CN111967858A - 一种人才智能推荐方法、系统、计算机设备及存储介质 - Google Patents

一种人才智能推荐方法、系统、计算机设备及存储介质 Download PDF

Info

Publication number
CN111967858A
CN111967858A CN202010890294.5A CN202010890294A CN111967858A CN 111967858 A CN111967858 A CN 111967858A CN 202010890294 A CN202010890294 A CN 202010890294A CN 111967858 A CN111967858 A CN 111967858A
Authority
CN
China
Prior art keywords
experience
recommendation method
resumes
talent
candidate
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
Application number
CN202010890294.5A
Other languages
English (en)
Inventor
张译文
李礼
李夏昕
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.)
Shenzhen Bailao Intelligent Co ltd
Original Assignee
Shenzhen Bailao Intelligent 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 Shenzhen Bailao Intelligent Co ltd filed Critical Shenzhen Bailao Intelligent Co ltd
Priority to CN202010890294.5A priority Critical patent/CN111967858A/zh
Publication of CN111967858A publication Critical patent/CN111967858A/zh
Pending legal-status Critical Current

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
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06F16/338—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及文字处理技术领域，具体公开了一种人才智能推荐方法、系统、计算机设备及存储介质，该方法包括：通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序。本申请旨在使用自然语言处理(NLP)技术对简历进行语义理解，发掘简历亮点，精准推荐合适的候选人。

Description

一种人才智能推荐方法、系统、计算机设备及存储介质
技术领域
本申请涉及文字处理技术领域，尤其涉及一种人才智能推荐方法、系统、计算机设备及存储介质。
背景技术
推荐系统的相关文献把它们分成三类：协同过滤(仅使用用户与商品的交互信息生成推荐)系统、基于内容(利用用户偏好和/或商品偏好)的系统和混合推荐模型(使用交互信息、用户和商品的元数据)。这些类别中的模型都有局限性，如数据稀疏性、用户和商品的冷启动。推荐系统的两大主流类型就是上文提到的①基于内容的推荐系统和②协同过滤(Collaborative Filtering)。协同过滤方法根据用户历史行为(例如其购买的、选择的、评价过的物品等)结合其他用户的相似决策建立模型。这种模型可用于预测用户对哪些物品可能感兴趣(或用户对物品的感兴趣程度)。基于内容推荐利用一些列有关物品的离散特征，推荐出具有类似性质的相似物品。目前，协同过滤技术已成为最广泛采用的推荐技术，已经被广泛应用到了很多商业系统中，比较著名的有Amazon、Netflix、淘宝等。
现有推荐系统主要是基于用户与商品的交互信息或者标签进行推荐，商品带有天然的标签属性，并且有大量的用户交互数据；然而在目前市面上所有的招聘系统中，仅仅是简单的通过各种条件的组合对简历进行筛选，缺失了对简历内容的理解，因为千人千面，人很难通过简单的标签去进行定义。
发明内容
本申请提供了一种人才智能推荐方法、系统、计算机设备及存储介质，旨在解决上述问题。
第一方面，本申请提供了一种人才智能推荐方法，所述方法包括：通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；
根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序。
第二方面，本申请还提供了一种人才智能推荐系统，包括：初步召回单元，用于通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；
精准排序单元，根据语义相似度的计算，对候选人的工作经历进行排序。
第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的人才智能推荐方法。
第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的人才智能推荐方法。
本申请公开了一种人才智能推荐方法、系统、设备及存储介质，通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序。本申请旨在使用自然语言处理(NLP)技术对简历进行语义理解，发掘简历亮点，精准推荐合适的候选人。
附图说明
为了更清楚地说明本申请实施例技术方案，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，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请的一实施例提供的一种人才智能推荐方法的示意流程图；
图2是本申请的一实施例提供的一种人才智能推荐方法的示意流程图；
图3是本申请的实施例的一种人才智能推荐方法的一子步骤示意流程图；
图4是本申请的实施例的一种人才智能推荐方法的另一子步骤示意流程图；
图5为本申请实施例提供的一种人才智能推荐系统的示意性框图；
图6为本申请一实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本申请的实施例提供了一种人才智能推荐方法、装置、计算机设备及存储介质。其中，该人才智能推荐方法可以应用于终端或服务器中，以快速发掘候选人的简历亮点，精准推荐合适的候选人。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，图1是本申请的实施例提供的一种人才智能推荐方法的示意流程图。
如图1所示，该人才智能推荐方法，包括步骤S101至步骤S102。
S101、通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回。
具体地，本步骤也可以称为推荐系统初步筛选，企业收到的人才简历成千上万，涵盖了多种工作岗位同，在进行推荐之前先经过初步筛选，只召回也招聘岗位相关的部分简历，提升推荐精度与推荐速度。在本步骤中根据岗位的文本信息通过中文分词进行分词。岗位的文本信息描述包括岗位名称、岗位的职责等描述信息。
S102、根据语义相似度的计算，对初步召回的简历进行排序。
其中，通过对工作经历的进行相似度的计算，对经过初选后的简历进一步进行排序，候选人的工作经历与公司的岗位需要越接近的排序在前。通过自然语言处理对简历进行语义理解，快速挖掘公司所需的人才，节省了公司的宝贵时间。
请参照图3所示，在一个可选的实施例中，所述根据工作经历的语义相似度计算，对初步召回的简历进行排序。包括以下步骤。
S2011、计算候选人每一段工作经历的描述与岗位需求文本的相似度。
具体地，候选人的简历有至少一段工作经历，通过计算候选人每一段工作经历中的职位名称、职位描述、项目经历等文本与公司需求的岗位名称、岗位描述等文本的相似度，智能分析候选人在从业经历中与岗位要求最为匹配的工作经历。
S2012、分析候选人从业经历中与岗位要求最为匹配的工作经历。
具体地，本申请对简历中候选人从业的侧重业务、所处行业与当前岗位要求是否匹配，智能分析候选人的行业经验。
S2013、根据从业时间给出不同的得分权重，与需求岗位相关经历越多，则得分越多。
本申请根据候选人的从业时间给出不同的得分权重，与公司需求岗位相关经历越多，则得分越多。
请参照图2所示，在一个可选的实施例中，本申请的人才智能推荐方法包括以下步骤。
S100、将工作地点、工作年限、学历作为过滤条件，进行初步过滤。
S101、通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回。
S102、对初步召回的简历进行排序。
S103、根据工作经历的语义相似度计算，对初步召回的简历进行排序。
在推荐之前先将公司需求的工作地点、工作年限、学历作为过滤条件过滤掉，从而减少初步召回的工作量。在初步召回后对简历进行排序，与公司需求岗位的文本描述分词命中越多的简历在初选中排序越靠前。
请参照图4所示，在一个可选的实施例中，所述根据语义相似度的计算，对初步召回的简历进行排序包括以下步骤。
S2011、计算候选人每一段工作经历的描述与岗位需求文本的相似度。
具体地，候选人的简历有至少一段工作经历，通过计算候选人每一段工作经历中的职位名称、职位描述、项目经历等文本与公司需求的岗位名称、岗位描述等文本的相似度，智能分析候选人在从业经历中与岗位要求最为匹配的工作经历。
S2012、分析候选人从业经历中与岗位要求最为匹配的工作经历。
具体地，本申请对简历中候选人从业的侧重业务、所处行业与当前岗位要求是否匹配，智能分析候选人的行业经验。
S2013、根据从业时间给出不同的得分权重，与需求岗位相关经历越多，则得分越多。
本申请根据候选人的从业时间给出不同的得分权重，与公司需求岗位相关经历越多，则得分越多。
S2014、对候选人的曾任公司的相关性给出不同的得分权重。
具体地，简历中候选人曾任公司，本发明会对比曾任公司所侧重业务、所处行业与当前岗位要求是否匹配，智能分析候选人的行业经验，并根据从业时间给出不同的得分权重，与岗位相关行业越匹配，则得分越多。
S2015、对候选人的教育经历和就读学校给出不同的得分权重，学历越高，学校越好，则得分越多。
具体地，针对简历中候选人的教育经历，本发明会对比候选人的学历与就读学校，并根据不同学历及学校排名给出不同的得分权重，学历越高，学校越好，则得分越多。
S2016、对候选人的风险进行分析。
具体地，本申请智能分析简历的完整度，候选人工作是否稳定等隐性优缺点，提示招聘方可能存在的风险及亮点，提升公司招聘体验。
请参阅图5，图5是本申请一实施例提供的一种人力资源行业的人才智能推荐系统的示意性框图，该模型训练装置可以配置于服务器中，用于执行前述的人力资源行业的人才智能推荐方法。
如图6所示，该模型训练装置200，包括：初步召回单元201和精准排序单元202。
初步召回单元201，用于通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回。
精准排序单元202，根据语义相似度的计算，对候选人的工作经历进行排序。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
上述的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图6所示的计算机设备上运行。
请参阅图6，图6是本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器或终端。
参阅图6，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种人才智能推荐方法。
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。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种人才智能推荐方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图6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。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；
根据工作经历的语义相似度计算，对初步召回的简历进行排序。
本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项人才智能推荐方法。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种人才智能推荐方法，其特征在于，包括：
通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；
根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序。
2.根据权利要求1所述的人才智能推荐方法，其特征在于，在通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步筛选之前，还包括：
将工作地点、工作年限、学历作为过滤条作，进行初步过滤。
3.根据权利要求1所述的人才智能推荐方法，其特征在于，在通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步筛选之后，还包括：对初步召回的简历进行排序。
4.根据权利要求1所述的人才智能推荐方法，其特征在于，根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序，包括：
计算候选人每一段工作经历的描述与岗位需求文本的相似度；
分析候选人从业经历中与岗位要求最为匹配的工作经历；
根据从业时间给出不同的得分权重，与需求岗位相关经历越多，则得分越多。
5.根据权利要求4所述的人才智能推荐方法，其特征在于，根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序，还包括：
对候选人的曾任公司的相关性给出不同的得分权重。
6.根据权利要求4或5所述的人才智能推荐方法，其特征在于，根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序，还包括：
对候选人的教育经历和就读学校给出不同的得分权重，学历越高，学校越好，则得分越多。
7.根据权利要求6所述的人才智能推荐方法，其特征在于，根据工作经历与需求岗位描述的语义相似度计算，对初步召回的简历进行排序，还包括：
对候选人的风险进行分析。
8.一种人力资源行业的人才智能推荐系统，其特征在于，包括：
初步召回单元，用于通过中文分词器对岗位的文本描述内容进行分词，进行简历的初步召回；
精准排序单元，根据语义相似度的计算，对候选人的工作经历进行排序。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至7中任一项所述的人才智能推荐方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的人才智能推荐方法。
CN202010890294.5A 2020-08-29 2020-08-29 一种人才智能推荐方法、系统、计算机设备及存储介质 Pending CN111967858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010890294.5A CN111967858A (zh) 2020-08-29 2020-08-29 一种人才智能推荐方法、系统、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010890294.5A CN111967858A (zh) 2020-08-29 2020-08-29 一种人才智能推荐方法、系统、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN111967858A true CN111967858A (zh) 2020-11-20

Family

ID=73399299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010890294.5A Pending CN111967858A (zh) 2020-08-29 2020-08-29 一种人才智能推荐方法、系统、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111967858A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115526590A (zh) * 2022-09-16 2022-12-27 深圳今日人才信息科技有限公司 一种结合专家知识和算法的高效人岗匹配与复推方法
CN116503031A (zh) * 2023-06-29 2023-07-28 中国人民解放军国防科技大学 基于简历解析的人员相似性计算方法、装置、设备及介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109754233A (zh) * 2019-01-29 2019-05-14 上海嘉道信息技术有限公司 一种智能推荐职位信息的方法和系统
CN110032637A (zh) * 2019-04-16 2019-07-19 上海大易云计算股份有限公司 一种基于自然语义分析技术的简历智能推荐算法
CN110633960A (zh) * 2019-09-25 2019-12-31 重庆市重点产业人力资源服务有限公司 一种基于大数据的人力资源智能匹配、推荐的方法
CN111105209A (zh) * 2019-12-17 2020-05-05 上海沃锐企业发展有限公司 适用于人岗匹配推荐系统的职位简历匹配方法及装置
CN111144723A (zh) * 2019-12-17 2020-05-12 埃摩森网络科技(上海)有限公司 人岗匹配推荐方法及系统、存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109754233A (zh) * 2019-01-29 2019-05-14 上海嘉道信息技术有限公司 一种智能推荐职位信息的方法和系统
CN110032637A (zh) * 2019-04-16 2019-07-19 上海大易云计算股份有限公司 一种基于自然语义分析技术的简历智能推荐算法
CN110633960A (zh) * 2019-09-25 2019-12-31 重庆市重点产业人力资源服务有限公司 一种基于大数据的人力资源智能匹配、推荐的方法
CN111105209A (zh) * 2019-12-17 2020-05-05 上海沃锐企业发展有限公司 适用于人岗匹配推荐系统的职位简历匹配方法及装置
CN111144723A (zh) * 2019-12-17 2020-05-12 埃摩森网络科技(上海)有限公司 人岗匹配推荐方法及系统、存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN115526590A (zh) * 2022-09-16 2022-12-27 深圳今日人才信息科技有限公司 一种结合专家知识和算法的高效人岗匹配与复推方法
CN115526590B (zh) * 2022-09-16 2023-08-04 深圳今日人才信息科技有限公司 一种结合专家知识和算法的高效人岗匹配与复推方法
CN116503031A (zh) * 2023-06-29 2023-07-28 中国人民解放军国防科技大学 基于简历解析的人员相似性计算方法、装置、设备及介质
CN116503031B (zh) * 2023-06-29 2023-09-08 中国人民解放军国防科技大学 基于简历解析的人员相似性计算方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
US11574026B2 (en) Analytics-driven recommendation engine
US11080304B2 (en) Feature vector profile generation for interviews
Conway et al. Machine learning for hackers
US20200193382A1 (en) Employment resource system, method and apparatus
CN111967858A (zh) 一种人才智能推荐方法、系统、计算机设备及存储介质
CN111144723A (zh) 人岗匹配推荐方法及系统、存储介质
US20190258983A1 (en) Objective evidence-based worker skill profiling and training activation
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
CN111931055A (zh) 对象推荐方法、对象推荐装置和电子设备
CN113689144A (zh) 产品描述的质量评定系统和方法
WO2020193785A1 (en) Vacancy matching method and application
CN111523315B (zh) 数据处理方法、文本识别方法、装置及计算机设备
Khan et al. Possible effects of emoticon and emoji on sentiment analysis web services of work organisations
Botov et al. Mining labor market requirements using distributional semantic models and deep learning
Hernes Performance evaluation of the customer relationship management agent’s in a cognitive integrated management support system
US20230410055A1 (en) Systems and methods for employer side candidate evaluation
Conway et al. Machine learning for email: spam filtering and priority inbox
US11558471B1 (en) Multimedia content differentiation
Cárdenas Extracting value from job vacancy information
CN112231373B (zh) 知识点数据的处理方法、装置、设备和计算机可读介质
CN110532391B (zh) 一种文本词性标注的方法及装置
US11106864B2 (en) Comment-based article augmentation
CN112732891A (zh) 办公课程推荐方法、装置、电子设备及介质
Lupo et al. How to Use Large Language Models for Text Coding: The Case of Fatherhood Roles in Public Policy Documents
Harfoushi et al. Amazon Machine Learning vs. Microsoft Azure Machine Learning as Platforms for Sentiment Analysis

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