CN111105203A - 简历筛选控制方法、装置、计算机设备及存储介质 - Google Patents
简历筛选控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111105203A CN111105203A CN201911135923.7A CN201911135923A CN111105203A CN 111105203 A CN111105203 A CN 111105203A CN 201911135923 A CN201911135923 A CN 201911135923A CN 111105203 A CN111105203 A CN 111105203A
- Authority
- CN
- China
- Prior art keywords
- resume
- screening
- recruiter
- information
- resume screening
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种简历筛选控制方法、装置、计算机设备及存储介质,其方法包括:获取招聘方发布的岗位需求信息;根据所述岗位需求信息从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件;接收简历信息以及从所述简历信息中提取简历特征标签与所述简历筛选条件进行比对,以判断所述简历是否满足所述简历筛选条件;将满足所述简历筛选条件的简历生成结果列表反馈给招聘方。本发明通过结合招聘方的岗位需求信息生成个性化的筛选条件,使得方法适应性强,且还可以针对招聘方的招聘或投递效果灵活地调整简历的筛选条件,保证了适中的筛选通过率,解决了未能针对招聘方的个性化招聘需求对简历进行筛选的技术问题。
Description
技术领域
本发明涉及智能招聘技术领域,具体而言,本发明涉及一种简历筛选控制方法、装置、计算机设备及存储介质。
背景技术
随着人力资源招聘市场需求及人力资源流动速度飞速发展,越来越多应聘者通过在网络上投递简历来寻找工作,而招聘人员则可以从互联网上获取更多的简历信息。但与此同时,招聘者筛选简历的工作量也越来越大,不断细分的人才需求也对招聘者专业素养要求提高。作为招聘的第一环节,如何从快速地从海量的简历数据中挑选出符合需求的简历是企业人力资源招聘面临的重要难题。
现有技术中一般按照企业粗略设置的条件进行简单的筛选,例如按照目标职位、工作地点、学历专业等进行条件筛选,以筛选出符合这些简单条件的简历。这些方式筛选条件少且在使用过程中无法依据招聘的实际情况进行智能调整,从而无法实现依据招聘者的个性化招聘需求或岗位要求细节内容对简历进行深度筛选,让整个简历筛选过程变得笼统且生硬,缺乏对筛选效果的弹性调整,筛选效果较差,使得筛选出来的简历不符合实际要求,不能满足招聘方需要,往往还需要招聘人员进行人工的二次筛选,甚至需要重新进行筛选处理或人工查找。另一方面,由于简历投递量较大、投递较为频繁、简历的信息较多、更新速度较快,对于机器筛选后的简历,招聘人员因专业知识水平良莠不齐或经常阅览类似简历导致审美疲劳,存在较严重的主观判断因素。简历筛选缺乏对简历进行有效的量化评价,筛选结果难以追溯原因,同时也有可能造成遗漏潜在的合适人才的简历。
发明内容
本发明的目的旨在至少解决上述技术缺陷之一,特别是简历筛选过程笼统、生硬、缺乏对筛选效果的弹性调整和筛选效果较差以及由于简历信息过多而造成遗漏需要人才的简历等技术缺陷。
为解决上述技术问题,本发明提供了一种简历筛选控制方法,包括以下步骤:
获取招聘方发布的岗位需求信息;
根据所述岗位需求信息从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件;
接收简历信息以及从所述简历信息中提取简历特征标签与所述简历筛选条件进行比对,以判断所述简历是否满足所述简历筛选条件;
将满足所述简历筛选条件的简历生成结果列表反馈给招聘方。
可选地,所述预设的简历筛选条件提取模型中内设有一信息数据库,所述根据所述岗位需求信息从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件的步骤,包括:
对所述岗位需求信息进行预处理,提取出用于生成简历筛选条件的字段内容,所述预处理包括识别处理、分解处理及归类处理;
将所述字段内容与所述信息数据库中的筛选因子选项进行比对,以获取与所述字段内容相匹配的筛选因子选项;
将所述获取的筛选因子选项进行打包生成与所述岗位需求信息相对应的简历筛选条件。
可选地,所述将满足所述简历筛选条件的简历生成结果列表反馈给招聘方的步骤,还包括:
获取所述岗位需求信息中用于生成简历筛选条件的字段内容以及简历信息中的简历特征标签;
比对所述岗位需求信息中的字段内容与所述简历特征标签,计算所述简历与所述简历筛选条件之间的匹配度;
将满足所述简历筛选条件的简历按其匹配度由高至低进行排序,以生成简历筛选结果列表反馈给招聘方。
可选地,所述将满足所述简历筛选条件的简历按其匹配度由高至低进行排序的步骤之后,还包括:
计算所述招聘方的简历需求数量;
从所述生成的简历筛选结果列表中自匹配度最高的列表项开始截取相应需求数量的简历列表项反馈给招聘方。
可选地,所述将满足所述简历筛选条件的简历生成结果列表反馈给招聘方的步骤之前,还包括:
获取与所述岗位需求信息相对应的简历投递量数据;
将所述简历投递量数据与预设的简历投递量阈值进行比对;
当所述简历投递量数据小于或大于所述预设的简历投递量阈值时,对所述简历筛选条件进行调整。
可选地,所述对所述简历筛选条件进行调整包括放宽简历筛选条件或收紧简历筛选条件,其中:
当所述简历投递量数据小于所述预设的简历投递量阈值时,降低所述简历筛选条件中筛选因子选项的等级或删减所述简历筛选条件中的筛选因子选项;
当所述简历投递量数据大于所述预设的简历投递量阈值时,提高所述简历筛选条件中筛选因子选项的等级或增加所述简历筛选条件中的筛选因子选项。
可选地,所述简历筛选控制方法基于筛选模型实现,还包括:
获取所述招聘方招聘的结果数据;
对所述结果数据进行统计及分析,以对所述筛选模型进行迭代训练优化操作。
为解决上述技术问题,本发明还提供了一种简历筛选控制装置,包括:
获取模块,用于获取招聘方发布的岗位需求信息;
第一处理模块,用于根据所述岗位需求信息从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件;
第二处理模块,用于接收简历信息以及从所述简历信息中提取简历特征标签与所述简历筛选条件进行比对,以判断所述简历是否满足所述简历筛选条件;
执行模块,用于将满足所述简历筛选条件的简历生成结果列表反馈给招聘方。
可选地,所述预设的简历筛选条件提取模型中内设有一信息数据库,所述简历筛选控制装置还包括:
第一处理子模块,用于对所述岗位需求信息进行预处理,提取出用于生成简历筛选条件的字段内容,所述预处理包括识别处理、分解处理及归类处理;
第一比对子模块,用于将所述字段内容与所述信息数据库中的筛选因子选项进行比对,以获取与所述字段内容相匹配的筛选因子选项;
第一生成子模块,用于将所述获取的筛选因子选项进行打包生成与所述岗位需求信息相对应的简历筛选条件。
可选地,所述简历筛选控制装置还包括:
第一获取子模块,用于获取所述岗位需求信息中用于生成简历筛选条件的字段内容以及简历信息中的简历特征标签;
第二比对子模块,用于比对所述岗位需求信息中的字段内容与所述简历特征标签,计算所述简历与所述简历筛选条件之间的匹配度;
第一排序子模块,用于将满足所述简历筛选条件的简历按其匹配度由高至低进行排序,以生成简历筛选结果列表反馈给招聘方。
可选地,所述简历筛选控制装置还包括:
第一计算子模块,用于计算所述招聘方的简历需求数量;
第一截取子模块,用于从所述生成的简历筛选结果列表中自匹配度最高的列表项开始截取相应需求数量的简历列表项反馈给招聘方。
可选地,所述简历筛选控制装置还包括:
第二获取子模块,用于获取与所述岗位需求信息相对应的简历投递量数据;
第三比对子模块,用于将所述简历投递量数据与预设的简历投递量阈值进行比对;
第一调整子模块,用于当所述简历投递量数据小于或大于所述预设的简历投递量阈值时,对所述简历筛选条件进行调整。
可选地,所述对所述简历筛选条件进行调整包括放宽简历筛选条件或收紧简历筛选条件,所述简历筛选控制装置还包括:
第二调整子模块,用于当所述简历投递量数据小于所述预设的简历投递量阈值时,降低所述简历筛选条件中筛选因子选项的等级或删减所述简历筛选条件中的筛选因子选项;
第三调整子模块,用于当所述简历投递量数据大于所述预设的简历投递量阈值时,提高所述简历筛选条件中筛选因子选项的等级或增加所述简历筛选条件中的筛选因子选项。
可选地,所述简历筛选控制方法基于筛选模型实现,所述简历筛选控制装置还包括:
第三获取子模块,用于获取所述招聘方招聘的结果数据;
第一优化子模块,用于对所述结果数据进行统计及分析,以对所述筛选模型进行迭代训练优化操作。
为解决上述技术问题,本发明还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述简历筛选控制方法的步骤。
为解决上述技术问题,本发明还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述简历筛选控制方法的步骤。
本发明的有益效果在于:
本发明通过获取招聘方发布的岗位需求信息,并依据所述岗位需求信息生成与之匹配的简历筛选条件来进行简历筛选,通过将从简历中提取的简历特征标签与所述简历筛选条件进行比对的方式筛选出满足所述简历筛选条件的简历反馈给招聘方。上述方法通过结合招聘方的岗位需求信息生成个性化的筛选条件,使得方法适应性强,且还可以针对招聘方的招聘或投递效果灵活地调整简历的筛选条件,保证了适中的筛选通过率,解决了未能针对招聘方的个性化招聘需求对简历进行筛选的技术问题。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域技术人员来讲,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为本发明实施例提供的简历筛选控制方法的基本方法流程示意图;
图2为本发明实施例提供的简历筛选控制方法中生成简历筛选条件的一种方法流程示意图;
图3为本发明实施例提供的简历筛选控制方法中对反馈给招聘方的简历筛选结果列表进行排序的一种方法流程示意图;
图4为本发明实施例提供的简历筛选控制方法中反馈简历筛选结果列表给招聘方时的一种方法流程示意图;
图5为本发明实施例提供的简历筛选控制方法中调整简历筛选条件的一种方法流程示意图;
图6本发明实施例提供的简历筛选控制方法中对简历筛选条件进行调整时的一种方法流程示意图;
图7为本发明实施例提供的简历筛选控制方法中对筛选模型进行迭代训练优化的一种方法流程示意图;
图8为本发明实施例提供的简历筛选控制装置基本结构框图;
图9为本发明实施例提供的计算机设备基本结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,且该操作的序号仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
本技术领域技术人员可以理解,这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备,其仅具备无发射能力的无线信号接收器的设备,又包括接收和发射硬件的设备,其具有能够在双向通信链路上,执行双向通信的接收和发射硬件的设备。这种设备可以包括:蜂窝或其他通信设备,其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备;PCS(Personal Communications Service,个人通信系统),其可以组合语音、数据处理、传真和/或数据通信能力;PDA(Personal Digital Assistant,个人数字助理),其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System,全球定位系统)接收器;常规膝上型和/或掌上型计算机或其他设备,其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的,或者适合于和/或配置为在本地运行,和/或以分布形式,运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端,例如可以是PDA、MID(Mobile Internet Device,移动互联网设备)和/或具有音乐/视频播放功能的移动电话,也可以是智能电视、机顶盒等设备。
本实施例中提及的用户终端即为上述的终端。
请参阅图1,图1为本发明实施例提供的简历筛选控制方法的基本方法流程示意图。
如图1所示,所述简历筛选控制方法,包括以下步骤:
S100:获取招聘方发布的岗位需求信息。
本发明提供的简历筛选控制方法通过获取招聘方发布的招聘岗位的需求信息来分析招聘方的招聘需求,以及根据所述招聘方的招聘需求个性化地生成符合招聘方实际需求的简历筛选条件进行简历筛选。在本实施例中,所述岗位需求信息包括招聘方计划招聘的人数需求信息;诸如学历背景信息、工作经验信息、工作年限信息、职业技能信息等计划招聘的能力要求信息;以及诸如年龄信息、性别信息、住址信息等计划招聘的员工个人信息等等。
S200:根据所述岗位需求信息从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件。
在本实施例中,招聘方一般以职位描述的形式发布所述岗位需求信息,获取得到所述招聘方发布的岗位需求信息之后,从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件。首先,可以按照诸如关键字提取或者语意识别等规则将所述岗位需求信息转化为至少一个筛选因子。所述筛选因子为所述招聘方在该次招聘过程中简历筛选条件的组成因子,其中,所述筛选因子依据所述岗位需求信息从所述预设的简历筛选条件提取模型中提取得到。
在一些实施例中,请参阅图2,图2为本发明实施例提供的简历筛选控制方法中生成简历筛选条件的一种方法流程示意图。
如图2所示,所述步骤S200还可以包括步骤S210至步骤S230。其中,S210:对所述岗位需求信息进行预处理,提取出用于生成简历筛选条件的字段内容,所述预处理包括识别处理、分解处理及归类处理;S220:将所述字段内容与所述信息数据库中的筛选因子选项进行比对,以获取与所述字段内容相匹配的筛选因子选项;S230:将所述获取的筛选因子选项进行打包生成与所述岗位需求信息相对应的简历筛选条件。
在本实施例中,所述简历筛选条件模型中设有一信息数据库,所述信息数据库中记录有所有筛选因子及其对应所有选项的内容。在所述信息数据库中,针对于每个筛选因子,至少包括一种与其对应的选项内容。例如,以学历背景信息为例,所述学历背景信息包括个人学历程信息,所述个人学历程度信息可划分为博士、硕士、本科、专科等多个选项,每个选项作为一个学历筛选因子记录在所述信息数据库中。在一些具体的实施方式中,所述学历背景信息还可以包括毕业学校水平信息,所述毕业学校水平信息可划分为国际知名院校、985院校、211院校、普通一本院校、普通二本院校、普通三本院校、专科院校等多个选项,此时,可以以“毕业院校水平+个人学历程度”进行组合形成多种选项作为学历筛选因子记录在所述信息数据库中。所述预设的简历筛选条件提取模型可以通过对所述职位描述进行字段内容识别、分解以及归类等预处理,然后从所述信息数据库中获取与所述识别到的相关内容相对应的筛选因子选项,从而将所有与从所述岗位需求信息中识别到的相关内容相对应的全部筛选因子选项进行打包生成与所述岗位需求信息相对应的简历筛选条件。
举例说明,例如获取得到的职位描述内容包括“任职要求:计算机及相关专业,全日制本科以上学历;三年以上JAVA开发经验,精通Java,J2ee,Javascript相关技术和体系架构,熟悉Eclipse IDE/RCP。工作地点:深圳市南山区XX路XX号XX大厦5楼503室”。此时,根据上述内容从所述预设的简历筛选条件提取模型中提取到筛选因子包括:依据“全日制本科以上学历”字段得到对应的学历筛选因子为“本科”;依据“三年以上JAVA开发经验,精通Java,J2ee,Javascript相关技术和体系架构”字段信息得到对应的工作年限筛选因子为“三年”,以及对应的职业技能筛选因子为“JAVA、J2ee、Javascript”;依据“深圳市南山区XX路XX号XX大厦5楼503室”字段得到对应的地区筛选因子为“深圳市”。根据上述,将获得的所有筛选因子选项进行打包即可生成与所述岗位需求信息相对应的简历筛选条件。
S300:接收简历信息以及从所述简历信息中提取简历特征标签与所述简历筛选条件进行比对,以判断所述简历是否满足所述简历筛选条件。
在本实施例中,接收求职者投递的简历以及网站或猎头推送的简历信息,之后将每一份接收到的简历输入至预先训练好的简历特征标签提取模型中,由所述简历特征标签提取模型根据上述生成的简历筛选条件获取相关的简历特征标签,以使得每一份接收到的简历信息都具有其相对应的特征标签。进而,针对于每一份简历,将其对应的简历特征标签与所述依据招聘方发布的岗位需求信息生成的简历筛选条件进行比对,判断出该简历是否满足所述简历筛选条件的要求。可以理解的是,所述简历特征标签依据所述简历筛选条件来提取,是指所述简历筛选条件中包括有哪些筛选因子,就从所述简历中提取与这些筛选因子相关的字段内容作为简历特征标签,例如,所述简历筛选条件中包括有学历筛选因子,即从所述简历中提取学历相关字段内容作为该简历的简历特征标签。
在对每一份简历进行特征标签提取过程中,若简历本身已经注明与筛选因子相对应的字段内容,则可以直接提取该字段内容作为简历特征标签,例如简历为通用模板的表格时,即可直接从表格中读取与筛选因子相对应的字段内容作为简历特征标签。否则,采用语意识别技术的命名实体识别方法识别所述简历中的文本信息,然后按照预设的读取规则读取出表征招聘考察因素的简历信息作为该简历的特征标签。例如,招聘方的在执行招聘工作时设置的招聘考察因素为毕业院校、工作经验(如过往服务的公司和过往担任的职位等)和职业技能(如专业技能和语言技能等),在某一份接收的简历中,识别出该份简历的文本信息包括有以下内容:毕业于a大学xx专业硕士,2013年11月至2014年5月曾经在b公司技术测试部门担任实习生,2014年6月至2019年4月曾经在c公司担任xx项目的主要开发程序员,懂得C语言、Java、PHP等多种编程语言,具备英语阅读能力和英语口语交流能力;目前居住地址:深圳市宝安区。则此时可提取得到该份简历的特征标签包括如下:a大学硕士;c公司;具有C语言、Java、PHP等技能;五年开发经验;熟悉英语阅读和英语口语交流;深圳市宝安区。因此,基于上述提取得到的简历特征标签以及上述举例说明中生成与所述岗位需求信息相对应的简历筛选条件,将所述简历特征标签与其对应的简历筛选因子进行一一比对,即:“a大学硕士”与学历筛选因子“本科”进行比对,判断为满足所述简历筛选条件要求;“C语言、Java、PHP”与职业技能筛选因子“JAVA、J2ee、Javascript”进行比对,判断为满足所述简历筛选条件要求;“五年开发经验”与工作年限或相关工作经验年限筛选因子“三年”进行比对,判断为满足所述简历筛选条件要求;“深圳市宝安区”与地区筛选因子“深圳市”进行比对,判断为满足所述简历筛选条件要求。由于所述从简历中提取的简历特征标签均满足所述简历筛选条件中各筛选因子的要求,因此,判断该简历满足所述简历筛选条件。
S400:将满足所述简历筛选条件的简历生成结果列表反馈给招聘方。
在本实施例中,对经过比对并满足所述简历筛选条件要求的每一份简历进行保存,然后根据这些保存的简历生成结果列表反馈给招聘方,以便于所述招聘方针对后续的招聘进行跟踪和参考。所述结果列表以列表项的形式记录了每一份满足简历筛选条件的简历。
上述实施例所述的简历筛选控制方法通过获取招聘方发布的岗位需求信息,并依据所述岗位需求信息生成与之匹配的简历筛选条件来进行简历筛选,通过将从简历中提取的简历特征标签与所述简历筛选条件进行比对的方式筛选出满足所述简历筛选条件的简历反馈给招聘方。上述方法通过结合招聘方的岗位需求信息生成个性化的筛选条件,使得方法适应性强,且还可以针对招聘方的招聘或投递效果灵活地调整简历的筛选条件,保证了适中的筛选通过率,解决了未能针对招聘方的个性化招聘需求对简历进行筛选的技术问题。
在一些实施例中,请参阅图3,图3为本发明实施例提供的简历筛选控制方法中对反馈给招聘方的简历筛选结果列表进行排序的一种方法流程示意图。
如图3所示,所述步骤S400还包括步骤S410至步骤S430。其中,S410:获取所述岗位需求信息中用于生成简历筛选条件的字段内容以及简历信息中的简历特征标签;S420:比对所述岗位需求信息中的字段内容与所述简历特征标签,计算所述简历与所述简历筛选条件之间的匹配度;S430:将满足所述简历筛选条件的简历按其匹配度由高至低进行排序,以生成简历筛选结果列表。
在本实施例中,将从所述简历中提取简历特征标签与所述简历筛选条件进行比对过程中,所述简历特征标签与所述简历筛选条件很难出现一模一样,因此比对过程中,只要是所述简历特征标签与所述简历筛选条件意思相近即可判断为满足所述简历筛选条件。则此时,满足所述简历筛选条件的所有简历中,每一份简历与所述简历筛选条件之间的满足筛选要求的程度都不尽相同。所以,在本实施例中,所述结果列表中还可以针对每一个列表项计算其对应的与简历筛选条件的匹配程度,越接近简历筛选条件的简历,匹配程度越高。
在本实施例中,通过获取所述岗位需求信息中用于生成简历筛选条件的字段内容以及简历信息中的简历特征标签,比对所述岗位需求信息中的字段内容与所述简历特征标签,计算所述简历与所述简历筛选条件之间的匹配度。具体地,可以通过对所述简历筛选条件中的每一个筛选因子配置权重系数以及依据所述岗位需求信息中的字段内容对筛选因子中的每一选项配置权重系数来计算简历与所述简历筛选条件之间的匹配度。其中,所述每一个筛选因子的权重系数可依据招聘方对考察因素的重视程度来确定,举例说明,例如学历背景因素与工作经验因素之间,更重视学历背景因素,那么,学历筛选因子的权重系数大于工作经验年限筛选因子的权重系数。而所述筛选因子中的每一选项的权重系数则依据获取岗位需求信息中的字段内容来确定,例如,所述岗位需求信息中关于学历背景信息的字段有内容为“本科以上,硕士优先”,此时,所述简历筛选条件中的学历筛选因子为“本科”,那么筛选出来的简历中,其与学历背景相关的简历特征标签包括本科、硕士、博士等,由于硕士优先,因而硕士的权重系数大于本科和博士的权重系数,即具有“硕士”简历特征标签的简历的匹配度比具有“本科”或“博士”简历特征标签的简历的匹配度高。由于岗位需求信息中字段内容的表述形式不尽相同,本实施例可以通过收集数据进行模型训练的方式来实现依据所述岗位需求信息中的字段内容对筛选因子中的每一选项配置权重系数,对于通过权重计算可获得每一份简历对应的匹配度,进而,依据所述匹配度,将满足所述简历筛选条件的简历按其匹配度由高至低进行排序,从而生成简历筛选结果列表。
在一些具体的实施方式中,对于筛选通过的简历,还可以根据简历匹配度由高到低进行排序来进行进一步的筛选。例如,将简历的匹配度划分为4个评分等级。如,高匹配度的评为A,中等匹配度的评为B,一般匹配度的评为C,低匹配度的评为D。
在一些实施例中,请参阅图4,图4为本发明实施例提供的简历筛选控制方法中反馈简历筛选结果列表给招聘方时的一种方法流程示意图。
如图4所示,所述步骤S430之后还包括步骤S440至步骤S450。其中,S440:计算所述招聘方的简历需求数量;S450:从所述生成的简历筛选结果列表中自匹配度最高的列表项开始截取相应需求数量的简历列表项反馈给招聘方。
在本实施例中,反馈简历筛选结果列表给招聘方时,可以计算所述招聘方的简历需求数量,依据招聘方自身对简历数量的需求从所述结果列表中截取相应数量的列表项进行反馈,其截取操作为从所述生成的简历筛选结果列表中自匹配度最高的列表项开始截取。例如招聘方的面试录用要求中录用率为1比10,即10位应聘者中只选取1位进行录用,且所述岗位需求信息中招聘方计划招聘的人数为5人,则此时系统将从所述表征筛选结果报告或候选人报告的列表中自上而下截取前50份简历反馈至用户终端,以便于招聘方就该50份简历进行面试。
在一些实施例中,请参阅图5,图5为本发明实施例提供的简历筛选控制方法中调整简历筛选条件的一种方法流程示意图。
如图5所示,所述步骤S400之前,还可以包括步骤S500至步骤S700。其中,S500:获取与所述岗位需求信息相对应的简历投递量数据;S600:将所述简历投递量数据与预设的简历投递量阈值进行比对;S700:当所述简历投递量数据小于或大于所述预设的简历投递量阈值时,按照预设的调整规则对所述简历筛选条件进行调整。
在本实施例中,在初次生成简历筛选条件之后,根据所述简历筛选条件对所述信息数据中除已提取的筛选因子选项之外的其余筛选因子自动生成优先级排序,越接近简历筛选条件的筛选因子选项,其优先级越高。以学历背景信息为例,根据所述招聘方发起的招聘信息配置得到的学历筛选因子为985院校本科,那么,在所述信息数据库记录的其余学历筛选因子中,当调整为放宽筛选条件时,优先级排序为:211院校本科>普通一本院校本科>普通二本院校本科等;若调整为收紧筛选条件,则毕业学校水平等级中的优先级排序为:普通院校硕士>211院校硕士>985院校硕士等。此时,通过系统监测获取所述招聘方在按照初次生成筛选条件执行招聘时的实时招聘数据,所述实时招聘数据为按照筛选条件执行招聘过程中的简历投递数量数据。获取得到与所述岗位需求信息相对应的简历投递量数据之后,将所述简历投递量数据与预设的简历投递量阈值进行比对,以判断所述简历投递量数据是否满足所述招聘方预期接收的简历数量。在一些具体的实施方式中,所述预设的简历投递量阈值为招聘方根据自身招聘需求计划接收的简历数量,该计划接受的简历数量可以依据计划招聘人数和录用比率得出。而且,所述接收的简历数量可以预设为一数值范围,通过判断所述简历投递量数据是否落入该预设的数值范围来判定是否需要调整初次生成的简历筛选条件,当所述简历投递量数据未落入该预设的数值范围时,对所述简历筛选条件进行调整,使所述简历投递量数据落入该预设的数值范围内,从而生成相对准确的简历筛选条件。这样一来,针对招聘方的招聘或投递效果可以灵活地调整简历筛选条件,保证了适中的筛选通过率,解决了未能针对用户终端的个性化招聘需求对简历进行筛选的技术问题。
进一步地,在本实施例中,请一并参阅图6,图6本发明实施例提供的简历筛选控制方法中对简历筛选条件进行调整时的一种方法流程示意图。
如图6所示,所述步骤S700包括步骤S710和步骤S720。其中,S710:当所述简历投递量数据小于所述预设的简历投递量阈值时,降低所述简历筛选条件中筛选因子选项的等级或删减所述简历筛选条件中的筛选因子选项;S720:当所述简历投递量数据大于所述预设的简历投递量阈值时,提高所述简历筛选条件中筛选因子选项的等级或增加所述简历筛选条件中的筛选因子选项。
在本实施例中,在降低或提高所述简历筛选条件中筛选因子选项的等级时,按照所述信息数据库中其余筛选因子的优先级排序依次执行。招聘方在执行招聘工作之前,可以根据其自身实际的用人要求或岗位需求对招聘考察因素进行重要性的衡量,从而设置筛选因子的权重,进而在删减或增加所述简历筛选条件中筛选因子选项时,可以依据筛选因子的权重依次删减或增加操作。
在一些实施例中,上述所述的简历筛选控制方法具体可以通过训练筛选模型来实现。例如,通过收集历史招聘数据,将所述历史招聘数据中多个岗位的数据及其对应的简历数据和对应的筛选结果进行模型训练。而且,所述收集的岗位数据量以及简历数据量按实际行业市场的占比分布,所述岗位数据包括岗位对应具有的行业领域、岗位要求、工作描述、岗位等级、招聘岗位的工作地区等相关信息;简历数据包括年龄、求学经历、工作经历、项目经历、自我评价以及简历筛选通过结果(通过或不通过)等相关信息。在此基础上利用Wide&Deep模型针对上述岗位和简历相关数据进行线性与非线性多维度的模型训练,从而生成基于简历信息和岗位要求进行全局信息筛选的模型。其中,Wide&deep模型的核心思想是结合线性模型的记忆能力和DNN模型的泛化能力,其中Wide模型用以线性回归,主要针对年龄、工作年限、教育经历等可以进行定量或定性分析的因素;Deep模型通过结合DNN深度学习模型与词向量模型对岗位要求及职位描述进行训练,根据简历信息和岗位要求信息两者之间的文本相似度进行分类,分类结果即筛选结果:通过或不通过。模型输入数据包括岗位的岗位要求、工作内容和简历的工作经历、项目经历、自我评价等。在训练过程中同时优化上述Wide模型和Deep模型的参数,从而达到整体模型的对招聘岗位的简历筛选能力的泛化能力。
进一步地,请参阅图7,图7为本发明实施例提供的简历筛选控制方法中对筛选模型进行迭代训练优化的一种方法流程示意图。
如图7所示,所述步骤S400之后还可以包括S800至S900。其中,S800:获取所述招聘方招聘的结果数据;S900:对所述结果数据进行统计及分析,以对所述筛选模型进行迭代训练优化操作。
在本实施例中,本发明提供的简历筛选控制方法还可以通过获取所述招聘方招聘的结果数据,针对每一个招聘方执行的每一次招聘的结果进行统计和分析,实现筛选模型的迭代训练优化,使模型更加智能化,从而个性化地针对每一个招聘方持续性地提高简历筛选的准确率。所述预设时间所述对招聘结果进行统计分析包括获取招聘方在该次招聘中发出offer的简历,记录这些简历的特征标签,再对这些特征标签进行模型训练,生成该招聘方理想招聘的员工简历概况标准,以便于该招聘方在下一次进行招聘时,系统可以参考该员工简历概况标准来生成简历筛选条件或者用于判断简历是否满足简历筛选条件,提高简历筛选的准确率。
为解决上述技术问题本发明实施例还提供一种简历筛选控制装置。具体请参阅图8,图8为本发明实施例提供的简历筛选控制装置基本结构框图。
如图8所示,一种简历筛选控制装置,包括:获取模块10、第一处理模块20、第二处理模块30以及执行模块40。其中,所述获取模块10用于获取招聘方发布的岗位需求信息;所述第一处理模块20用于根据所述岗位需求信息从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件;所述第二处理模块30用于接收简历信息以及从所述简历信息中提取简历特征标签与所述简历筛选条件进行比对,以判断所述简历是否满足所述简历筛选条件;所述执行模块40用于将满足所述简历筛选条件的简历生成结果列表反馈给招聘方。
上述实施例所述的简历筛选控制装置通过获取招聘方发布的岗位需求信息,并依据所述岗位需求信息生成与之匹配的简历筛选条件来进行简历筛选,通过将从简历中提取的简历特征标签与所述简历筛选条件进行比对的方式筛选出满足所述简历筛选条件的简历反馈给招聘方。上述方法通过结合招聘方的岗位需求信息生成个性化的筛选条件,使得方法适应性强,且还可以针对招聘方的招聘或投递效果灵活地调整简历的筛选条件,保证了适中的筛选通过率,解决了未能针对招聘方的个性化招聘需求对简历进行筛选的技术问题。
在一些实施例中,所述预设的简历筛选条件提取模型中内设有一信息数据库,所述简历筛选控制装置还包括:第一处理子模块、第一比对子模块和第一生成子模块。其中,所述第一处理子模块用于对所述岗位需求信息进行预处理,提取出用于生成简历筛选条件的字段内容,所述预处理包括识别处理、分解处理及归类处理;所述第一比对子模块用于将所述字段内容与所述信息数据库中的筛选因子选项进行比对,以获取与所述字段内容相匹配的筛选因子选项;所述第一生成子模块用于将所述获取的筛选因子选项进行打包生成与所述岗位需求信息相对应的简历筛选条件。
在一些实施例中,所述简历筛选控制装置还包括:第一获取子模块、第二比对子模块和第一排序子模块。其中,所述第一获取子模块用于获取所述岗位需求信息中用于生成简历筛选条件的字段内容以及简历信息中的简历特征标签;所述第二比对子模块用于比对所述岗位需求信息中的字段内容与所述简历特征标签,计算所述简历与所述简历筛选条件之间的匹配度;所述第一排序子模块用于将满足所述简历筛选条件的简历按其匹配度由高至低进行排序,以生成简历筛选结果列表反馈给招聘方。
在一些实施例中,所述简历筛选控制装置还包括:第一计算子模块和第一截取子模块。所述第一计算子模块用于计算所述招聘方的简历需求数量;所述第一截取子模块用于从所述生成的简历筛选结果列表中自匹配度最高的列表项开始截取相应需求数量的简历列表项反馈给招聘方。
在一些实施例中,所述简历筛选控制装置还包括:第二获取子模块、第三比对子模块和第一调整子模块。其中,所述第二获取子模块用于获取与所述岗位需求信息相对应的简历投递量数据;所述第三比对子模块用于将所述简历投递量数据与预设的简历投递量阈值进行比对;所述第一调整子模块,用于当所述简历投递量数据小于或大于所述预设的简历投递量阈值时,对所述简历筛选条件进行调整。
在一些实施例中,所述对所述简历筛选条件进行调整包括放宽简历筛选条件或收紧简历筛选条件,所述简历筛选控制装置还包括:第二调整子模块和第三调整子模块。其中,所述第二调整子模块用于当所述简历投递量数据小于所述预设的简历投递量阈值时,降低所述简历筛选条件中筛选因子选项的等级或删减所述简历筛选条件中的筛选因子选项;所述第三调整子模块用于当所述简历投递量数据大于所述预设的简历投递量阈值时,提高所述简历筛选条件中筛选因子选项的等级或增加所述简历筛选条件中的筛选因子选项。
在一些实施例中,所述简历筛选控制方法基于筛选模型实现,所述简历筛选控制装置还包括:第三获取子模块和第一优化子模块。其中,所述第三获取子模块用于获取所述招聘方招聘的结果数据;所述第一优化子模块用于对所述结果数据进行统计及分析,以对所述筛选模型进行迭代训练优化操作。
为解决上述技术问题,本发明实施例还提供了一种计算机设备。具体请参阅图9,图9为本发明实施例提供的计算机设备基本结构框图。
如图9所示,计算机设备的内部结构示意图。如图9所示,该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现一种简历筛选控制方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行一种简历筛选控制方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本实施例中,所述处理器用于执行图8中获取模块10、第一处理模块20、第二处理模块30和执行模块40的具体功能,而所述存储器存储有执行上述模块所需的程序代码和各类数据。所述网络接口用于向用户终端或服务器之间的数据传输。本实施例中的存储器存储有简历筛选控制装置中执行所有子模块所需的程序代码及数据,服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
上述实施例所述的计算机设备通过获取招聘方发布的岗位需求信息,并依据所述岗位需求信息生成与之匹配的简历筛选条件来进行简历筛选,通过将从简历中提取的简历特征标签与所述简历筛选条件进行比对的方式筛选出满足所述简历筛选条件的简历反馈给招聘方。上述方法通过结合招聘方的岗位需求信息生成个性化的筛选条件,使得方法适应性强,且还可以针对招聘方的招聘或投递效果灵活地调整简历的筛选条件,保证了适中的筛选通过率,解决了未能针对招聘方的个性化招聘需求对简历进行筛选的技术问题。
本发明还提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述任一实施例所述简历筛选控制方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种简历筛选控制方法,其特征在于,包括以下步骤:
获取招聘方发布的岗位需求信息;
根据所述岗位需求信息从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件;
接收简历信息以及从所述简历信息中提取简历特征标签与所述简历筛选条件进行比对,以判断所述简历是否满足所述简历筛选条件;
将满足所述简历筛选条件的简历生成结果列表反馈给招聘方。
2.根据权利要求1所述的简历筛选控制方法,其特征在于,所述预设的简历筛选条件提取模型中设有一信息数据库,所述根据所述岗位需求信息从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件的步骤,包括:
对所述岗位需求信息进行预处理,提取出用于生成简历筛选条件的字段内容,所述预处理包括识别处理、分解处理及归类处理;
将所述字段内容与所述信息数据库中的筛选因子选项进行比对,以获取与所述字段内容相匹配的筛选因子选项;
将获取的筛选因子选项进行打包生成与所述岗位需求信息相对应的简历筛选条件。
3.根据权利要求2所述的简历筛选控制方法,其特征在于,所述将满足所述简历筛选条件的简历生成结果列表反馈给招聘方的步骤,包括:
获取所述岗位需求信息中用于生成简历筛选条件的字段内容以及简历信息中的简历特征标签;
比对所述岗位需求信息中的字段内容与所述简历特征标签,计算所述简历与所述简历筛选条件之间的匹配度;
将满足所述简历筛选条件的简历按其匹配度由高至低进行排序,以生成简历筛选结果列表反馈给招聘方。
4.根据权利要求3所述的简历筛选控制方法,其特征在于,所述将满足所述简历筛选条件的简历按其匹配度由高至低进行排序的步骤之后,还包括:
计算所述招聘方的简历需求数量;
从生成的简历筛选结果列表中自匹配度最高的列表项开始截取相应需求数量的简历列表项反馈给招聘方。
5.根据权利要求2所述的简历筛选控制方法,其特征在于,所述将满足所述简历筛选条件的简历生成结果列表反馈给招聘方的步骤之前,还包括:
获取与所述岗位需求信息相对应的简历投递量数据;
将所述简历投递量数据与预设的简历投递量阈值进行比对;
当所述简历投递量数据小于或大于所述预设的简历投递量阈值时,对所述简历筛选条件进行调整。
6.根据权利要求5所述的简历筛选控制方法,其特征在于,所述对所述简历筛选条件进行调整包括放宽简历筛选条件或收紧简历筛选条件,其中:
当所述简历投递量数据小于所述预设的简历投递量阈值时,降低所述简历筛选条件中筛选因子选项的等级或删减所述简历筛选条件中的筛选因子选项;
当所述简历投递量数据大于所述预设的简历投递量阈值时,提高所述简历筛选条件中筛选因子选项的等级或增加所述简历筛选条件中的筛选因子选项。
7.根据权利要求1所述的简历筛选控制方法,其特征在于,所述简历筛选控制方法基于筛选模型实现,还包括:
获取所述招聘方招聘的结果数据;
对所述结果数据进行统计及分析,以对所述筛选模型进行迭代训练优化操作。
8.一种简历筛选控制装置,其特征在于,包括:
获取模块,用于获取招聘方发布的岗位需求信息;
第一处理模块,用于根据所述岗位需求信息从预设的简历筛选条件提取模型中提取与所述岗位需求信息相对应的简历筛选条件;
第二处理模块,用于接收简历信息以及从所述简历信息中提取简历特征标签与所述简历筛选条件进行比对,以判断所述简历是否满足所述简历筛选条件;
执行模块,用于将满足所述简历筛选条件的简历生成结果列表反馈给招聘方。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述权利要求1至7任意一项所述的简历筛选控制方法。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述权利要求1至7中任意一项权利要求所述的简历筛选控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911135923.7A CN111105203A (zh) | 2019-11-19 | 2019-11-19 | 简历筛选控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911135923.7A CN111105203A (zh) | 2019-11-19 | 2019-11-19 | 简历筛选控制方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111105203A true CN111105203A (zh) | 2020-05-05 |
Family
ID=70420717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911135923.7A Pending CN111105203A (zh) | 2019-11-19 | 2019-11-19 | 简历筛选控制方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111105203A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112239A (zh) * | 2021-04-23 | 2021-07-13 | 成都商高智能科技有限公司 | 一种便捷式岗位人才筛选方法 |
CN113191728A (zh) * | 2021-04-25 | 2021-07-30 | 深圳平安智汇企业信息管理有限公司 | 基于深度学习模型的简历推荐方法、装置、设备及介质 |
CN113298495A (zh) * | 2021-05-27 | 2021-08-24 | 中国科学院深圳先进技术研究院 | 简历筛选方法、简历筛选装置、终端设备及存储介质 |
CN113379375A (zh) * | 2021-05-31 | 2021-09-10 | 五八到家有限公司 | 一种以聊天形式引导签约的方法、装置及电子设备 |
CN114997829A (zh) * | 2022-06-09 | 2022-09-02 | 北京联众鼎盛咨询有限公司 | 一种招聘服务系统及方法 |
CN116452163A (zh) * | 2023-02-14 | 2023-07-18 | 广东尊一互动科技有限公司 | 一种基于大数据的人才招聘管理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447285A (zh) * | 2016-09-12 | 2017-02-22 | 北京大学 | 基于多维度领域关键知识的招聘信息匹配方法 |
US20170270485A1 (en) * | 2016-03-18 | 2017-09-21 | Mark Meier | Job posting, resume creation/management and applicant tracking system and method |
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 |
CN110263818A (zh) * | 2019-05-24 | 2019-09-20 | 平安科技(深圳)有限公司 | 简历筛选的方法、装置、终端和计算机可读存储介质 |
CN110377702A (zh) * | 2019-07-18 | 2019-10-25 | 中科鼎富(北京)科技发展有限公司 | 一种简历信息匹配方法及装置 |
CN110377560A (zh) * | 2019-07-18 | 2019-10-25 | 中科鼎富(北京)科技发展有限公司 | 一种简历信息的结构化方法及装置 |
-
2019
- 2019-11-19 CN CN201911135923.7A patent/CN111105203A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170270485A1 (en) * | 2016-03-18 | 2017-09-21 | Mark Meier | Job posting, resume creation/management and applicant tracking system and method |
CN106447285A (zh) * | 2016-09-12 | 2017-02-22 | 北京大学 | 基于多维度领域关键知识的招聘信息匹配方法 |
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 |
CN110263818A (zh) * | 2019-05-24 | 2019-09-20 | 平安科技(深圳)有限公司 | 简历筛选的方法、装置、终端和计算机可读存储介质 |
CN110377702A (zh) * | 2019-07-18 | 2019-10-25 | 中科鼎富(北京)科技发展有限公司 | 一种简历信息匹配方法及装置 |
CN110377560A (zh) * | 2019-07-18 | 2019-10-25 | 中科鼎富(北京)科技发展有限公司 | 一种简历信息的结构化方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113112239A (zh) * | 2021-04-23 | 2021-07-13 | 成都商高智能科技有限公司 | 一种便捷式岗位人才筛选方法 |
CN113191728A (zh) * | 2021-04-25 | 2021-07-30 | 深圳平安智汇企业信息管理有限公司 | 基于深度学习模型的简历推荐方法、装置、设备及介质 |
CN113298495A (zh) * | 2021-05-27 | 2021-08-24 | 中国科学院深圳先进技术研究院 | 简历筛选方法、简历筛选装置、终端设备及存储介质 |
CN113379375A (zh) * | 2021-05-31 | 2021-09-10 | 五八到家有限公司 | 一种以聊天形式引导签约的方法、装置及电子设备 |
CN114997829A (zh) * | 2022-06-09 | 2022-09-02 | 北京联众鼎盛咨询有限公司 | 一种招聘服务系统及方法 |
CN116452163A (zh) * | 2023-02-14 | 2023-07-18 | 广东尊一互动科技有限公司 | 一种基于大数据的人才招聘管理系统及方法 |
CN116452163B (zh) * | 2023-02-14 | 2023-11-28 | 广东尊一互动科技有限公司 | 一种基于大数据的人才招聘管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111105203A (zh) | 简历筛选控制方法、装置、计算机设备及存储介质 | |
US20220036244A1 (en) | Systems and methods for predictive coding | |
CN112035653B (zh) | 一种政策关键信息提取方法和装置、存储介质、电子设备 | |
US11727328B2 (en) | Machine learning systems and methods for predictive engagement | |
US20200193382A1 (en) | Employment resource system, method and apparatus | |
CN104462611B (zh) | 信息排序模型的建模方法、排序方法及建模装置、排序装置 | |
CN111144723A (zh) | 人岗匹配推荐方法及系统、存储介质 | |
US20090164311A1 (en) | Human resource management system | |
CN113342976B (zh) | 一种自动采集处理数据的方法、装置、存储介质及设备 | |
US20210233177A1 (en) | Method and apparatus for determining inventor impact | |
CN111105209A (zh) | 适用于人岗匹配推荐系统的职位简历匹配方法及装置 | |
CN111078971A (zh) | 简历文件的筛选方法、装置、终端及存储介质 | |
CN114462556B (zh) | 企业关联产业链分类方法、训练方法、装置、设备和介质 | |
CN110895586A (zh) | 生成新闻页面的方法、装置、计算机设备及存储介质 | |
CN114091960A (zh) | 业务智能派单匹配方法、装置、服务器及存储介质 | |
CN110991709A (zh) | 岗位招聘情况预测方法、装置、计算机设备及存储介质 | |
CN112052396A (zh) | 课程匹配方法、系统、计算机设备和存储介质 | |
CN116362699A (zh) | 一种岗位匹配报告生成方法 | |
EP4044097A1 (en) | System and method for determining and managing environmental, social, and governance (esg) perception of entities and industries through use of survey and media data | |
CN115641101A (zh) | 一种智能化招聘的方法、装置及计算机可读介质 | |
US20220261819A1 (en) | System and method for determining and managing environmental, social, and governance (esg) perception of entities and industries through use of survey and media data | |
CN115965175A (zh) | 一种面向学涯评价的评级方法与系统 | |
CN111179055A (zh) | 授信额度调整方法、装置和电子设备 | |
Moreno-Delgado et al. | Assessing the publication output on country level in the research field communication using Garfield’s Impact Factor | |
CN114299350A (zh) | 一种基于机器学习的人工信贷审核信息推荐方法及系统 |
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 |