CN111861361A - 一种智能简历推送系统及方法 - Google Patents

一种智能简历推送系统及方法 Download PDF

Info

Publication number
CN111861361A
CN111861361A CN202010274140.3A CN202010274140A CN111861361A CN 111861361 A CN111861361 A CN 111861361A CN 202010274140 A CN202010274140 A CN 202010274140A CN 111861361 A CN111861361 A CN 111861361A
Authority
CN
China
Prior art keywords
post
resume
integer parameter
module
key skill
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.)
Granted
Application number
CN202010274140.3A
Other languages
English (en)
Other versions
CN111861361B (zh
Inventor
吴晓军
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.)
Hebei Lizhi Human Resource Service Co ltd
Original Assignee
Hebei Lizhi Human Resource Service 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 Hebei Lizhi Human Resource Service Co ltd filed Critical Hebei Lizhi Human Resource Service Co ltd
Priority to CN202010274140.3A priority Critical patent/CN111861361B/zh
Publication of CN111861361A publication Critical patent/CN111861361A/zh
Application granted granted Critical
Publication of CN111861361B publication Critical patent/CN111861361B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提出了一种智能简历推送系统及方法，通过监测互联网网页数据，识别岗位训练要素生成岗位链表，将所述岗位链表数据链发送至算法池模块根据匹配满意度预测算法进行计算获得岗位匹配结果及简历匹配结果，将结果发送至客户端程序模块进行展示。本发明还能够通过客户端程序获取用户输入岗位匹配请求和简历数据综合计算获得所需简历，使用树型数据匹配算法，提高了计算速度快和识别效率高，同时还提高了数据匹配精度，能够满足大数据技术所要求的规范化人岗数据格式。

Description

一种智能简历推送系统及方法
技术领域
本发明涉及大数据的技术领域，特别涉及一种智能简历推送系统及方法。
背景技术
随着全球经济一体化及知识创新、组织变革等国际大环境的推动，人力资 源管理相关理论研究的发展提升至前所未有的战略高度，在现有技术中心，目 前人力资源平台简历与岗位数据未找到较好的结构化处理方法，推荐方法效率 较低，求职者与用人单位难以在相同平台共同处理，职位定义、岗位推送、简 历推送未实现智能和自动化。
发明内容
基于上述问题，本发明提出了一种智能简历推送系统及方法，使用树型数 据匹配算法，计算速度快，识别效率高，提高了数据匹配精度，能够满足大数 据技术所要求的规范化人岗数据格式。
本发明提供如下技术方案：
一种智能简历推送系统，所述系统包括：客户端程序，网络爬虫智能合约 体以及云数据服务平台；
所述客户端程序包括岗位要素权重修改模块、岗位输入模块、简历输入模 块、岗位需求建模模块、推荐简历模块、推荐岗位模块；
所述岗位要素权重修改模块用于修改岗位需求模型权重系数，存储至数据 库；所述岗位输入模块用于输入岗位匹配请求，所述简历输入模块输入简历数 据，所述岗位需求建模模块用于建立岗位需求模型，生成岗位关键技能模型树， 并对岗位关键技能模型树赋予权重系数；所述推荐简历模块接收返回的简历输 入模块匹配结果展示；所述推荐岗位模块接收返回的简历输入模块匹配结果展 示；
所述网络爬虫智能合约体部署至少一网络爬虫智能合约，所述网络爬虫智 能合约监测互联网网页数据，识别岗位训练要素生成岗位链表；
所述云数据服务平台包括智能合约体调度模块、匹配满意度模块、数据库 以及岗位需求预测模块；所述智能合约体调度模块用于接收所述修改岗位需求 模型权重系数存储至数据库，接收所述岗位匹配请求发送至匹配满意度预测模 块，接收所述简历数据发送至匹配满意度预测模块，接收岗位关键技能模型树 数据存储至数据库，接收网络爬虫智能合约体岗位链表数据链并发送至岗位需 求预测模块，以及返回岗位匹配结果及简历匹配结果至客户端程序模块。
其中，所述生成岗位链表具体包括：岗位链表头节点存储岗位名称、头节 点hash、节点编号，每个节点包含节点hash地址，父节点hash地址，节点编 号，关键技能名称，关键技能频次，后一节点通过前一节点hash地址组成链表。
其中，所述岗位匹配结果为与目标岗位匹配的满意度排序靠前的简历，所 述简历匹配结果为与目标简历匹配的满意度排序靠前的岗位。
其中，所述云数据服务平台还包括算法池模块，所述算法池模块封装岗位 关键技能模型树和简历关键技能模型树匹配满意度预测算法以及简历关键技能 模型树和岗位关键技能模型树匹配满意度预测算法。
其中，所述岗位关键技能模型树和简历关键技能模型树匹配满意度预测算 法用于获得与目标岗位匹配的满意度排序靠前的简历，具体为：步骤一，对岗 位关键技能模型树、简历关键技能模型树层数进行遍历；步骤二，对所述两个 树的每层的节点进行循环遍历；步骤三，将岗位第一列关键技能名称赋值给第 一整数参数；步骤四，将简历第一列关键技能名称赋值给第二整数参数；步骤 五，将第一整数参数和第二整数参数对齐，并分别赋值给第三整数参数和第四 整数参数，对第三整数参数和第四整数参数字符长度进行遍历；步骤六，比较 第三整数参数和第四整数参数是否相同，如果不相同距离加一，如果相同距离 不变，累加总距离除以比较次数，获得相似性，所述相似性乘以权重系数获得 简历加权满意度结果。
其中，所述简历关键技能模型树和岗位关键技能模型树匹配满意度预测算 法用于获得与目标简历匹配的满意度排序靠前的岗位，具体为：步骤一，对岗 位关键技能模型树、简历关键技能模型树层数进行遍历；步骤二，对所述两个 树的每层的节点进行循环遍历；步骤三，将岗位第一列关键技能名称赋值给第 一整数参数；步骤四，将简历第一列关键技能名称赋值给第二整数参数；步骤 五，将第一整数参数和第二整数参数对齐，并分别赋值给第三整数参数和第四 整数参数，对第三整数参数和第四整数参数字符长度进行遍历；步骤六，比较 第三整数参数和第四整数参数是否相同，如果不相同距离加一，如果相同距离 不变，累加总距离除以比较次数，获得相似性，所述相似性乘以权重系数获得 简历加权满意度结果。
其中，所述岗位关键技能模型树为三层树形存储结构，所述简历关键技能 模型树为三层树形存储结构。
其中，数据库模块保存所述简历关键技能模型树和岗位关键技能模型树， 存储岗位链表。
另外，本发明还提出了一种智能简历推送方法，所述方法包括：
步骤201，接收客户端程序模块的用户输入请求，网络爬虫智能合约监测互 联网网页数据，识别岗位训练要素生成岗位链表；缩水生成岗位链表具体包括： 岗位链表头节点存储岗位名称、头节点hash、节点编号，每个节点包含节点hash 地址，父节点hash地址，节点编号，关键技能名称，关键技能频次，后一节点 通过前一节点hash地址组成链表；
步骤202，智能合约体调度模块接收网络爬虫智能合约体岗位链表数据链并 发送至岗位需求预测模块；
步骤203，所述岗位需求预测模块转发数据至算法池模块进行计算；
步骤204，所述算法池模块根据岗位关键技能模型树和简历关键技能模型树 匹配满意度预测算法以及简历关键技能模型树和岗位关键技能模型树匹配满意 度预测算法进行计算输出岗位匹配结果及简历匹配结果至客户端程序模块。
其中，所述岗位关键技能模型树和简历关键技能模型树匹配满意度预测算 法用于获得与目标岗位匹配的满意度排序靠前的简历，具体为：步骤一，对岗 位关键技能模型树、简历关键技能模型树层数进行遍历；步骤二，对所述两个 树的每层的节点进行循环遍历；步骤三，将岗位第一列关键技能名称赋值给第 一整数参数；步骤四，将简历第一列关键技能名称赋值给第二整数参数；步骤 五，将第一整数参数和第二整数参数对齐，并分别赋值给第三整数参数和第四 整数参数，对第三整数参数和第四整数参数字符长度进行遍历；步骤六，比较 第三整数参数和第四整数参数是否相同，如果不相同距离加一，如果相同距离 不变，累加总距离除以比较次数，获得相似性，所述相似性乘以权重系数获得 简历加权满意度结果。
其中，所述简历关键技能模型树和岗位关键技能模型树匹配满意度预测算 法用于获得与目标简历匹配的满意度排序靠前的岗位，具体为：步骤一，对岗 位关键技能模型树、简历关键技能模型树层数进行遍历；步骤二，对所述两个 树的每层的节点进行循环遍历；步骤三，将岗位第一列关键技能名称赋值给第 一整数参数；步骤四，将简历第一列关键技能名称赋值给第二整数参数；步骤 五，将第一整数参数和第二整数参数对齐，并分别赋值给第三整数参数和第四 整数参数，对第三整数参数和第四整数参数字符长度进行遍历；步骤六，比较 第三整数参数和第四整数参数是否相同，如果不相同距离加一，如果相同距离 不变，累加总距离除以比较次数，获得相似性，所述相似性乘以权重系数获得 简历加权满意度结果。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序执行 上述智能简历推送方法。
本发明提出了一种智能简历推送系统及方法，通过监测互联网网页数据， 识别岗位训练要素生成岗位链表，将所述岗位链表数据链发送至算法池模块根 据匹配满意度预测算法进行计算获得岗位匹配结果及简历匹配结果，将结果发 送至客户端程序模块进行展示。本发明还能够通过客户端程序获取用户输入岗 位匹配请求和简历数据综合计算获得所需简历，使用树型数据匹配算法，提高 了计算速度快和识别效率高，同时还提高了数据匹配精度，能够满足大数据技 术所要求的规范化人岗数据格式。
附图说明
附图1为本发明的系统结构框图；
附图2为本发明的方法流程图；
附图3为本发明的岗位关键技能模型树为三层树形存储结构图；
附图4为本发明的简历关键技能模型树为三层树形存储结构图。
具体实施方式
下面结合附图与实施例对本发明作进一步详细描述。
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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还 可以根据这些附图获得其它的附图。
本发明提出了一种智能简历推送系统及方法，使用树型数据匹配算法，计 算速度快，识别效率高，提高了数据匹配精度，能够满足大数据技术所要求的 规范化人岗数据格式。
第一实施例：
本发明提供了一种智能简历推送系统，系统结构框图如附图1所示，所述 系统包括：客户端程序，网络爬虫智能合约体以及云数据服务平台；
其中岗位要素权重修改模块可修改经过智能训练的岗位需求模型权重系 数，修改请求经过云数据服务平台的智能合约体调度模块，存储到数据库中。
其中，岗位输入模块可输入目标岗位名称，推荐请求发动到云数据服务平 台的智能合约体调度模块，智能合约体调度模块将推荐请求发送到匹配满意度 预测模块。
其中，简历输入模块可输入简历模板，简历数据发动到云数据服务平台的 智能合约体调度模块，智能合约体调度模块将简历数据发送到匹配满意度预测 模块。
其中，岗位需求建模模块用于用户自定义岗位需求模型，生成岗位关键技 能模型树，并对岗位关键技能模型赋予权重，经过赋权的岗位关键技能模型树 数据发送到云数据服务平台的智能合约体调度模块，智能合约体调度模块将数 据存放至数据库。
其中，推荐简历模块接收智能合约体调度模块返回的简历输入模块匹配结 果，并展示满意度最高的前20份简历。
其中，推荐岗位模块接收智能合约体调度模块返回的简历输入模块匹配结 果，并展示满意度最高的前10份岗位。
所述网络爬虫智能合约体部署了不少于一个网络爬虫智能合约，其中每个 网络爬虫智能合约可监测提取互联网网页中岗位相关词汇，对每个识别的岗位 识别训练岗位相关技能要素，建立岗位链表，并将新建，链表头节点存储岗位 名称，头节点hash，节点编号，链表中每个节点包含节点hash地址，父节点 hash地址，节点编号，关键技能名称，关键技能频次，后一节点通过前一节点 hash地址组成链表.当前识别关键技能要素数量为L，u为整数，
Figure BDA0002444186460000071
为链表中第 z节点中的y类数据关键技能名称，
Figure BDA0002444186460000072
为链表中第z节点中的y+1类数据关键 技能频次，PostN为新识别岗位关键技能要素，AddNewpoint为增加链表节点函数，岗位链表
Figure BDA0002444186460000073
建立公式方法如下：
Figure BDA0002444186460000074
所述云数据服务平台包括智能合约体调度模块、匹配满意度模块、算法池 模块、数据库模块，岗位需求预测模块。
其中，所述智能合约体调度模块负责接收岗位需求模型权重系数修改请求， 并修改数据库中相关表。接收客户端岗位匹配简历请求并发送到匹配满意度预 测模块。接收客户端简历匹配岗位请求并发送到匹配满意度预测模块。接收岗 位关键技能模型树数据并存放至数据库。接收网络爬虫智能合约体岗位链表
Figure BDA0002444186460000081
数据链，并发送到岗位需求预测模块。
其中，匹配满意度模块接收智能合约体调度模块岗位匹配简历请求，预测 和目标岗位匹配的满意度前20的简历，并通过智能合约体调度模块反馈数据到 客户端程序模块，接收智能合约体调度模块简历匹配岗位请求，预测和目标简 历匹配的满意度前10的岗位，并通过智能合约体调度模块反馈数据到客户端程 序模块。岗位关键技能模型树为三层树形存储结构如附图3所示，简历关键技 能模型树为三层树形存储结构如附图4所示：
其中，算法池模块封装岗位关键技能模型树
Figure BDA0002444186460000082
和简历关键技能模型 树
Figure BDA0002444186460000083
匹配满意度预测算法，
Figure BDA0002444186460000084
为第w层第z节点的子节点 数量。
Figure BDA0002444186460000085
为1时代表关键技能名称，h为2时表示关键技能权重。
具体计算步骤如下第一，对两个树型模型的层数k进行遍历。第二，对两 个树的每层的节点d进行循环遍历，d小于该层的节点数
Figure BDA0002444186460000086
第 三，
Figure BDA0002444186460000087
代表岗位树第k层的第d个节点第一列关键技能名称，将其赋值 给整数Para1。第四，
Figure BDA0002444186460000088
表示简历树第k层的第d个节点第一列关键 技能名称，将其赋值给整数Para2.第五，整数M获取Para1和Para2字符最大 长度。第六，通过Para1.PadRight(M)、Para2..PadRight(M)两个函数， 将Para1和Para2字符长度对齐，并赋值给Para3和Para4.第七，对Para3和 Para4字符长度M进行遍历。第八，比较Para3和Para4是否相同，如果不相同 距离加1，如果相同距离不变，最后累加总距离除以比较次数，获得相似性度 sim。第九，相似性度sim乘以
Figure BDA0002444186460000089
权重，得到SImilaP相似度， SImilaP(g)为经计算的第g份简历加权满意度结果。MAXP20(∑SImilaP(X)) 返回前20份满意度最高的简历树头节点hash地址。
计算方式如下：
Figure BDA0002444186460000091
Figure BDA0002444186460000101
其中，算法池模块封装简历关键技能模型树
Figure BDA0002444186460000102
和岗位关键技能模 型树
Figure BDA0002444186460000103
匹配满意度预测算法，
Figure BDA0002444186460000104
为第r层第t节点的子节 点数量。
Figure BDA0002444186460000105
为1时代表关键技能名称，h为2时表示关键技能权重。 具体计算步骤如下第一，对两个树型模型
Figure BDA0002444186460000106
的层数k进行 遍历。第二，对两个树的每层的节点d进行循环遍历，d小于该层的节点数len
Figure BDA0002444186460000107
第三，
Figure BDA0002444186460000108
代表岗位树第k层的第d个节点第一列关键技 能名称，将其赋值给整数Para1。第四，
Figure BDA0002444186460000109
表示简历树第k层的第d 个节点第一列关键技能名称，将其赋值给整数Para2.第五，整数M获取Para1 和Para2字符最大长度。第六，通过Para1.PadRight(M)、Para2..PadRight(M)两个函数，将Para1和Para2字符长度对齐，并赋值给Para3和Para4.第七， 对Para3和Para4字符长度M进行遍历。第八，比较Para3和Para4相似性， 如果不相同距离加1，如果相同距离不变，最后累加总距离除以比较次数，获得 相似性度sim。第九，相似性sim乘以
Figure BDA00024441864600001010
权重，得到SImilaJ相似 度，SImilaJ(g)为经计算的第g份简历加权满意度结果。MAXJ10(∑SImilaJ(X)) 返回前10份满意度最高的岗位树头节点hash地址
计算方法如下：
Figure BDA00024441864600001011
Figure BDA0002444186460000111
其中，数据库模块保存简历关键技能模型树
Figure BDA0002444186460000112
和岗位关键技能模 型树
Figure BDA0002444186460000113
存储岗位链表等信息。
其中，岗位需求预测模块接收岗位链表数据
Figure BDA0002444186460000114
将链表数据解析为岗位 关键技能模型树
Figure BDA0002444186460000115
第二实施例：
本发明还提出了一种智能简历推送方法，所述方法流程图如附图2所示；
步骤201，接收客户端程序模块的用户输入请求，网络爬虫智能合约监测互 联网网页数据，识别岗位训练要素生成岗位链表：
所述网络爬虫智能合约体部署了不少于一个网络爬虫智能合约，其中每个 网络爬虫智能合约可监测提取互联网网页中岗位相关词汇，对每个识别的岗位 识别训练岗位相关技能要素，建立岗位链表，并将新建，链表头节点存储岗位 名称，头节点hash，节点编号，链表中每个节点包含节点hash地址，父节点hash 地址，节点编号，关键技能名称，关键技能频次，后一节点通过前一节点hash 地址组成链表.当前识别关键技能要素数量为L，u为整数，
Figure BDA0002444186460000121
为链表中第z节 点中的y类数据关键技能名称，
Figure BDA0002444186460000122
为链表中第z节点中的y+1类数据关键技 能频次，PostN为新识别岗位关键技能要素，AddNewpoint为增加链表节点函数， 岗位链表
Figure BDA0002444186460000123
建立公式方法如下：
Figure BDA0002444186460000124
步骤202，智能合约体调度模块接收网络爬虫智能合约体岗位链表数据链并 发送至岗位需求预测模块；
步骤203，所述岗位需求预测模块转发数据至算法池模块进行计算；
步骤204，所述算法池模块根据岗位关键技能模型树和简历关键技能模型树 匹配满意度预测算法以及简历关键技能模型树和岗位关键技能模型树匹配满意 度预测算法进行计算输出岗位匹配结果及简历匹配结果至客户端程序模块。
算法池模块封装岗位关键技能模型树
Figure RE-GDA0002691216900000131
和简历关键技能模型树
Figure RE-GDA0002691216900000132
匹配满意度预测算法，
Figure RE-GDA0002691216900000133
为第w层第z节点的子节点数 量。
Figure RE-GDA0002691216900000134
为1时代表关键技能名称，h为2时表示关键技能权重。
具体计算步骤如下第一，对两个树型模型的层数k进行遍历。第二，对两 个树的每层的节点d进行循环遍历，d小于该层的节点数
Figure BDA0002444186460000135
第 三，
Figure BDA0002444186460000136
代表岗位树第k层的第d个节点第一列关键技能名称，将其赋值 给整数Para1。第四，
Figure BDA0002444186460000137
表示简历树第k层的第d个节点第一列关键 技能名称，将其赋值给整数Para2.第五，整数M获取Para1和Para2字符最大 长度。第六，通过Para1.PadRight(M)、Para2..PadRight(M)两个函数， 将Para1和Para2字符长度对齐，并赋值给Para3和Para4.第七，对Para3和 Para4字符长度M进行遍历。第八，比较Para3和Para4是否相同，如果不相同 距离加1，如果相同距离不变，最后累加总距离除以比较次数，获得相似性度 sim。第九，相似性度sim乘以
Figure BDA0002444186460000138
权重，得到SImilaP相似度， SImilaP(g)为经计算的第g份简历加权满意度结果。MAXP20(∑SImilaP(X)) 返回前20份满意度最高的简历树头节点hash地址。
计算方式如下：
Figure BDA0002444186460000139
Figure BDA0002444186460000141
其中，算法池模块封装简历关键技能模型树
Figure BDA0002444186460000142
和岗位关键技能模 型树
Figure BDA0002444186460000143
匹配满意度预测算法，
Figure BDA0002444186460000144
为第r层第t节点的子节 点数量。
Figure BDA0002444186460000145
为1时代表关键技能名称，h为2时表示关键技能权重。 具体计算步骤如下第一，对两个树型模型
Figure BDA0002444186460000146
的层数k进行 遍历。第二，对两个树的每层的节点d进行循环遍历，d小于该层的节点数len
Figure BDA0002444186460000147
第三，
Figure BDA0002444186460000148
代表岗位树第k层的第d个节点第一列关键技 能名称，将其赋值给整数Para1。第四，
Figure BDA0002444186460000151
表示简历树第k层的第d 个节点第一列关键技能名称，将其赋值给整数Para2.第五，整数M获取Para1 和Para2字符最大长度。第六，通过Para1.PadRight(M)、Para2..PadRight(M)两个函数，将Para1和Para2字符长度对齐，并赋值给Para3和Para4.第七， 对Para3和Para4字符长度M进行遍历。第八，比较Para3和Para4相似性， 如果不相同距离加1，如果相同距离不变，最后累加总距离除以比较次数，获得 相似性度sim。第九，相似性sim乘以
Figure BDA0002444186460000152
权重，得到SImilaJ相似 度，SImilaJ(g)为经计算的第g份简历加权满意度结果。MAXJ10(∑SImilaJ(X)) 返回前10份满意度最高的岗位树头节点hash地址
计算方法如下：
Figure BDA0002444186460000153
Figure BDA0002444186460000161
其中，数据库模块保存简历关键技能模型树
Figure BDA0002444186460000162
和岗位关键技能模 型树
Figure BDA0002444186460000163
存储岗位链表等信息。
其中，岗位需求预测模块接收岗位链表数据
Figure BDA0002444186460000164
将链表数据解析为岗位 关键技能模型树
Figure BDA0002444186460000165
本发明客户端程序模块接收用户输入，用户可输入岗位名称，由此即可通 过网络爬虫智能合约体来匹配获得所需简历；本发明还能够实现通过客户端程 序模块接收用户输入，不仅输入岗位名称，还可以设置岗位需求的技能条件， 此时可以通过网络爬虫智能合约体来综合匹配获得所需简历，或者不通过网络 爬虫智能合约体而直接根据输入的条件进行匹配；此外还能够实现个人用户己 输入简历，通过网络爬虫智能合约体来综合匹配获得所需推荐工作或者不通过 网络爬虫智能合约体而直接根据输入的条件进行匹配获得推荐工作。
此外，本发明还提出了一种计算机可读存储介质，其上存储有计算机程序， 所述计算机程序执行上述智能简历推送方法。
本发明提出了一种智能简历推送系统及方法，通过监测互联网网页数据， 识别岗位训练要素生成岗位链表，将所述岗位链表数据链发送至算法池模块根 据匹配满意度预测算法进行计算获得岗位匹配结果及简历匹配结果，将结果发 送至客户端程序模块进行展示。本发明还能够通过客户端程序获取用户输入岗 位匹配请求和简历数据综合计算获得所需简历，使用树型数据匹配算法，提高 了计算速度快和识别效率高，同时还提高了数据匹配精度，能够满足大数据技 术所要求的规范化人岗数据格式。
上述本发明的实施方式是本发明的元件和特征的组合。除非另外提及，否 则所述元件或特征可被视为选择性的。各个元件或特征可在不与其它元件或特 征组合的情况下实践。另外，本发明的实施方式可通过组合部分元件和/或特征 来构造。本发明的实施方式中所描述的操作顺序可重新排列。任一实施方式的 一些构造可被包括在另一实施方式中，并且可用另一实施方式的对应构造代替。 对于本领域技术人员而言明显的是，所附权利要求中彼此没有明确引用关系的 权利要求可组合成本发明的实施方式，或者可在提交本发明之后的修改中作为 新的权利要求包括。
在固件或软件配置方式中，本发明的实施方式可以模块、过程、功能等形 式实现。软件代码可存储在存储器单元中并由处理器执行。存储器单元位于处 理器的内部或外部，并可经由各种己知手段向处理器发送数据以及从处理器接 收数据。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定 义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实 现。因此，本发明将不会被限制于本文所示的这些实施例，而是符合与本文所 公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种智能简历推送系统，其特征在于：
所述系统包括：客户端程序，网络爬虫智能合约体以及云数据服务平台；
所述客户端程序包括岗位要素权重修改模块、岗位输入模块、简历输入模块、岗位需求建模模块、推荐简历模块、推荐岗位模块；
所述岗位要素权重修改模块用于修改岗位需求模型权重系数，存储至数据库；所述岗位输入模块用于输入岗位匹配请求，所述简历输入模块输入简历数据，所述岗位需求建模模块用于建立岗位需求模型，生成岗位关键技能模型树，并对岗位关键技能模型树赋予权重系数；所述推荐简历模块接收返回的简历输入模块匹配结果展示；所述推荐岗位模块接收返回的简历输入模块匹配结果展示；
所述网络爬虫智能合约体部署至少一网络爬虫智能合约，所述网络爬虫智能合约监测互联网网页数据，识别岗位训练要素生成岗位链表；
所述云数据服务平台包括智能合约体调度模块、匹配满意度模块、数据库以及岗位需求预测模块；所述智能合约体调度模块用于接收所述修改岗位需求模型权重系数存储至数据库，接收所述岗位匹配请求发送至匹配满意度预测模块，接收所述简历数据发送至匹配满意度预测模块，接收岗位关键技能模型树数据存储至数据库，接收网络爬虫智能合约体岗位链表数据链并发送至岗位需求预测模块，以及返回岗位匹配结果及简历匹配结果至客户端程序模块。
2.根据权利要求1所述的系统，其特征在于：所述生成岗位链表具体包括：岗位链表头节点存储岗位名称、头节点hash、节点编号，每个节点包含节点hash地址，父节点hash地址，节点编号，关键技能名称，关键技能频次，后一节点通过前一节点hash地址组成链表。
3.根据权利要求1所述的系统，其特征在于：所述岗位匹配结果为与目标岗位匹配的满意度排序靠前的简历，所述简历匹配结果为与目标简历匹配的满意度排序靠前的岗位。
4.根据权利要求1所述的系统，其特征在于：所述云数据服务平台还包括算法池模块，所述算法池模块封装岗位关键技能模型树和简历关键技能模型树匹配满意度预测算法以及简历关键技能模型树和岗位关键技能模型树匹配满意度预测算法。
5.根据权利要求4所述的系统，其特征在于：所述岗位关键技能模型树和简历关键技能模型树匹配满意度预测算法用于获得与目标岗位匹配的满意度排序靠前的简历，具体为：步骤一，对岗位关键技能模型树、简历关键技能模型树层数进行遍历；步骤二，对所述两个树的每层的节点进行循环遍历；步骤三，将岗位第一列关键技能名称赋值给第一整数参数；步骤四，将简历第一列关键技能名称赋值给第二整数参数；步骤五，将第一整数参数和第二整数参数对齐，并分别赋值给第三整数参数和第四整数参数，对第三整数参数和第四整数参数字符长度进行遍历；步骤六，比较第三整数参数和第四整数参数是否相同，如果不相同距离加一，如果相同距离不变，累加总距离除以比较次数，获得相似性，所述相似性乘以权重系数获得简历加权满意度结果。
6.根据权利要求4所述的系统，其特征在于：所述简历关键技能模型树和岗位关键技能模型树匹配满意度预测算法用于获得与目标简历匹配的满意度排序靠前的岗位，具体为：步骤一，对岗位关键技能模型树、简历关键技能模型树层数进行遍历；步骤二，对所述两个树的每层的节点进行循环遍历；步骤三，将岗位第一列关键技能名称赋值给第一整数参数；步骤四，将简历第一列关键技能名称赋值给第二整数参数；步骤五，将第一整数参数和第二整数参数对齐，并分别赋值给第三整数参数和第四整数参数，对第三整数参数和第四整数参数字符长度进行遍历；步骤六，比较第三整数参数和第四整数参数是否相同，如果不相同距离加一，如果相同距离不变，累加总距离除以比较次数，获得相似性，所述相似性乘以权重系数获得简历加权满意度结果。
7.根据权利要求1所述的系统，其特征在于：所述岗位关键技能模型树为三层树形存储结构，所述简历关键技能模型树为三层树形存储结构。
8.一种智能简历推送方法，其特征在于：所述方法包括：
步骤201，接收客户端程序模块的用户输入请求，网络爬虫智能合约监测互联网网页数据，识别岗位训练要素生成岗位链表；缩水生成岗位链表具体包括：岗位链表头节点存储岗位名称、头节点hash、节点编号，每个节点包含节点hash地址，父节点hash地址，节点编号，关键技能名称，关键技能频次，后一节点通过前一节点hash地址组成链表；
步骤202，智能合约体调度模块接收网络爬虫智能合约体岗位链表数据链并发送至岗位需求预测模块；
步骤203，所述岗位需求预测模块转发数据至算法池模块进行计算；
步骤204，所述算法池模块根据岗位关键技能模型树和简历关键技能模型树匹配满意度预测算法以及简历关键技能模型树和岗位关键技能模型树匹配满意度预测算法进行计算输出岗位匹配结果及简历匹配结果至客户端程序模块。
9.根据权利要求8所述的方法，其特征在于：所述简历关键技能模型树和岗位关键技能模型树匹配满意度预测算法用于获得与目标简历匹配的满意度排序靠前的岗位，具体为：步骤一，对岗位关键技能模型树、简历关键技能模型树层数进行遍历；步骤二，对所述两个树的每层的节点进行循环遍历；步骤三，将岗位第一列关键技能名称赋值给第一整数参数；步骤四，将简历第一列关键技能名称赋值给第二整数参数；步骤五，将第一整数参数和第二整数参数对齐，并分别赋值给第三整数参数和第四整数参数，对第三整数参数和第四整数参数字符长度进行遍历；步骤六，比较第三整数参数和第四整数参数是否相同，如果不相同距离加一，如果相同距离不变，累加总距离除以比较次数，获得相似性，所述相似性乘以权重系数获得简历加权满意度结果。
10.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序执行权利要求8-9所述的智能简历推送方法。
CN202010274140.3A 2020-04-09 2020-04-09 一种智能简历推送系统及方法 Active CN111861361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010274140.3A CN111861361B (zh) 2020-04-09 2020-04-09 一种智能简历推送系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010274140.3A CN111861361B (zh) 2020-04-09 2020-04-09 一种智能简历推送系统及方法

Publications (2)

Publication Number Publication Date
CN111861361A true CN111861361A (zh) 2020-10-30
CN111861361B CN111861361B (zh) 2021-07-27

Family

ID=72984981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010274140.3A Active CN111861361B (zh) 2020-04-09 2020-04-09 一种智能简历推送系统及方法

Country Status (1)

Country Link
CN (1) CN111861361B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685615A (zh) * 2021-01-05 2021-04-20 河北冀联人力资源服务集团有限公司 一种智库数据处理方法及系统
CN114647861A (zh) * 2022-03-21 2022-06-21 广东润联信息技术有限公司 人岗匹配方法、装置、设备及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8103679B1 (en) * 2006-01-13 2012-01-24 CareerBuilder, LLC Method and system for matching data sets of non-standard formats
US9355151B1 (en) * 2006-01-13 2016-05-31 CareerBuilder, LLC Systems and methods for assessing the similarity between two non-standardized data sets
CN106326421A (zh) * 2016-08-24 2017-01-11 中国科学院上海微系统与信息技术研究所 基于索引树和数据链表的fpga并行排序方法及系统
CN107239892A (zh) * 2017-05-26 2017-10-10 山东省科学院情报研究所 基于大数据的区域人才供需平衡量化分析方法
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
CN108446886A (zh) * 2018-01-31 2018-08-24 合肥和钧正策信息技术有限公司 基于大数据的人才招聘系统及方法
CN109710839A (zh) * 2018-12-14 2019-05-03 泰康保险集团股份有限公司 岗位推送方法、装置及设备
CN109831531A (zh) * 2019-03-15 2019-05-31 河北冀联人力资源服务集团有限公司 求职简历推送方法与装置以及任务推送方法与装置
CN110110180A (zh) * 2019-04-25 2019-08-09 河海大学 一种基于协同过滤算法的求职者招聘信息搜索方法
CN110209659A (zh) * 2019-06-10 2019-09-06 广州合摩计算机科技有限公司 一种简历过滤方法、系统和计算机可读存储介质
CN110427406A (zh) * 2019-08-10 2019-11-08 吴诚诚 组织机构相关人员关系的挖掘方法及装置
CN110929797A (zh) * 2019-11-28 2020-03-27 四川大汇大数据服务有限公司 一种人员能力量化评估方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8103679B1 (en) * 2006-01-13 2012-01-24 CareerBuilder, LLC Method and system for matching data sets of non-standard formats
US9355151B1 (en) * 2006-01-13 2016-05-31 CareerBuilder, LLC Systems and methods for assessing the similarity between two non-standardized data sets
CN106326421A (zh) * 2016-08-24 2017-01-11 中国科学院上海微系统与信息技术研究所 基于索引树和数据链表的fpga并行排序方法及系统
CN107239892A (zh) * 2017-05-26 2017-10-10 山东省科学院情报研究所 基于大数据的区域人才供需平衡量化分析方法
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
CN108446886A (zh) * 2018-01-31 2018-08-24 合肥和钧正策信息技术有限公司 基于大数据的人才招聘系统及方法
CN109710839A (zh) * 2018-12-14 2019-05-03 泰康保险集团股份有限公司 岗位推送方法、装置及设备
CN109831531A (zh) * 2019-03-15 2019-05-31 河北冀联人力资源服务集团有限公司 求职简历推送方法与装置以及任务推送方法与装置
CN110110180A (zh) * 2019-04-25 2019-08-09 河海大学 一种基于协同过滤算法的求职者招聘信息搜索方法
CN110209659A (zh) * 2019-06-10 2019-09-06 广州合摩计算机科技有限公司 一种简历过滤方法、系统和计算机可读存储介质
CN110427406A (zh) * 2019-08-10 2019-11-08 吴诚诚 组织机构相关人员关系的挖掘方法及装置
CN110929797A (zh) * 2019-11-28 2020-03-27 四川大汇大数据服务有限公司 一种人员能力量化评估方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ASEEL B. KMAIL等: "An Automatic Online Recruitment System Based on Exploiting Multiple Semantic Resources and Concept-Relatedness Measures", 《 2015 IEEE 27TH INTERNATIONAL CONFERENCE ON TOOLS WITH ARTIFICIAL INTELLIGENCE》 *
吴晓军: "基于图像理解的智能服饰搭配研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 *
程敏: "基于web信息的个性化职位推荐系统的算法设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
胡宜疑: "基于.NET的就业信息推荐系统的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112685615A (zh) * 2021-01-05 2021-04-20 河北冀联人力资源服务集团有限公司 一种智库数据处理方法及系统
CN112685615B (zh) * 2021-01-05 2023-11-03 河北冀联人力资源服务集团有限公司 一种智库数据处理方法及系统
CN114647861A (zh) * 2022-03-21 2022-06-21 广东润联信息技术有限公司 人岗匹配方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111861361B (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
CN108804516B (zh) 相似用户查找装置、方法及计算机可读存储介质
CN111651447B (zh) 一种智能建造全寿期数据处理分析管控系统
RU2013143815A (ru) Компьютерная система, база данных и использование таковых
CN111861361B (zh) 一种智能简历推送系统及方法
CN105550268A (zh) 大数据流程建模分析引擎
CN106021457A (zh) 基于关键词的rdf分布式语义搜索方法
Shafiq et al. Virtual engineering process (VEP): a knowledge representation approach for building bio-inspired distributed manufacturing DNA
CN109087121A (zh) 营销信息投放平台构建方法及装置
CN106484813A (zh) 一种大数据分析系统及方法
CN107046557A (zh) 移动云计算环境下动态Skyline查询的智能医疗呼叫查询系统
CN107481054A (zh) 酒店优惠信息的推送及装置、电子设备、存储介质
CN112583640A (zh) 一种基于知识图谱的服务故障检测方法及装置
CN107317872A (zh) 一种空间众包中多类型任务的调度方法
CN106919998B (zh) 一种基于aoe网络的物流模型及方法
CN110866042A (zh) 表格智能查询方法、装置及计算机可读存储介质
CN112559717A (zh) 搜索匹配方法、装置、电子设备以及存储介质
CN108509545A (zh) 一种文章的评论处理方法及系统
CN105574037B (zh) 一种信息处理方法及装置
CN113536148A (zh) 人群圈定方法、装置、设备及存储介质
CN102420812A (zh) 一种支持分布并行处理的Web服务自动QoS组合方法
KR20120079630A (ko) 멀티 모달리티 데이터 색인 및 검색 방법, 그 시스템
CN107133218A (zh) 商品名称智能匹配方法、系统及计算机可读存储介质
CN107436919A (zh) 一种基于本体和boss的云制造标准服务建模方法
CN115114519A (zh) 基于人工智能的推荐方法、装置、电子设备及存储介质
CN101159049A (zh) 一种动态配置列的方法和系统

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
GR01 Patent grant
GR01 Patent grant