CN112241874A - 基于人才发掘者的整体招聘系统 - Google Patents

Abstract

本发明提供了用于基于人才发掘者(TS)的招聘系统的方法和系统。在一个新颖的方面，识别人才发掘者的群组用于目标人才的招聘，基于职位描述和对应的TS的属性生成个性化招聘内容。从社交网络识别TS的群组。通过基于招聘请求分配目标属性的集合来处理职位招聘请求。基于一个或多个预定义的匹配准则选择TS的子群组。至少基于目标属性的集合和每个对应的TS的TS属性的集合，为每个感兴趣的TS创建TS招聘内容。将所创建的招聘内容发送给所选择的TS的子群组中的每个对应的感兴趣的TS，其中基于招聘内容的招聘公告被发布给每个对应的感兴趣的TS的追随者。

Description

基于人才发掘者的整体招聘系统

技术领域

本发明一般涉及招聘系统，以及更特别地，涉及一种基于人才发掘者(TS)的招聘系统。

背景技术

社交网络的爆炸性增长为人们提供了广泛的益处。社交网络的成员通过社交媒体平台共享各种各样的信息。人们依靠社交网络(也称为社交媒体网络)来获得更多的连接并更快地获得信息。近年来，社交媒体网络已经扩展到朋友和家庭之间的非正式联网之外。社交媒体平台已经越来越多地应用于商业和专业用途。许多组织和企业单位具有其社交媒体存在。社交媒体营销已经获得了巨大的动力。企业和专业人员对社会媒体技术的快速和大量采用已经改变了企业如何找到伙伴、人们如何访问信息以及人们如何跟上他们的专业领域的最新发展。在一个值得注意的领域中，社交媒体已经越来越多地被看作帮助企业和求职者联系的专业平台。具有职位空缺的企业在社交媒体网络上发布其职位描述。求职者或专业人员在社交媒体网络上发布其简历和兴趣。社交媒体网络为用户提供彼此连接和参与群组。虽然当前的社交媒体为待连接的企业和人才提供了优势，但是招聘过程仍然是低效的。随着社交媒体网络上的信息爆炸性地增长，需要大量的努力来快速且有效地找到正确的匹配。开发了一些改进，注入候选人排名系统，但是它仍然跟不上社交网络上的信息流的指数增长。

需要一些改进来更有效地使用社交媒体进行招聘。

发明内容

提供了用于基于人才发掘者(TS)的招聘系统的方法和系统。在一个新颖的方面，识别人才发掘者的群组用于目标人才的招聘，以及基于职位描述和对应的TS的属性生成个性化招聘内容。从社交网络识别TS的群组，其中每个所识别的TS被分配有TS属性的集合，以及其中每个TS具有高于预定义的影响阈值的社交媒体影响值。通过基于招聘请求分配目标属性的集合来处理职位招聘请求。通过基于一个或多个预定义的匹配准则将TS群组中的每个TS的TS属性的集合与目标属性的集合进行比较，从所识别的TS的群组中选择TS的子群组。至少基于目标属性的集合和每个对应的TS的TS属性的集合，为TS的子群组中的每个感兴趣TS创建TS招聘内容。将所创建的招聘内容发送给所选择的TS的子群组中的每个对应的感兴趣的TS，其中基于招聘内容的招聘公告被发布给每个对应的感兴趣的TS的追随者。在一个实施例中，TS属性包括一个或多个TS元素，一个或多个TS元素包括：多级行业分类字段、社交媒体影响值、追随者字段、适用的关键字、反馈字段和最后更新时间戳。在另一实施例中，目标属性包括一个或多个目标元素，一个或多个目标元素包括：多级行业分类字段、资格列表、适用的关键字、目标人才的偏好以及关联字段。在一个实施例中，识别TS的群组涉及：从社交网络收集信息，以及使用在计算机系统中实现的人工神经网络(ANN)处理收集的信息以分配TS属性的集合。在另一实施例中，招聘请求是未格式化的输入，以及其中处理招聘请求涉及：使用在计算机系统中实现的递归神经网络(RNN)处理接收到的招聘请求。在又一实施例中，TS招聘内容基于先前生成的规范化的招聘内容，以及其中规范化的招聘内容基于预定义的招聘模板。在一个实施例中，招聘内容包括一个或多个个性化内容，一个或多个个性化内容包括：个性化职位描述、行业新闻、培训信息和专业服务信息。在另一实施例中，个性化内容是至少基于目标属性的集合和对应的TS属性的集合，使用在计算机系统中实现的人工智能(AI)深度学习来生成的。在一个实施例中，获得与每个招聘公告相关联的行为数据的集合，其中行为数据的集合包括一个或多个元素，一个或多个元素包括：阅读的数量、对所述公告中的链接的点击的数量、响应的数量和转发的数量。使用在计算机系统中实现的机器学习来处理行为数据的集合以生成人才简档。在另一实施例中，基于所述生成的人才简档，使用在所述计算机系统中实现的深度学习，更新每个对应的TS招聘内容。在又一实施例中，接收并分析对由TS发布的对应的招聘公告中的职位空缺的一个或多个响应。遵循一个或多个预定义的规则，至少基于对应的申请人属性的集合和所述目标属性的集合来做出推荐。

其它实施例和优点在以下详细描述中描述。此发明内容并不旨在限定本发明。本发明由权利要求书限定。

附图说明

附图示出本发明的实施例，其中相同的附图标记表示相同的组件。

图1示出根据本发明的实施例的基于人才发掘者(TS)的招聘系统的示例性示图。

图2示出根据本发明的实施例的具有HR客户端、人才处理计算机系统、人才发掘者和人才的基于TS的智能整体招聘系统的示例性示图。

图3示出根据本发明的实施例的基于TS的招聘控制设备的示例性示图。

图4示出根据本发明的实施例的识别TS的示例性示图。

图5示出根据本发明的实施例的使用基于TS的招聘系统用于个性化招聘内容的示例性示图。

图6示出根据本发明的实施例的通过基于TS的招聘系统的来自人才管理系统的示例性示图。

图7示出根据本发明的实施例的基于TS的招聘系统的示例性流程图。

具体实施例

现在将详细参考本发明的一些实施例，其示例在附图中示出。

社交媒体平台提供成员以建立或加入在线社区、获得信息、彼此交互以及共享信息。随着社交网络的指数增长，社交媒体影响者(例如，网红)正在兴起。社交媒体影响者通过他/她在社交媒体平台上的存在已经在一个或多个特殊的行业分类中获得并确立了可信度。当社交媒体网络的成员与公众或一个或多个在线社区共享信息时，成员的群组建立其声誉并获得对其在一个或多个行业分类中的知识和专长的信任。这些成员使得他们在社交媒体网络上的追随者的数量增长，并且通过社交媒体来运用他们的影响。社交媒体影响者通过建立追随者的大型网络，可以在一个或多个目标的行业分类中获得大量受众。在一个新颖的方面，提供了一种基于人才发掘者的招聘系统。人才发掘者是社交媒体影响者，其被招聘以接近用于招聘的目标人才群组。基于TS的招聘系统为招聘业务提供大的、有针对性的人才库。另外，基于TS的招聘系统提供人才可信和相关的职业市场信息。另外，基于TS的招聘系统提供了一种双向反馈机制以提高人才搜索的效率。

图1示出根据本发明的实施例的基于人才发掘者(TS)的招聘系统的示例性示图。示例性的基于TS的招聘系统100包括人才处理计算机系统101、人才发掘者群组子系统110、人力资源(HR)客户端子系统120、人才子系统130、社交媒体平台140和区块链数据库150。在一个新颖方面，识别一个或多个人才发掘者，例如人才发掘者群组110。TS群组110从人才处理计算机系统101接收招聘内容和雇佣决策以及对人才的反馈，并且向人才处理计算机系统101发送简历和其他行为数据。TS群组110通过向人才群组130中的追随者发布职位相关内容并从人才群组130的感兴趣的追随者接收简历，经由社交媒体平台140与人才群组130进行通信。HR客户端120生成职位要求和雇佣决策，并且向人才处理计算机系统101反馈。HR客户端120从人才处理计算机系统101接收候选人信息。该候选人信息接收自所识别的TS群组110的成员。在一个实施例中，人才处理计算机系统还基于从HR客户端120的成员接收的职位要求，对来自人才群组130的感兴趣的人才进行自动化的、且支持AI的测试和/或面试。人才处理计算机系统101在接收到来自人才群组130中的人才的申请和/或简历时对该申请进行处理。在一个实施例中，实现基于AI的机器学习以查看该申请是否匹配职位要求。如果发现匹配，则由人才处理计算机系统101执行自动在线测试。在一个实施例中，除了执行的一个或多个书面测试之外，还给出聊天机器人(Chatbot)面试。人才处理计算机系统101将测验/面试结果发送给来自于人才群组130的感兴趣的人才。在一个实施例中，测试/面试结果包括以下至少一项：回答的正确性、聊天机器人面试的情绪分析以及基于聊天机器人面试的语音和表达的清晰度评价中。人才处理计算机系统101还向人才群组130中的感兴趣人才发送雇佣决策和/或反馈。在一个实施例中，所有事务记录和文档被维护在区块链数据库150和星际文件系统(IPFS)中。

在一个实施例中，从人才发掘者候选人119的较大群组中识别人才发掘者110的群组。通过选择作为一个或多个识别到的行业领域中的社交媒体影响者的社交媒体的成员的群组来识别人才发掘者。在一个实施例中，将社交媒体的成员组识别为人才发掘者候选人119。人才发掘者是社交媒体影响者。基于预定义的影响者识别规则来识别社交媒体影响者。

在一个实施例中，一旦TS被识别并被添加到基于TS的招聘系统，人才处理计算机系统101就将招聘内容推送到TS，包括与TS的感兴趣的区域有关的职位公告、文章、图像和/或视频、相关行业新闻以及职业或专业培训计划。TS群组110的TS在接收到招聘内容时，通过其领域的社交媒体渠道将该内容推送到其作为人才130的成员的追随者。在一个实施例中，如果TS的追随者对一个或多个工作公告感兴趣，则追随者可以申请空缺的职位并通过TS提供的链接提交他的简历。在一个实施例中，链接被嵌入到由追随者接收的应用程序中。

图2示出根据本发明实施例的具有HR客户端、人才处理计算机系统、人才发掘者和人才的基于TS的智能整体招聘系统的示例性示图。智能整体招聘系统200包括HR客户端子系统210、人才处理计算机系统220、人才发掘者子系统250和人才子系统260。HR子系统210包括多个处理和/或功能模块，例如职位空缺需求模块211、处理人才包模块212、面试人才模块213、以及雇佣决策和反馈模块214。人才处理计算机系统220包括一个或多个与HR客户端210交互的模块，包括客户端管理和职位描述模块221、识别TS模块222、人才推荐模块223和缺陷分析模块224。人才处理计算机系统220还包括内部模块，例如支持AI的个性化TS内容创建器231、以及在线测试和聊天机器人Q&A管理模块232。人才处理计算机系统220还包括与人才发掘者交互的模块，诸如推送包容器模块241、用于人才简档的基于机器学习的创建器242、申请处理模块243和推荐生成器244。人才发掘者子系统250包括：为每个跟随者从容器动态推送内容的进程251；行为数据收集器252；申请验证、建议和提交253；以及雇用决策、缺陷报告和推荐处理254。人才子系统260包括阅读、购买、订阅、申请和转发收集器261、职位申请处理262、在线测试和聊天机器人面试263、以及推荐和反馈接收器264。每个子系统包括诸如软件、硬件和固件之类的一个或多个组件，以实现其功能。它可以在单个装置上运行或在多个装置上运行。子系统的每个模块可以用软件、硬件、固件和以上的组合来实现。每个子系统具有：与至少一个存储器单元耦接的至少一个处理器；一个或多个存储设备；以及可选的通信硬件和软件，用于与子系统内部和外部通信。

在一个实施例中，客户端管理521从511获取职位空缺要求，并且基于职位空缺要求识别TS。所识别的TS的信息和人才行为简档的反馈信息是针对支持AI的个人化内容创建器231的输入。人才行为简档是通过机器学习、使用由人才发掘者从他/她的追随者收集的数据而生成的。模块231基于职位要求生成个性化招聘内容，并通过容器241将包推送到对应的TS。当人才通过TS发布的招聘信息申请职位时，申请由TS子系统250使用用于验证和提交的模块253处理。在申请处理器243中处理申请。如果243确定申请满足阈值要求，则人才处理计算机系统220创建在线测试和/或聊天机器人Q&A。人才子系统的申请者进行在线测试和/或参与聊天机器人面试。结果被传递到HR客户端210。当作出雇佣决策时，HR客户端子系统通知人才处理计算机系统220。人才计算机系统220生成推荐和/或反馈并发送给TS。人才子系统的申请者从TS子系统250接收雇佣决策和/或推荐。

图3示出根据本发明实施例的基于TS的招聘控制设备的示例性示图。基于TS的招聘控制设备300具有发送和接收来自用户或连接的网络的一个或多个命令或信号的一个或多个用户和/或网络接口304，以及与至少一个存储器302耦接的至少一个处理器301。一个或多个处理器301对接收到的用户和/或网络命令和信号进行处理，并且调用不同的功能模块以执行基于TS的招聘控制设备中的特征。存储器302存储程序指令和数据303以控制设备300的操作。控制设备300还包括控制模块，诸如客户端管理模块310、TS管理模块320、人才管理模块330和推荐引擎340。客户端管理模块310执行与诸如HR客户端之类的客户端子系统的功能接口。客户端管理模块310还包括职位描述生成器模块311以及雇用决策和反馈模块312。职位描述模块311从客户端接收原始职位描述，并且为TS的群组生成个性化职位描述。雇用决策和反馈模块312从客户端接收雇用决策和反馈，并且通知TS和/或申请者。TS管理模块320与一个或多个TS子系统通信，并且执行用于招聘过程的功能。TS管理模块还包括TS识别模块321和招聘内容生成器模块322。TS识别模块321从社交媒体网络中识别一个或多个TS，并且招聘识别到的一个或多个TS。招聘内容生成器基于职位描述和TS的属性生成招聘相关的内容。人才管理模块330管理人才相关的功能。人才管理模块330还包括：人才-TS管理模块331，管理一个或多个人才和一个或多个TS之间的互动；以及人才评估模块332，基于从人才接收的信息进行人才评估。上述功能模块可以以软件、硬件、固件或它们的组合来实现。

在一个新颖方面，招聘一个或多个社交媒体影响者作为人才发掘者。人才发掘者是一个或多个匹配行业类别中的社交媒体影响者。基于TS的招聘系统从社交媒体网络获得人才发掘者候选人的群组的信息，并且基于获得的每个人才发掘者候选人的属性和识别规则的集合识别人才发掘者。在一个实施例中，实现诸如人工神经网络(ANN)之类的基于AI的机器学习，以识别人才发掘者。

图4示出根据本发明的实施例的识别TS的示例性示图。社交媒体网络401具有多个人才发掘者候选人，每个具有多个追随者。人才发掘者候选人者向他们的追随者发布内容。在步骤411，基于TS的招聘系统从社交媒体网络401获得TS候选人信息。在一个实施例中，在步骤413，执行爬虫程序以收集TS候选人的信息。爬虫程序从社交媒体网络的成员页面的列表开始。当爬虫程序访问这些页面时，它识别嵌入在当前页面中的所有朋友页面，并跟随识别到的页面。在一个实施例中，基于TS的招聘系统还识别每个访问的页面的预定义的TS属性的集合。在另一实施例中，在满足一个或多个更新准则时更新获得的TS候选人列表。在步骤412，处理获得的TS候选人信息以识别人才发掘者的群组。人才发掘者是社交媒体影响者，并且匹配一个或多个行业分类。在一个实施例中，基于TS候选人信息使用诸如ANN的基于AI的识别程序416。在其它实施例中，基于属性和选择规则415将TS候选人信息解析为TS候选人属性。使用预定义的选择规则与可选的对应的阈值的组合来识别群组人才发掘者。

在一个实施例中，社交媒体影响者是通过追随者的数量大于预定义的影响阈值来识别的。在其他实施例中，将对应的发布的阅读或点击的数量与预定义的影响阈值进行比较，以确定成员是否是社交媒体影响者。在其他实施例中，使用影响的加权值。例如，影响值是追随者的数量、阅读的数量和点击数量的加权组合。在其他实施例中，不同的阈值和不同的属性的组合也可以用于识别社交媒体影响者。在一个实施例中，影响者识别规则可以被动态地更新。在其他实施例中，影响者识别规则和/或属性阈值基于行业的类别。至少基于人才发掘者候选人所属的行业类别，将所识别的社交媒体影响者的子集识别为人才发掘者。在一个实施例中，将人才发掘者候选人群组的成员识别为在一个或多个行业类别/分类中。在其它实施例中，TS候选人的行业类别基于包括追随者的简档、发布的内容和反馈的一个或多个因素。规则和阈值可以是行业特定的和/或客户端特定的。

在步骤421，基于TS的招聘系统确定TS候选人是否有资格作为人才发掘者。如果步骤421确定是，则招聘人才发掘者候选人作为人才发掘者。如果步骤421确定为否，则从列表中丢弃该TS候选人。在一个实施例中，基于一个或多个更新准则更新人才发掘者列表。在一个实施例中，在步骤435，将招聘的人才发掘者及其对应的TS属性存储在TS数据库中。

在一个新颖的方面，基于TS的招聘系统基于来自客户端的一个或多个职位描述通过人才发掘者将个性化内容推送到目标人才。除了针对职位空缺的个性化职位描述之外，个性化内容还包括个性化相关内容，诸如行业新闻、专业培训课程和其他相关的社交或专业公告。

图5示出根据本发明的实施例的使用基于TS的招聘系统用于个性化招聘内容的示例性示图。基于TS的招聘系统从HR客户端502接收招聘请求，基于招聘请求和TS属性的集合选择TS 501。TS 501从基于TS的招聘系统接收个性化招聘内容，并向其包括目标人才503的跟随者发布580。在一个实施例中，来自HR客户端502的职位描述511是原始格式，而不是基于TS的格式。在步骤513，基于TS的招聘系统通过识别目标属性的集合，诸如格式化的职位要求、关键字、分类和关联的列表，来处理职位描述511。在一个实施例中，步骤513使用基于AI的程序来处理职位描述511，诸如自然语言处理(NLP)递归神经网络(RNN)/自然语言理解(NLU)RNN。在另一实施例中，HR 502在步骤512处使用格式化的职位描述表格以生成职位描述。在步骤512处生成的格式化职位描述包括职位描述中所需的目标属性。在步骤514，基于职位描述模板，生成职位公告。在一个实施例中，职位模板561具有基于不同的行业类别的一个或多个职位模板。在其它实施例中，职位模板561还基于诸如TS简档的其它因素。在步骤515，生成规范化的职位描述。在步骤516，基于人才偏好562生成个性化职位描述。在步骤517，生成基于TS的个性化职位描述内容。

在一个实施例中，除了个性化职位描述之外，还为对应的人才发掘者生成其他个性化内容以发布。示例性个性化招聘发布580包括个性化行业新闻588、个性化培训公告585、以及个性化职位描述581。也可以包括其它个性化内容586，诸如个性化专业或娱乐公告。在一个实施例中，诸如588、585、581和586中的那些内容之类的个性化内容由基于TS的招聘系统中的基于AI的实现来生成。基于AI的实现556基于诸如职位描述的目标属性和TS属性之类的一个或多个属性来生成个性化内容。TS 501在接收到这些个性化内容时，向其追随者发布个性化内容580。在一个实施例中，人才503通过迷你应用程序接收这些内容。在另一实施例中，个性化内容在人才503点击它时具有到另外的信息或应用程序的嵌入的链接。

在一个实施例中，在推送到TS 501之前，在步骤530处进一步评估基于TS的职位描述517。步骤530涉及客户端批准流程531，其中接收来自HR客户端502的输入。输入包括一个或多个元素，诸如批准或不批准、更新的内容、以及额外的内容。在一个实施例中，还处理从TS 501接收的人才反馈532。人才反馈包括一个或多个人才信息，诸如更新的人才简档。在步骤521，基于TS的招聘系统确定职位描述517是否需要更新。如果步骤521判断为否，则在步骤551中使用职位描述来生成招聘内容并推送到TS 501。如果步骤521确定“否”，则在步骤552处相应地更新职位描述。

一旦选择的一个或多个TS接收到个性化招聘内容，则将内容发布给其对应的追随者。当作为TS的追随者或成员的目标人才接收到TS的发布时，目标人才可以通过TS或嵌入的应用程序与诸如人才处理系统之类的基于TS的招聘系统进行交互。目标人才的申请和/或简历由人才处理系统接收，并被处理以确定是否找到匹配。决策和/或反馈被传达到目标人才。

图6示出根据本发明的实施例的通过基于TS的招聘系统的来自人才管理系统的示例性示图。在一个实施例中，使用迷你应用程序发布招聘内容。人才处理系统650具有迷你应用程序容器生成器651、申请处理单元652、以及决策、反馈和推荐应用程序654。人才发掘者630至少包括用于人才的个性化迷你应用程序631、人才简档单元632、用于有资格的人才的更新辅助应用程序633和迷你应用程序中的人才通知单元634。人才610至少包括用于个性化迷你应用程序的接收器611、用于获得人才行为数据的机器学习和/或数据挖掘应用程序615、以及用于反馈和推荐的响应单元616。人才处理系统650生成具有个性化招聘内容的迷你应用程序容器，并且发送到对应的TS 630。TS 630通过迷你应用程序将个性化招聘内容推送到人才610。在一个实施例中，在通过迷你应用程序将内容推送到人才610之前，TS630基于人才简档632进一步个性化内容。在一个实施例中，基于由人才610收集的行为数据来更新人才简档632。在一个实施例中，行为数据包括观看历史、点击历史和人才610的其他相关活动。在一个实施例中，行为数据是使用机器学习和/或数据挖掘程序收集的。在接收到迷你应用程序时，人才610可以在612处查看内容，并且如果人才610感兴趣，则在613处发送简历。TS 630在从人才610接收到响应和/或简历时，在633处处理信息并确定是否存在匹配。在一个实施例中，如果TS 630确定人才610取得资格，则TS 630向人才610发送申请更新建议。TS 630将申请从人才610转发到人才处理系统650。人才处理系统650通过TS 630向人才610发送雇佣决策和/或反馈和推荐。

图7示出根据本发明的实施例的基于TS的招聘系统的示例性流程图。在步骤701处，计算机系统从社交网络中识别TS的群组，其中每个所识别的TS被分配有TS属性的集合，以及其中每个TS具有高于预定义的影响阈值的社交媒体影响值。在步骤702处，计算机系统通过基于招聘请求分配目标属性的集合来处理招聘请求。在步骤703处，计算机系统通过基于一个或多个预定义的匹配准则将TS群组中的每个TS的TS属性的集合与目标属性的集合进行比较，从所识别的TS的群组中选择TS的子群组。在步骤704处，计算机系统至少基于目标属性的集合和每个对应的TS的和TS属性的集合，为TS的子群组中的每个感兴趣的TS创建TS招聘内容。在步骤705处，计算机系统将所创建的招聘内容发送给所选择的TS的子群组中的每个对应的感兴趣的TS，其中基于招聘内容的招聘公告被发布给每个对应的感兴趣的TS的追随者。

虽然出于指导的目的，已经结合特定特殊的实施例描述了本发明，但是本发明不限于此。因此，在不偏离如权利要求书中所述的本发明的范围的情况下，可实践所描述的实施例的各种特征的各种修改、调适和组合。

Claims (22)

1.一种方法，包括：

由具有与至少一个存储器单元耦接的一个或多个处理器的计算机系统从社交网络识别人才发掘者(TS)的群组，其中每个所识别的TS被分配有TS属性的集合，以及其中每个TS具有高于预定义的影响阈值的社交媒体影响值；

由所述计算机系统通过基于招聘请求分配目标属性的集合来处理所述招聘请求；

通过基于一个或多个预定义的匹配准则将所述TS的群组中的每个TS的TS属性的集合与所述目标属性的集合进行比较，从所识别的TS的群组中选择TS的子群组；

至少基于所述目标属性的集合和每个对应的TS的TS属性的集合，为所述TS的子群组中的每个感兴趣TS创建TS招聘内容；以及

将所创建的招聘内容发送给所选择的TS的子群组中的每个对应的感兴趣的TS，其中基于所述招聘内容的招聘公告被发布给每个对应的感兴趣的TS的追随者。

2.根据权利要求1所述的方法，其中所述TS属性包括一个或多个TS元素，所述一个或多个TS元素包括：多级行业分类字段、社交媒体影响值、追随者字段、适用的关键字、反馈字段和最后更新时间戳。

3.根据权利要求1所述的方法，其中所述目标属性包括一个或多个目标元素，所述一个或多个目标元素包括：多级行业分类字段、资格列表、适用的关键字、目标人才的偏好以及关联字段。

4.根据权利要求1所述的方法，其中所述识别TS的群组涉及：

从所述社交网络收集信息；以及

使用在所述计算机系统中实现的人工神经网络(ANN)处理所收集的信息以分配所述TS属性的集合。

5.根据权利要求1所述的方法，其中所述招聘请求是未格式化的输入，以及其中所述处理所述招聘请求涉及：使用在所述计算机系统中实现的递归神经网络(RNN)处理接收到的招聘请求。

6.根据权利要求5所述的方法，其中所述TS招聘内容基于先前生成的规范化的招聘内容，以及其中所述规范化的招聘内容基于预定义的招聘模板。

7.根据权利要求1所述的方法，其中所述招聘内容包括一个或多个个性化内容，所述一个或多个个性化内容包括：个性化职位描述、行业新闻、培训信息和专业服务信息。

8.根据权利要求7所述的方法，其中所述个性化内容是至少基于所述目标属性的集合和对应的TS属性的集合，使用在所述计算机系统中实现的人工智能(AI)深度学习来生成的。

9.根据权利要求1所述的方法，还包括：

获得与每个招聘公告相关联的行为数据的集合，其中所述行为数据的集合包括一个或多个元素，所述一个或多个元素包括：阅读的数量、对所述公告中的链接的点击的数量、响应的数量和转发的数量；以及

使用在所述计算机系统中实现的机器学习来处理所述行为数据的集合以生成人才简档。

10.根据权利要求9所述的方法，还包括：基于所生成的人才简档，使用在所述计算机系统中实现的深度学习，更新每个对应的TS招聘内容。

11.根据权利要求1所述的方法，还包括：

从TS接收对由所述TS发布的对应的招聘公告中的职位空缺的一个或多个响应；

通过向每个响应分配申请人属性的集合来分析接收到的一个或多个响应；以及

遵循一个或多个预定义的规则，至少基于对应的申请人属性的集合和所述目标属性的集合来做出推荐。

12.一种装置，包括：

网络接口，所述网络接口将所述装置连接到社交网络；

存储器；以及

处理器，所述处理器耦接到所述存储器，所述处理器被配置为：

从所述社交网络识别人才发掘者(TS)的群组，其中每个所识别的TS被分配有TS属性的集合，以及其中每个TS具有高于预定义的影响阈值的社交媒体影响值；

通过基于招聘请求分配目标属性的集合来处理所述招聘请求；

通过基于一个或多个预定义的匹配准则将所述TS的群组中的每个TS的TS属性的集合与所述目标属性的集合进行比较，从所识别的TS的群组中选择TS的子群组；

至少基于所述目标属性的集合和每个对应的TS的TS属性的集合，为所述TS的子群组中的每个感兴趣TS创建TS招聘内容；以及

将所创建的招聘内容发送给所选择的TS的子群组中的每个对应的感兴趣的TS，其中基于所述招聘内容的招聘公告被发布给每个对应的感兴趣的TS的追随者。

13.根据权利要求12所述的装置，其中所述TS属性包括一个或多个TS元素，所述一个或多个TS元素包括：多级行业分类字段、社交媒体影响值、追随者字段、适用的关键字、反馈字段和最后更新时间戳。

14.根据权利要求12所述的装置，其中所述目标属性包括一个或多个目标元素，所述一个或多个目标元素包括：多级行业分类字段、资格列表、适用的关键字、目标人才的偏好以及关联字段。

15.根据权利要求12所述的装置，其中所述识别TS的群组涉及：

从所述社交网络收集信息；以及

使用人工神经网络(ANN)处理所收集的信息以分配所述TS属性的集合。

16.根据权利要求12所述的装置，其中所述招聘请求是未格式化的输入，以及其中所述处理所述招聘请求涉及：使用递归神经网络(RNN)处理接收到的招聘请求。

17.根据权利要求16所述的装置，其中所述TS招聘内容基于先前生成的规范化的招聘内容，以及其中规范化的招聘内容基于预定义的招聘模板。

18.根据权利要求12所述的装置，其中所述招聘内容包括一个或多个个性化内容，所述一个或多个个性化内容包括：个性化职位描述、行业新闻、培训信息和专业服务信息。

19.根据权利要求18所述的装置，其中所述个性化内容是至少基于所述目标属性的集合和对应的TS属性的集合，使用人工智能(AI)深度学习来生成的。

20.根据权利要求12所述的装置，其中所述处理器还被配置为：

获得与每个招聘公告相关联的行为数据的集合，其中所述行为数据的集合包括一个或多个元素，所述一个或多个元素包括：阅读的数量、对所述公告中的链接的点击的数量、响应的数量和转发的数量；以及

使用机器学习来处理所述行为数据的集合以生成人才简档。

21.根据权利要求20所述的装置，其中所述处理器还被配置为：基于所生成的人才简档，使用深度学习来更新每个对应的TS招聘内容。

22.根据权利要求12所述的装置，其中所述处理器还被配置为：

从TS接收对由所述TS发布的对应的招聘公告中的职位空缺的一个或多个响应；

通过向每个响应分配申请人属性的集合来分析接收到的一个或多个响应；以及

遵循一个或多个预定义的规则，至少基于对应的申请人属性的集合和所述目标属性的集合做出推荐。

Images