间跨度内;其次,对于同类型的薪酬可直接相加,对于不同类的薪酬可采用的算法包括:加权求和、影响力因子乘积。
具体地,在步骤S130:匹配度权价计算,计算出所述待匹配简历集合里的每一份求职简历与该集合所属的那个招聘职位的匹配度权价。
应用内容分析比较、自然语言处理的技术,对求职简历和招聘职位说明书的各部分内容进行识别提取,并将求职简历的各部分内容与对应的职位说明书的各部分内容进行比较分析,得到体现各部分内容之间匹配程度的多个匹配度,再将这多个匹配度进行加权或综合计算,进而得出所述匹配度权价。其中,要识别提取求职简历的各部分内容包括:性别、学历、工作经验、工作经历、业绩成果、项目经验、教育经历等;要识别提取职位说明书的各部分内容包括:年龄、学历、岗位职责、任职资格等。
如图2所示的匹配度权价计算流程框图,匹配度权价计算可以分为以下步骤:
步骤S131,对求职简历和招聘职位说明书的各部分内容进行提取和语义识别,获得各部分内容所包含下级内容项、子内容主题等;
步骤S132,对识别提取出的内容项、子内容主题等进行识别、比较、计算,进而获得招聘职位和待匹配简历在各内容项上的相似度或匹配度;
步骤S133,结合权重赋值,综合计算出的待匹配简历与所属的招聘职位之间的匹配度权价。
具体地,在步骤S131,对各部分内容进行提取、识别,其目的是要把不同部分包含的具体内容识别出来,即各部分内容包括哪些内容项,不同内容项下又包括哪些子内容主题,以及这些内容项或子内容主题的具体内容及其性质、状态、数量、程度等。对此,下面从两方面举例加以说明。
(1)例如某招聘职位的基本内容部分有这样的要求,“工作经验:3-5年,学历:本科”。那么这里的工作经验和学历就是该招聘职位的基本内容部分(或叫结构化数据部分)的两个内容项,且这两个内容项的具体内容分别是数字“3-5年”、程度“本科”。
(2)例如,一份招聘JAVA工程师的职位说明书在岗位职责部分有这样的两条:“1.规划和设计系统的整体技术架构和业务架构,撰写相关文档;2.提交总体系统设计方案和版本规划,解决开发中与架构、系统设计有关的问题”。那么对该招聘职位的岗位职责部分进行提取分析时,根据这两条职责要求分别提取识别出一个内容项。另外,此处识别提取出来的内容项不同于上一例的内容项,此处的内容项还含有下一级子内容主题。以下是将识别提取出来的两个内容项所包含的子内容主题分别列出,其中括号内的是对应子内容主题的具体内容。
内容项一:
子内容主题一:规划设计(整体技术架构、业务架构);
子内容主题二:撰写(相关文档)。
内容项二:
子内容主题一:提交(系统设计方案、版本规划);
子内容主题二:解决(架构、系统设计)问题。
依照上述同样的方法,还可以对求职简历的各部分内容进行识别提取,进而获得求职简历的各部分所包含的内容项、内容项下子内容主题及其具体内容。
具体地,在步骤S132,将招聘职位与其待匹配简历集合里的简历分别进行比较、分析(比较分析的内容就是上一步S131识别提取出的分属于招聘职位和求职简历的各部分具体内容),进而得出招聘职位的各部分内容与求职简历的各部分内容之间的匹配度。例如,对于内容项“工作经验:3-5年”,如果几份简历的工作经验分别为1年、2年、3年、4年、5年、6年,则可分别记为0.5分、0、7分、1分、1.2分、1.4分、1.6分。例如,对于内容项“最低学历:本科” ,如果几份简历的学历分别为高中、专科、本科、硕士,则可分别记为0分、0分、1分、1.5分。像最低学历这种明确了门槛界限的内容项,如果匹配记分为0分,会导致所在的整个内容部分被记为0分,进而有可能导致整个简历的匹配度权价被记为0分。
对岗位职责和任职要求这样的非结构化数据的识别提取结果进行匹配度分析、计算时,还需做关键词匹配、近义词识别等处理。为了进一步提高准确度,还可结合众多已被广泛应用的技术方案,如行业语料库、训练样本和机器学习等。
具体地,在步骤S133,结合系统或用户对不同的内容部分、不同的内容项或不同的子内容主题设置的权重赋值,就可对步骤S132获得的匹配度进行加权计算,进而获得招聘职位与其待匹配简历集合里的每一份简历的匹配度权价。例如,招聘职位的基本信息、岗位职责、任职要求三大块的权重赋值分别被设为2、3、5,如果某简历与该招聘职位在这三大块的匹配度得分分别为6、8、9,则该简历与招聘职位的匹配度权价计算方式为:6*2+8*3+9*5=81。如果系统或用户没有对不同的内容部分或不同的内容项赋值,则可默认权价赋值统一为1。
本发明的技术方案对求职简历与招聘职位匹配度权价的应用方式有一个优点,就是不需要计算出求职简历与招聘职位之间的绝对匹配度权价,而是只需得出同一个待匹配简历集合里的简历与集合所属招聘职位的相对匹配度即可。因为,在竞价执行过程中,不是计算、应用匹配度权价的具体值或十分准确的定量值,而是只需要比较大小即可,且只是对招聘职位自身的待匹配简历集合内简历的匹配度权价进行比较。因而,在计算匹配度权价时,只要保证在计算招聘职位与其自身待匹配简历集合里的简历的匹配度权价时的标准统一、计算方法稳定即可。
具体地,在步骤S140:竞价周期触发,竞价匹配执行系统以设置好的运行周期来周期性地触发启动步骤S150的竞价匹配执行步骤。随着竞价匹配执行周期性地一轮一轮地执行,就分批地、不断地给求职招聘双方提供合乎竞价匹配规则的最优匹配。因为每一批都是最优匹配,多批下来就能实现在较大范围内持续地选优。
竞价匹配周期可以根据具体需要设置成不同的周期执行规则,例如可设置成每隔固定时间长度运行一轮,如5小时、6小时或12小时等;还可以设置成每一段时间长度内的某个或某些固定时点运行一轮,如每天早上5点和中午12点各运行一轮。如果将竞价匹配周期的时间间隔设置得越来越短,例如小于20分钟、10分钟,那就越来越接近实时竞价状态。竞价周期间隔太长的话,竞价匹配的效率会降低,间隔太短的话,用户对匹配结果响应处理数量不足。所以竞价周期间隔不是越长越好,也不是越短越好,需要在运行实践中基于用户行为数据,通过分析对比不同间隔长度下,求职招聘双方对匹配结果的及时响应、处理数量和比例来确定。
本发明的技术方案在待匹配职位集合提取步骤根据前置匹配项来分组和提取集合,这就为面向不同行业、职位或地区的职位集合采用不同的触发周期安排提供了方便,有利于更灵活地实现最优竞价匹配周期设置。
具体地,在步骤S150:竞价匹配执行,从招聘职位薪酬待遇出价和待匹配简历匹配度权价两个方向实施双向竞价匹配,获得竞价匹配结果。这一竞价匹配执行过程包含以下交替进行、整体推进的两个方面。
竞价匹配执行第一方面:薪酬待遇出价高的招聘职位优先匹配获取待匹配简历。对于每一个步骤S110生成的待匹配职位集合,将集合里的招聘职位按各职位的薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先进入当前竞价职位状态,成为当前竞价职位,进而优先匹配获取其自身的待匹配简历集合里的求职简历,直至该当前竞价职位完成匹配获取操作才退出当前竞价职位状态。
对上述竞价匹配执行第一方面的进一步说明如下。按职位竞价队列顺序逐个将每一个招聘职位置入当前竞价职位状态,进而匹配获取求职者简历。排在前一位的招聘职位匹配获取简历操作完成,且退出当前竞价职位状态后,才开始将排在其后一位的招聘职位置入当前竞价职位状态,进而开始新的匹配获取简历操作。当前竞价职位匹配获取简历操作的完成分两种情况,一种情况是:当前竞价职位已完成对自己的待匹配简历集合里全部简历的匹配操作;另一种情况是:当前竞价职位已经匹配获取到的简历数量等于该职位的可匹配简历数阈值。
竞价匹配执行的第二方面:竞价匹配执行第一方面的“当前竞价职位”产生后,就将该当前竞价职位的待匹配简历集合里的求职简历按匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先进入到当前竞价简历状态,成为当前竞价简历,进而优先匹配到当前竞价职位。
对竞价匹配执行第二方面的进一步说明如下。按简历竞价队列顺序逐个将每一个求职简历置入当前竞价简历状态,进而开始该简历对当前竞价职位的匹配操作。排在前一位的待匹配简历对当前竞价职位的匹配操作完成,且退出当前竞价简历状态后,才开始将排在其后一位的待匹配简历置入当前竞价简历状态,进而开始对当前竞价职位新的匹配操作。
在竞价匹配执行第二方面,建立当前竞价简历与当前竞价职位的匹配关系之前和之后,还需要进行如下的判断和操作。
在正式建立匹配关系之前,要进行的判断和操作包括:若当前竞价简历在当前这一轮竞价匹配执行之前已经与当前竞价职位匹配过,则不再重复匹配,终止当前竞价简历对当前竞价职位的匹配,并将该简历退出当前竞价简历状态;若当前竞价简历已匹配到的职位数量等于其自身可匹配职位数阈值,则终止当前竞价简历对当前竞价职位的匹配,并将该简历退出当前竞价简历状态。
在正式建立匹配关系之后,要进行的判断和操作包括:若当前竞价职位已匹配获取到的简历数量等于其自身的可匹配简历数阈值,则将当前竞价职位匹配获取简历的操作终止,并将其退出当前竞价职位状态的。
如图6所示的竞价匹配执行步骤双向竞价匹配示意图,该图更直观地展示出竞价执行过程的上述两个方面。图6的左侧部件61展示的是招聘竞价队列,且是一个待匹配职位集合的竞价状态:竞价队列从上到下的排序与薪酬待遇出价从高到低的排序相吻合,且该竞价队列从上往下箭头方向就是竞价匹配执行过程的运行推进方向。当竞价执行推进到招聘职位Pn时(图6中所示的Pn即为当前竞价职位),就调取该招聘职位的待匹配简历集合PnR,如图6右侧的部件62所示的求职竞价队列。并将待匹配简历集合PnR里的全部简历按匹配度权价从高到低(即部件62的箭头方向所示从上往下)排序,形成简历竞价队列。然后,简历竞价队列里的待匹配简历就按照队列顺序从上到下逐个进行对招聘职位Pn的匹配操作,如图中所示最先开始匹配的是PnR1,其次是PnR2,第三是PnR3,以此类推。
上文对竞价匹配执行的说明中涉及到两个特殊的限制阈值,一个是招聘职位的可匹配简历数阈值,另一个是求职简历的可匹配职位数阈值。前一个阈值是为保证每轮竞价匹配执行为招聘职位匹配到的简历数量是招聘者能够及时响应处理的;后一个阈值是为保证每轮竞价匹配执行为求职简历匹配到的职位数量是求职者能够及时响应处理的。以下对这两个阈值的生成规则做进一步说明。
招聘职位的可匹配简历数阈值的生成规则包括:按照招聘用户历史行为中对该职位已经匹配获取到简历的及时响应与处理量来动态生成;还可以此所述的动态生成为基础,接受用户在一定范围内对该阈值的调增或调减;所述的招聘用户对获取匹配到简历的响应与处理包括以下相同或相似的操作:邀请面试、设为不合适;
求职简历的可匹配职位数阈值的生成规则包括:求职用户历史行为中对该求职简历已经匹配到招聘职位的及时响应与处理量来动态生成;还可以此所述的动态生成为基础,接受用户在一定范围内对该阈值的调增或调减;所述的求职用户对匹配到职位的响应与处理包括以下相同或相似的操作:发面试意向、设为不合适。
这两个阈值的生成规则里都涉及到“及时响应与处理” 的说法。及时响应与处理的意思是,用户在两次竞价执行的时间间隔内,能将最近一次获取到的匹配结果响应并处理完成,即用户及时完成对匹配结果的浏览和相关处理操作;或者在对方用户对匹配结果处理之后,能及时完成对该已处理状态的响应与处理。
以上两个阈值的生成规则实现了根据求职招聘双方实际需要来动态调节所能得到的匹配数。通常对匹配结果及时响应处理数量越大表示用户的求职或招聘紧迫度越高,同时也是有意愿和能力及时响应处理大数量的匹配结果,那么就有必要给这样的用户提供大数量的匹配结果。这样做即满足了该招聘用户对简历的需求,同时也相对增加了被匹配简历的机会。相反的话,用户若不能及时对匹配结果响应处理,就应该根据用户的实际响应数量调减匹配量,才不至于浪费对方的机会,还给对方造成干扰和成本浪费。
如图3所示,图3是竞价匹配执行过程详细流程图。下面结合图3对竞价匹配执行过程作进一步说明。
在步骤S301:生成招聘职位竞价队列,将待匹配职位集合里的招聘职位按薪酬待遇出价从高到低排序,生成招聘职位竞价队列;
在步骤S302:职位队列调度,按招聘职位竞价队列顺序,逐个将每一个招聘职位置入“当前竞价职位”状态。若当前竞价职位完成了竞价匹配,则将其置出“当前竞价职位”状态,并继续将排在其后一位的招聘职位置入“当前竞价职位”状态;
在步骤S303:获取到当前竞价职位,职位队列调度步骤有了变更后的新的调度结果,即将该最新结果传给求职简历竞价单元,于是简历竞价单元就获取到最新的当前竞价职位;
在步骤S304:读取待匹配简历集合,求职简历竞价单元根据上一步获取到的当前竞价职位,读取该当前竞价职位的待匹配简历集合;
在步骤S305:生成求职简历竞价队列,求职简历竞价单元根据上一步读取到的待匹配简历集合,将该集合内的简历按匹配度权价排序,生成求职简历竞价队列;
在步骤S306:简历队列调度,对已生成的求职简历竞价队列进行调度,按照队列前后顺序逐个将每一个求职简历置入“当前竞价简历”状态。若当前竞价简历完成了竞价匹配,则将其置出“当前竞价简历”状态,并继续将排在其后一位的简历置入“当前竞价简历”状态;
在步骤S307:获取到当前竞价简历,简历队列调度步骤有了变更后的新的调度结果,即获取最新的当前竞价简历;
在步骤S308:没有过历史匹配判断,判断当前竞价简历与当前竞价职位是否有过匹配历史:若当前竞价简历与当前竞价职位在以前的竞价执行匹配过程中从未建立过匹配关系,则判断通过,继续进入下一步操作;若有过历史匹配,就走步骤S313,将其退出“当前竞价简历“状态;
在步骤S309:达简历匹配上限判断,结合步骤S317获取到的当前竞价简历的可匹配职位数阈值,判断当前竞价简历在当前这一轮竞价执行过程中,与排在当前竞价职位之前的那些招聘职位已经建立匹配关系的总数是否已经等于该简历的可匹配职位数阈值:若等于该阈值,则走步骤S313,终止其对当前竞价职位的匹配操作,并将其退出“当前竞价简历“状态;若不等于该阈值,则进入下一步的匹配操作;
在步骤S310:当前简历到当前职位成功匹配,将进入到这一步的当前竞价简历与当前竞价职位建立匹配关系,从而获得一次成功匹配关系(此处的当期竞价职位就是步骤S303获取到的当前竞价职位);
在步骤S311和步骤S315,分别将当前竞价职位和当前竞价简历的已匹配数量增加1,并通过步骤S316将更新后的当前竞价简历的简历已匹配数量保存;
在步骤S312:达职位匹配上限判断,在步骤S311将当前竞价职位已匹配数增加1后,结合步骤S318获取到的可匹配简历数阈值,判断当前竞价职位已匹配到的简历数量是否等于该阈值:若不等于该阈值,则继续进入步骤S313的判断;
在步骤S313:达简历队列末尾判断,判断当前竞价简历是否处于简历竞价队列的最后一位:若判断结果为“否”,就不是最后一位,则返回到步骤S306,进而将该简历退出“当前竞价简历” 状态,转而将排在该简历后一位的简历置入“当前竞价简历”状态;
若在步骤S312判断结果为:是,则表明当前竞价职位已获取匹配到足够多的简历,继续匹配更多就超过了招聘方可及时响应处理的需求或能力,因而这时就应该将其导入退出“当前竞价职位”状态的流程;若在步骤S313的判断结果为:是,则表明当前竞价职位的待匹配简历集合里的所有简历都完成了匹配操作,所以对当前竞价职位的匹配操作也就结束了,因而这时就应该将其导入退出“当前竞价职位”状态的流程。
在步骤S314:达职位队列末尾判断,判断进入“当前竞价职位”状态退出流程的当前竞价职位是否为职位竞价队列里的最后一位,若此处的判断结果为:是,则表明已完成对步骤S301生成的竞价队列里所有职位的匹配操作,因而整个流程就结束了;若此处的判断结果为:否,表明当前竞价职位后面还有招聘职位等待匹配,因而将流程导入步骤S302,进而将该职位退出“当前竞价职位”状态,并将排在下一位招聘职位置入“当前竞价职位”状态。
以上是对图3本发明的竞价匹配执行过程详细流程图的说明。
在竞价匹配执行步骤,还要产生竞价成交价。所述竞价成交价应满足的条件包括:所述的竞价成交价不小于求职方的薪酬待遇要价下限,且不大于招聘方薪酬待遇出价上限;与同一份求职简历匹配的招聘职位的薪酬待遇出价上限越高,则所述的竞价成交价越高。
满足上述条件的竞价成交价生成规则较多,这里仅举以下两例。
竞价成交价生成例一:将当前竞价职位的薪酬待遇出价上限与当前竞价简历的薪酬待遇要价下限求和,再取平均值,以该平均值作为竞价成交价。
竞价成交价生成例二:求职简历与招聘职位建立匹配关系时,即以该简历薪酬待遇要价下限同该招聘职位的薪酬待遇出价上限求和,再取平均值,以该平均值作为竞价参考价。在当前这一轮竞价匹配执行过程中,若下一个与当前竞价简历建立匹配关系的招聘职位与当前竞价职位的竞价参考价记为Ps,则当前竞价简历与当前竞价职位的竞价成交价P=(1+k)* Ps ,其中k为大于等于0,且小于1的常数。
具体地,在步骤S160:竞价匹配结果反馈,将步骤S150竞价匹配执行完成后的竞价匹配结果反馈给求职或招聘方,并接受后续操作。每一轮步骤S150的竞价匹配执行结束后,都将匹配结果以主动推送或响应用户查询的方式反馈给用户。用户会在这一步骤对匹配结果做出响应、操作,将这些响应或操作生成用户的历史行为记录。进而根据对这些历史行为记录的统计来生成竞价匹配执行步骤S150所需要的招聘职位可匹配简历数阈值和求职简历可匹配职位数阈值。
综合步骤S140和步骤S150、S160来看,在步骤S140竞价周期的触发下,步骤S150和S160周期性反复运行,不断地、一批批地向用户提供符合竞价优选规则的最佳匹配结果,供用户比较、选择。因为每一批给到求职招聘双方每一个用户的都是符合竞价优选规则的最佳匹配,这个既满足了单个用户的需求,又实现了对全部求职者和招聘者整体的匹配效率和效果的提升。
下面阐述本发明的第二方面:基于求职招聘双方需求的双向竞价匹配系统。如图4所示,该图显示的是本发明的基于求职招聘双方需求的双向竞价匹配系统整体结构图。
如图4所示,P400为运行本发明的系统的计算机设备,P400由P420、P410两大部分组成。P420是计算设备基础环境,包括处理器、随机和只读存储器、大容量存储器、操作系统和应用程序、网络通信等设备和配置,并且由总线联通,实现数据传输和控制逻辑。本发明基于求职招聘双方需求的双向竞价匹配系统P410运行于由P420所提供的设备基础环境之上。P420的存储器中存储有系统P410的至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由P420的处理器加载并执行或运行本发明的系统P410。P420的存储器里还存储有系统P410运行过程的中间数据或运行结果数据。
如图4所示,运行本发明的系统的计算设备P400通过网络连接求职、招聘双方,为双方提供服务。根据实际需要,计算设备P400还可通过网络、光纤等方式与外部存储器和计算设备连接。
如图4所示,本发明的基于求职招聘双方需求的双向竞价匹配系统P410包括以下模块:
待匹配职位集合提取模块P411,用于对招聘职位按前置匹配项分组,将前置匹配项相互匹配的招聘职位提取出来分到同一个组,一组就是一个待匹配职位集合;
待匹配简历集合提取模块P412用于将与招聘职位的前置匹配项相匹配,且薪酬待遇要价与该招聘职位的薪酬待遇出价在范围上有交集的求职简历提取出来,组成该招聘职位的待匹配简历集合;
匹配度权价计算模块P413,用于计算出所述待匹配简历集合里的每一份求职简历与该集合所属的那个招聘职位的匹配度权价;
竞价周期触发模块P414,用于将系统的竞价匹配运行设置成周期性运行,每一运行周期内的运行时点开始时即触发启动下一步骤的竞价匹配执行;
竞价匹配执行模块P415,用于从招聘职位薪酬待遇出价和求职简历匹配度权价两个方向实施双向竞价匹配,产生竞价匹配结果,并在此过程中对招聘职位和求职简历分别实施最大可匹配数量条件限制;所述双向竞价匹配过程包括:将所述待匹配职位集合里的招聘职位按所述薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先匹配获取求职简历;将招聘职位的待匹配简历集合里的求职简历按所述匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先匹配到该招聘职位;
竞价匹配结果反馈模块P416,用于在所述竞价匹配执行模块的运行完成后,以主动推送或响应查询等方式把竞价匹配结果反馈给用户,并接受用户对匹配结果的后续处理操作。
具体地,在待匹配职位集合提取模块P411,对招聘职位的前置匹配项进行相互比较,将前置匹配项相互匹配的招聘职位分到一起,组成一个待匹配招聘职位集合。P411提取待匹配职位集合的规则包括:
对前置匹配项里的行业领域、工作地点这样的标准化信息,进行精确匹配;对招聘职位这类通常不那么标准的信息,进行筛选匹配时就只匹配基础关键词(如职位基础关键词),而忽略基础关键词的前缀或后缀;
前置匹配项里的不同的匹配条目间是逻辑与的匹配规则,单个条目的匹配以交集不为空则判定相匹配。
具体地,在待匹配简历集合提取模块P412,对每一个招聘职位,都要把该职位的目标招聘对象找出来,即把符合目标招聘对象条件的简历找出来,组成该招聘职位的待匹配简历集合。被选中提取进招聘职位的待匹配简历集合的求职简历必须同时满足以下两方面要求:
第一,求职简历必须与该招聘职位的前置匹配项相匹配;
第二,求职简历的薪酬待遇要价(或要求)必须与该招聘职位的薪酬待遇出价在范围上有交集。
要比较薪酬待遇的报价范围,首先要计算清楚薪酬待遇。薪酬待遇包括经济性薪酬和非经济性薪酬,经济性薪酬又包括直接经济性薪酬和间接经济性薪酬。在计算薪酬待遇时,应首先将计算的标准、口径统一到同样的支付时间跨度内;其次,对于同类型的薪酬可直接相加,对于不同类的薪酬可采用的算法包括:加权求和、影响力因子乘积。
本发明应用对薪酬待遇的计算比较来提取招聘职位的待匹配简历集合,还将薪酬待遇作为竞价匹配的竞价指标。薪酬待遇的内部结构如何变化都不影响本发明技术方案的适用性、有效性。
具体地,在匹配度权价计算模块P413,计算出待匹配简历集合里的每一份求职简历对该集合所属的那个招聘职位的匹配度权价。
应用内容分析比较、自然语言处理的技术,对求职简历和招聘职位说明书的各部分内容进行识别提取,并将求职简历的各部分内容与对应的职位说明书的各部分内容进行比较分析,得到体现各部分内容之间匹配程度的多个匹配度,再将这多个匹配度进行加权或综合计算,进而得出所述匹配度权价。其中,要识别提取求职简历的各部分内容包括:性别、学历、工作经验、工作经历、业绩成果、项目经验、教育经历等;要识别提取职位说明书的各部分内容包括:年龄、学历、岗位职责、任职资格等。
具体地,在竞价周期触发模块P414,竞价匹配执行系统以设置好的运行周期来周期性地触发启动竞价匹配执行模块P415。随着竞价匹配执行周期性地一轮一轮地执行,于是分批地、不断地给求职招聘双方提供合乎竞价匹配规则的最优匹配。因为每一批都是最优匹配,多批下来就能实现在较大范围内不断地选优。
竞价匹配周期可以根据具体需要设置成不同的规则,例如可设置成每隔固定时间长度运行一轮,如5小时、6小时或12小时等;还可以设置成每一段时间长度内的某个或某些固定时点运行一轮,如每天早上5点和中午12点各运行一轮。如果将竞价匹配周期的时间间隔设置越来越短,例如小于20分钟、10分钟,那就越来越接近实时竞价状态。竞价周期间隔不是越长越好,也不是越短越好,需要在运行实践中基于用户行为数据,通过分析对比不同间隔长度下,求职招聘双方对匹配结果的及时响应、处理数量和比例来确定。
具体地,在竞价匹配执行模块P415,从招聘职位薪酬待遇出价和待匹配简历匹配度权价两个方向实施双向竞价匹配,获得竞价匹配结果。如图5所示的竞价匹配执行模块结构图,竞价匹配执行模块P415进一步包括以下处理单元:
第一竞价单元P4151,用于将所述待匹配职位集合里的招聘职位按所述薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先进入当前竞价职位状态,成为当前竞价职位,进而优先匹配获取求职简历;
第二竞价单元P4152,用于在所述当前竞价职位产生后,将其待匹配简历集合里的求职简历按所述匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先进入到当前竞价简历状态,成为当前竞价简历,进而优先匹配到当前竞价职位;
竞价匹配单元P4153,用于将当前竞价简历匹配到所述当前竞价职位。在建立当前竞价简历与当前竞价职位的匹配关系之前和之后,还需要进行如下的判断和操作。
在正式建立匹配关系之前,要进行的判断和操作包括:若当前竞价简历在当前这一轮竞价匹配执行之前已经与当前竞价职位匹配过,则不再重复匹配,终止当前竞价简历对当前竞价职位的匹配,并将该简历退出当前竞价简历状态;若当前竞价简历已匹配到的职位数量等于其自身可匹配职位数阈值,则终止当前竞价简历对当前竞价职位的匹配,并将该简历退出当前竞价简历状态。
在正式建立匹配关系之后,要进行的判断和操作包括:若当前竞价职位已匹配获取到的简历数量等于其自身的可匹配简历数阈值,则将当前竞价职位匹配获取简历的操作终止,并将其退出当前竞价职位状态的。
第二竞价单元P4152不断循环执行,直至匹配到当前竞价职位的简历已达到该职位可匹配简历数阈值,或对简历竞价队列里的全部简历的匹配操作已经完成,即完成对当前招聘职位的匹配操作。第一竞价单元P4151不断循环执行,就可完成职位竞价队列里的全部招聘职位的匹配获取简历操作。
具体地,在竞价匹配结果反馈模块P416,当竞价匹配执行模块的运行完成后,即以主动推送或响应查询等方式把竞价匹配结果反馈给用户,并接受用户对匹配结果的后续处理操作。模块P416还包括子单元P4161历史行为统计、子单元P4162控制阈值。用户对匹配结果的后续处理操作行为数据在模块P4161被统计分析,并通过子模块P4162生成条件阈值,用于对竞价匹配执行模块P415的部分运行环节进行条件约束。子模块P4162生成的条件阈值包括:招聘职位的可匹配简历数阈值、求职简历的可匹配职位数阈值。
招聘职位的可匹配简历数阈值的生成规则包括:按照招聘用户历史行为中对该职位已经匹配获取到简历的及时响应与处理量来动态生成;还可以此所述的动态生成为基础,接受用户在一定范围内对该阈值的调增或调减;所述的招聘用户对获取匹配到简历的响应与处理包括以下相同或相似的操作:邀请面试、设为不合适;
求职简历的可匹配职位数阈值的生成规则包括:求职用户历史行为中对该求职简历已经匹配到招聘职位的及时响应与处理量来动态生成;还可以此所述的动态生成为基础,接受用户在一定范围内对该阈值的调增或调减;所述的求职用户对匹配到职位的响应与处理包括以下相同或相似的操作:发面试意向、设为不合适。
在竞价匹配执行模块,还要产生竞价成交价。所述竞价成交价应满足的条件包括:所述的竞价成交价不小于求职方的薪酬待遇要价下限,且不大于招聘方薪酬待遇出价上限;与同一份求职简历匹配的招聘职位的薪酬待遇出价上限越高,则所述的竞价成交价越高。
本发明第二方面的双向竞价匹配系统是对本发明第一方面的双向竞价匹配方法的系统化实现,因而第二方面与第一方面遵循的业务规则和处理流程相同。上文中,对本发明第二方面的阐述有不完全的地方,即是与本发明第一方面的相关内容相同,可参照第一方面的相关阐述。
综上所述,本发明的基于求职招聘双方需求的双向竞价匹配方法与系统之所以能为求职招聘双方持续提供最优的匹配结果,得益于以下要点的相互配合、相互约束:(1)以待匹配职位集合和待匹配简历集合限定出合理的竞价匹配范围;(2)招聘职位按薪酬待遇出价竞价优先,求职简历按匹配度权价竞价优先;(3)以条件阈值分别对招聘职位和求职简历的可匹配数量做限制;(4)匹配关系去重,即每次建立起的简历与职位间的匹配关系,都是之前竞价执行过程中没有建立过的新的匹配关系;(5)周期性触发执行,周期性反复触发运行竞价匹配执行。
这里的要点(1)将竞价匹配的范围限定在必要的、合理的、相对较小的范围内,既保障了竞价匹配的有效性,又具备了灵活性。要点(2)和(3)建立起了双向竞价匹配的优选导向,即每一轮竞价执行,对每个招聘职位来说,优先与竞价位置靠前的那一部分求职简历进行匹配。除非在靠前的这部分简历里,有的简历与排在该招聘职位前面的职位已经建立起更优的匹配,且已达到简历可匹配职位数阈值。那就不与那些已达到可匹配职位数阈值的简历建立匹配,转而从剩下的简历里选优匹配。这样的优选机制和效果对每一份简历也是一样的。单独来看,要点(3)还保证了不存在有的用户被提供了过多的匹配结果而不能及时响应处理,进而避免了浪费对方用户查阅、投递或邀约的时间,还拉低了系统整体的匹配效率。
要点(4)是保障双向竞价匹配效果的补充约束,为的是排除竞价匹配结果里的重复性匹配这种干扰信息。因为之前成功匹配过的就不再被重复匹配,因而摒除了无意义重复匹配的干扰和人力浪费。
要点(5)使得竞价匹配的优选机制不断地反复执行,进而实现了为求职招聘双方在相对长一些的时间跨度内、在更广泛的待匹配简历或职位里,不断地反复选优,直至找到满意的对方。这样一来,既实现了单次竞价匹配结果是符合约束条件的、实现各方利益最大化的最优匹配结果,也实现了多次竞价匹配的结果仍是最优的。由此,便达成了本发明技术方案的目的和初衷:旨在利用现实世界和求职招聘过程中客观存在的竞争性来设计实现自动化匹配,以达成对求职招聘双方更具针对性、更高效、更准确的自动化匹配,降低求职招聘双方搜索、筛选、比较等环节的各种成本,并在提升双方共同效率的同时,还提升双方的匹配价值。
Claims (11)
1.一种基于求职招聘双方需求的双向竞价匹配方法,其特征在于,包括以下步骤:
待匹配职位集合提取,对招聘职位按前置匹配项分组,将前置匹配项相互匹配的招聘职位筛选提取出来分到同一个组,一组就是一个待匹配职位集合;所述前置匹配项的匹配条目包括:行业领域、职位名称、工作地区;
待匹配简历集合提取,计算比较招聘职位和求职简历报出的薪酬待遇,将薪酬待遇要价与招聘职位薪酬待遇出价在范围上有交集,且所述前置匹配项与该招聘职位相匹配的求职简历筛选提取出来,组成该招聘职位的待匹配简历集合;所述薪酬待遇出价是招聘方对求职方的综合吸引力程度,包括:工资;
匹配度权价计算,计算出所述待匹配简历集合里的每一份求职简历与该集合所属的那个招聘职位的匹配度权价;所述匹配度权价是求职者与招聘职位的综合匹配程度,包括:求职简历与招聘职位说明书的内容匹配度;
竞价周期触发,将系统的竞价匹配运行设置成周期性运行,每一运行周期内的运行时点开始时即触发启动下一步骤的竞价匹配执行;所述竞价周期设置方法包括:设置成每隔固定时间长度运行一轮,如5小时、6小时或12小时等;设置成每一段时间长度内的某个或某些固定时点运行一轮,如每天早上5点和中午12点各运行一轮;
竞价匹配执行,从招聘职位薪酬待遇出价和求职简历匹配度权价两个方向实施双向竞价匹配,产生竞价匹配结果,并在此过程中对招聘职位和求职简历分别实施最大可匹配数量条件限制;所述双向竞价匹配过程包括:将所述待匹配职位集合里的招聘职位按所述薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先进入当前竞价职位状态,成为当前竞价职位,进而优先匹配获取求职简历;所述当前竞价职位产生后,就将该当前竞价职位的待匹配简历集合里的求职简历按所述匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先进入到当前竞价简历状态,成为当前竞价简历,进而优先匹配到所述当前竞价职位;其中,若所述当前竞价简历在以前的竞价执行过程中与所述当前竞价职位已经建立过匹配关系,则不再重复匹配,终止当前竞价简历对当前竞价职位的匹配;
竞价匹配结果反馈,所述竞价匹配执行步骤运行完成后,即可用主动推送或响应用户的查询等方式,将竞价匹配结果反馈给用户,并接受用户对匹配结果的处理操作。
2.如权利要求1所述的方法,其特征在于,所述匹配度权价计算方法包括:
应用内容分析比较、自然语言处理的技术,对求职简历和招聘职位说明书的各部分内容进行识别提取,并将求职简历的各部分内容与对应的职位说明书的各部分内容进行比较分析,得到体现各部分内容之间匹配程度的多个匹配度,再将这多个匹配度进行加权或综合计算,进而得出所述匹配度权价;所述要识别提取求职简历的各部分内容包括:性别、学历、工作经验、工作经历、业绩成果、项目经验、教育经历;所述要识别提取职位说明书的各部分内容包括:年龄、学历、岗位职责、任职资格。
3.如权利要求1所述的方法,其特征在于,在所述竞价匹配过程中,对招聘职位和求职简历分别实施所述最大可匹配数量条件限制的规则包括:
若所述当前竞价职位已匹配获取到的简历数量等于其自身的可匹配简历数阈值,则终止当前竞价职位对简历的匹配获取,并退出所述当前竞价职位状态;
若所述当前竞价简历已匹配到的职位数量等于其自身可匹配职位数阈值,则终止当前竞价简历对当前竞价职位的匹配,并退出当前竞价简历状态。
4.如权利要求3或1所述的方法,其特征在于,对所述竞价匹配执行过程进行控制的相关阈值的产生方法是:
所述可匹配简历数阈值的产生方法包括:按照招聘用户历史行为中对该职位已经匹配获取到的简历的及时响应与处理量来动态生成;还可以该所述动态生成量为基础,接受用户在一定范围内对该阈值的调增或调减;所述招聘用户的响应与处理包括:邀请面试、标记为不合适;
所述可匹配职位数阈值的产生方法包括:按照求职用户历史行为中对该简历已经匹配到的招聘职位的及时响应与处理量来动态生成;还可以该所述动态生成量为基础,接受用户在一定范围内对该阈值的调增或调减;所述求职用户的响应与处理包括:投递简历、标记为不合适。
5.如权利要求1所述的方法,其特征在于,在所述竞价匹配执行步骤,还要生成竞价成交价,所述竞价成交价应满足的条件包括:所述的竞价成交价不小于求职者的薪酬待遇要价下限,且不大于招聘方薪酬待遇出价上限;与同一份求职简历匹配的招聘职位的薪酬待遇出价上限越高,则所述的竞价成交价越高。
6.一种基于求职招聘双方需求的双向竞价匹配系统,用于执行权利要求1—5任一项所述的方法,并运行于由处理器、存储器、通讯接口等构成基础环境的计算机设备上,其特征在于,包括以下模块:
待匹配职位集合提取模块,用于对招聘职位按前置匹配项分组,并将前置匹配项相互匹配的招聘职位筛选提取出来分到同一个组,一组就是一个待匹配职位集合;所述前置匹配项的匹配条目包括:行业领域、职位名称、工作地区;
待匹配简历集合提取模块,用于计算比较招聘职位和求职简历报出的薪酬待遇,将薪酬待遇要价与招聘职位薪酬待遇出价在范围上有交集,且所述前置匹配项与该招聘职位相匹配的求职简历筛选提取出来,组成该招聘职位的待匹配简历集合;所述薪酬待遇出价是招聘方对求职方的综合吸引力程度,包括:工资;
匹配度权价计算模块,用于计算出所述待匹配简历集合里的每一份求职简历与该集合所属的那个招聘职位的匹配度权价;所述匹配度权价是求职者与招聘职位的综合匹配程度,包括:求职简历对招聘职位说明书的内容匹配度;
竞价周期触发模块,用于将系统的竞价匹配运行设置成周期性运行,每一运行周期内的运行时点开始时即触发启动下一步骤的竞价匹配执行;所述竞价周期设置方法包括:设置成每隔固定时间长度运行一轮,如5小时、6小时或12小时等;设置成每一段时间长度内的某个或某些固定时点运行一轮,如每天早上5点和中午12点各运行一轮;
竞价匹配执行模块,用于从招聘职位薪酬待遇出价和求职简历匹配度权价两个方向实施双向竞价匹配,产生竞价匹配结果,并在此过程中对招聘职位和求职简历分别实施最大可匹配数量条件限制;所述双向竞价匹配过程包括:将所述待匹配职位集合里的招聘职位按所述薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先匹配获取求职简历;将招聘职位的待匹配简历集合里的求职简历按所述匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先匹配到该招聘职位;
竞价匹配结果反馈模块,用于在所述竞价匹配执行模块的运行完成后,以主动推送或响应查询等方式把竞价匹配结果反馈给用户,并接受用户对匹配结果的处理操作。
7.如权利要求6所述的系统,其特征在于,所述匹配度权价计算模块计算所述匹配度权价的方法包括:
应用内容分析比较、自然语言处理的技术,对求职简历和招聘职位说明书的各部分内容进行识别提取,并将求职简历的各部分内容与对应的职位说明书的各部分内容进行比较分析,得到体现各部分内容之间匹配程度的多个匹配度,再将这多个匹配度进行加权或综合计算,进而得出所述匹配度权价;所述要识别提取求职简历的各部分内容包括:性别、学历、工作经验、工作经历、业绩成果、项目经验、教育经历;所述要识别提取职位说明书的各部分内容包括:年龄、学历、岗位职责、任职资格。
8.如权利要求6所述的系统,其特征在于,所述竞价匹配执行模块包括:
第一竞价单元,用于将所述待匹配职位集合里的招聘职位按所述薪酬待遇出价从高到低排序,生成职位竞价队列,价高的招聘职位优先进入当前竞价职位状态,成为当前竞价职位,进而优先匹配获取求职简历;
第二竞价单元,用于在所述当前竞价职位产生后,将其待匹配简历集合里的求职简历按所述匹配度权价从高到低排序,生成简历竞价队列,价高的求职简历优先进入到当前竞价简历状态,成为当前竞价简历,进而优先匹配到所述当前竞价职位;
竞价匹配单元,用于将所述当前竞价简历匹配到所述当前竞价职位;其中,在正式建立当前竞价简历与当前竞价职位的匹配关系之前,还要进行的判断和操作包括:若当前竞价简历在当前这一轮竞价匹配执行之前已经与当前竞价职位匹配过,则终止当前竞价简历对当前竞价职位的匹配,并将当前竞价简历退出当前竞价简历状态;若当前竞价简历已匹配到的职位数量等于其自身可匹配职位数阈值,则终止当前竞价简历到当前竞价职位的匹配,并将当前竞价简历退出当前竞价简历状态;以及,
在建立当前竞价简历与当前竞价职位的匹配关系之后,还要进行的判断和操作包括:若当前竞价职位已匹配获取到的简历数量等于其自身的可匹配简历数阈值,则将当前竞价职位匹配获取简历的操作终止,并退出当前竞价职位状态。
9.如权利要求8或6所述的系统,其特征在于,对所述竞价匹配单元的执行过程进行控制的相关阈值的产生方法是:
所述可匹配简历数阈值的产生方法包括:按照招聘用户历史行为中对该职位已经匹配获取到的简历的及时响应与处理量来动态生成;还可以该所述动态生成量为基础,接受用户在一定范围内对该阈值的调增或调减;所述招聘用户的响应与处理包括:邀请面试、标记为不合适;
所述可匹配职位数阈值的产生方法包括:按照求职用户历史行为中对该简历已经匹配到的招聘职位的及时响应与处理量来动态生成;还可以该所述动态生成量为基础,接受用户在一定范围内对该阈值的调增或调减;所述求职用户的响应与处理包括:投递简历、标记为不合适。
10.如权利要求8或6所述的系统,其特征在于,在所述竞价匹配执行模块,还要生成竞价成交价,所述竞价成交价应满足的条件包括:所述的竞价成交价不小于求职者的薪酬待遇要价下限,且不大于招聘方薪酬待遇出价上限;与同一份求职简历匹配的招聘职位的薪酬待遇出价上限越高,则所述的竞价成交价越高。
11.如权利要求6所述的系统,其特征在于,所述计算机设备包括的所述存储器存储有与权利要求6-10的任一项所述系统相关的至少一条指令、一段程序、一组代码集或指令集;所述至少一条指令、一段程序、一组代码集或指令集由所述处理器加载并运行权利要求6-10的任一项所述系统;以及,
所述存储器里还存储有的权利要求6-9的任一项所述系统的数据,包括:运行过程的中间数据、运行结果数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811225696.2A CN111080221A (zh) | 2018-10-21 | 2018-10-21 | 基于求职招聘双方需求的双向竞价匹配方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811225696.2A CN111080221A (zh) | 2018-10-21 | 2018-10-21 | 基于求职招聘双方需求的双向竞价匹配方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111080221A true CN111080221A (zh) | 2020-04-28 |
Family
ID=70308218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811225696.2A Pending CN111080221A (zh) | 2018-10-21 | 2018-10-21 | 基于求职招聘双方需求的双向竞价匹配方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080221A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016885A (zh) * | 2020-07-30 | 2020-12-01 | 五八到家有限公司 | 数据处理方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573998A (zh) * | 2015-01-30 | 2015-04-29 | 薛晔伟 | 求职数据的处理方法和装置 |
CN104966179A (zh) * | 2015-07-30 | 2015-10-07 | 王德雄 | 一种网络招聘服务系统 |
CN106777296A (zh) * | 2016-12-30 | 2017-05-31 | 深圳爱拼信息科技有限公司 | 一种基于语义匹配的人才搜索推荐方法及系统 |
CN107464099A (zh) * | 2017-08-16 | 2017-12-12 | 深圳峰创智诚科技有限公司 | 职位供求服务器、职位供求的实现方法 |
CN107515904A (zh) * | 2017-07-31 | 2017-12-26 | 北京拉勾科技有限公司 | 一种职位搜索方法和计算设备 |
CN107590133A (zh) * | 2017-10-24 | 2018-01-16 | 武汉理工大学 | 基于语义的招聘职位与求职简历匹配的方法及系统 |
CN108596567A (zh) * | 2018-04-19 | 2018-09-28 | 蔡丽煌 | 一种基于区块链技术的人才推荐方法及系统 |
-
2018
- 2018-10-21 CN CN201811225696.2A patent/CN111080221A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104573998A (zh) * | 2015-01-30 | 2015-04-29 | 薛晔伟 | 求职数据的处理方法和装置 |
CN104966179A (zh) * | 2015-07-30 | 2015-10-07 | 王德雄 | 一种网络招聘服务系统 |
CN106777296A (zh) * | 2016-12-30 | 2017-05-31 | 深圳爱拼信息科技有限公司 | 一种基于语义匹配的人才搜索推荐方法及系统 |
CN107515904A (zh) * | 2017-07-31 | 2017-12-26 | 北京拉勾科技有限公司 | 一种职位搜索方法和计算设备 |
CN107464099A (zh) * | 2017-08-16 | 2017-12-12 | 深圳峰创智诚科技有限公司 | 职位供求服务器、职位供求的实现方法 |
CN107590133A (zh) * | 2017-10-24 | 2018-01-16 | 武汉理工大学 | 基于语义的招聘职位与求职简历匹配的方法及系统 |
CN108596567A (zh) * | 2018-04-19 | 2018-09-28 | 蔡丽煌 | 一种基于区块链技术的人才推荐方法及系统 |
Non-Patent Citations (1)
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, no. 21, pages 179 - 184 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016885A (zh) * | 2020-07-30 | 2020-12-01 | 五八到家有限公司 | 数据处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barowy et al. | Automan: A platform for integrating human-based and digital computation | |
Armstrong et al. | Prominence and consumer search | |
KR101823832B1 (ko) | 프리랜서 클라이언트 매칭 플랫폼 제공 시스템 | |
Hossain et al. | Ideation through online open innovation platform: Dell IdeaStorm | |
KR102505397B1 (ko) | 키워드 매칭의 선택적 가중치 부여를 통한 인적 자원 매칭 시스템 | |
US20060047530A1 (en) | Job placement system and method | |
CN1754181A (zh) | 调查装置及其方法 | |
WO2005114377A1 (en) | Automated matching method and system | |
CN116601652A (zh) | 用于支持创业的专家匹配系统 | |
Chidambaran et al. | Director diversity and inclusion: At the table but in the game? | |
CN111080221A (zh) | 基于求职招聘双方需求的双向竞价匹配方法与系统 | |
Radner | 15 Bounded rationality, indeterminacy, and the managerial theory of the firm | |
AU2014204120A1 (en) | Priority-weighted quota cell selection to match a panelist to a market research project | |
CN116414874B (zh) | 一种招投标信息管理系统和方法 | |
KR102018838B1 (ko) | 전자입찰참여를 위한 빅데이터 가중이동평균법 기반 입찰정보 분석 서비스 제공 방법 | |
Samanta et al. | Swill-tac: skill-oriented dynamic task allocation with willingness for complex job in crowdsourcing | |
Zavuschak et al. | The Context of Operations as the basis for the Construction of Ontologies of Employment Processes | |
Sakib et al. | What we know about the trends, prospects, and challenges of human resource outsourcing: A systematic literature review | |
CN113642974A (zh) | 基于求职招聘双方需求的循环双向竞价匹配方法与系统 | |
Kettelhut | Using a DSS to incorporate expert opinion in strategic product development funding decisions | |
Chen | Firm performance pay as insurance against promotion risk | |
Lix et al. | Expressly Different: Discursive Diversity and Team Performance | |
Boselli et al. | Labour Market Intelligence for Supporting Decision Making. | |
Balbuzanov et al. | Media and motivation: the effect of performance pay on writers and content | |
Mukerji | Essays in Technological Innovation & Financial Economics |
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 |