具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是本公开的一些实施例的行业问题库构建方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以从目标行业对应的简历库102中筛选出满足第一预设条件的简历作为参照简历,得到参照简历集合103。然后,计算设备101可以利用目标算法,抽取上述参照简历集合103中各个参照简历中的目标关键字段,得到目标关键字段集合104。接着,计算设备101可以对上述目标关键字段集合104中的各个目标关键字段进行权重排序处理,得到目标关键字段序列105。最后,计算设备101可以基于上述目标关键字段序列105,构建与上述目标行业对应的行业问题库106。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
继续参考图2,示出了根据本公开的行业问题库构建方法的一些实施例的流程200。该行业问题库构建方法,包括以下步骤:
步骤201,从目标行业对应的简历库中筛选出满足第一预设条件的简历作为参照简历,得到参照简历集合。
在一些实施例中,行业问题库构建方法的执行主体(如图1所示的计算设备101)可以从目标行业对应的简历库中筛选出满足第一预设条件的简历作为参照简历,得到参照简历集合。其中,上述简历库中的各个简历可以通过简历标识码进行唯一标识。上述第一预设条件可以是简历中的所有信息项均填写完整。上述第一预设条件还可以是简历的浏览量在上述简历库中各个简历的浏览量中最高的前预设百分比内。例如,上述预设百分比可以是30%。上述第一预设条件也可以是简历命中率在上述简历库中各个简历的命中率中最高的前预设百分比内。上述简历命中率可以是简历被投递的各个招聘方中与该简历投递者取得沟通的招聘方的数量与上述各个招聘方总数的比值。
可以通过预先生成的简历信息集合确定上述简历库中每个简历对应的信息填写完整程度、浏览量或命中率等。上述简历信息集合中的简历信息可以包括但不限于以下至少一项:简历标识码,信息填写完整程度,浏览量和命中率。由此,可以筛选出更具有参考价值的简历用于构建行业问题库,从而提高构建的行业问题库中行业问题库的质量和针对性。
步骤202,利用目标算法,抽取参照简历集合中各个参照简历中的目标关键字段,得到目标关键字段集合。
在一些实施例中,上述执行主体利用目标算法,抽取上述参照简历集合中各个参照简历中的目标关键字段,得到目标关键字段集合,可以包括以下步骤:
第一步,针对预设的行业关键词库中的每个行业关键词,利用目标算法确定上述行业关键词在上述参照简历集合中各个参照简历中出现的总次数,得到总次数集合。其中,上述行业关键词库可以是预先生成的、针对上述目标行业的关键词构成的。上述目标算法可以是语义匹配算法。
第二步,从上述行业关键词库中选择出对应的总次数大于上述总次数集合中各个总次数平均值的行业关键词作为目标关键字段,得到目标关键字段集合。
在一些实施例的一些可选的实现方式中,上述执行主体利用目标算法,抽取上述参照简历集合中各个参照简历中的目标关键字段,得到目标关键字段集合,还可以包括以下步骤:
第一步,利用上述目标算法,对上述参照简历集合中各个参照简历中包括的文本进行分词处理以生成分词文本,得到分词文本集合。其中,上述目标算法可以是基于字符串匹配的分词算法、基于理解的分词算法和基于统计的分词算法等。
第二步,从预设的参照关键字段集合中选择出与上述分词文本集合中每个分词文本对应的参照关键字段,得到参照关键字段组。其中,上述参照关键字段集合可以包括各个行业的关键字段。上述对应可以指分词文本与参照关键字段相同。也可是分词文本与参照关键字段相匹配。可以通过语义匹配模型确定分词文本与参照关键字段之间的匹配关系。上述语义匹配模型可以是DSSM(Deep Structured Semantic Model,深度结构化语义模型)、LSTM(Long-Short Term Memory,长短期记忆)模型等。
第三步,对上述参照关键字段组中的各个参照关键字段进行分组处理,得到参照关键字段子组集合。可以通过聚类算法对上述参照关键字段组中的各个参照关键字段进行聚类处理,得到至少一个参照关键字段子组。其中,上述聚类算法可以是Single-Pass(单通道)算法,HC(Hierarchical Clustering,层次聚类)算法和HAC(HierarchicalAgglomerative Clustering,凝聚式层次聚类)算法等。还可以将上述参照关键字段组中相同的参照关键字段作为同一个参照关键字段子组中的参照关键字段,得到参照关键字段子组集合。
第四步,从上述参照关键字段子组集合的每个参照关键字段子组中选取一个参照关键字段作为目标关键字段,得到目标关键字段集合。其中,上述选取可以是随机选取。
步骤203,对目标关键字段集合中的各个目标关键字段进行权重排序处理,得到目标关键字段序列。
在一些实施例中,上述执行主体可以将上述目标关键字段集合中的各个目标关键字段对应的总次数作为权重值。并按照各个目标关键字段对应的权重值由大到小的次序对目标关键字段进行排序,得到目标关键字段序列。
在一些实施例的一些可选的实现方式中,上述执行主体对上述目标关键字段集合中的各个目标关键字段进行权重排序处理,得到目标关键字段序列,可以包括以下步骤:
第一步,将上述目标关键字段集合中每个目标关键字段在上述目标行业对应的简历库中对应的简历的数量确定为权重数,得到权重数集合。其中,上述简历库中与上述目标关键字段对应的简历可以是包括上述目标关键字段的简历。
第二步,根据上述参照关键字段子组集合中每个参照关键字段子组中包括的参照关键字段的数量和上述权重数集合,确定上述目标关键字段集合中每个目标关键字段对应的字段权重,得到字段权重集合。其中,可以将上述参照关键字段子组中包括的参照关键字段的数量与上述权重数集合的乘积值确定为上述目标关键字段集合中每个目标关键字段对应的字段权重。
第三步,利用上述字段权重集合,对上述目标关键字段集合中的各个目标关键字段进行排序,得到目标关键字段序列。可以依据上述目标关键字段集合中每个目标关键字段在上述字段权重集合中对应的权重,按照由大到小的顺序对各个目标关键字段进行排序。
从而,可以根据每个关键字段在参照简历中出现的频率对其进行排序。出现的频率越高,表明该关键字段的关注度越高,重要性也越高。
步骤204,基于目标关键字段序列,构建与目标行业对应的行业问题库。
在一些实施例中,上述执行主体可以基于上述目标关键字段序列,构建与上述目标行业对应的行业问题库。
可以依次将上述目标关键字段序列中的每个目标关键字段输入预先训练的文本生成模型,得到输出的文本信息,并将上述文本信息作为行业问题。也可以将上述目标关键字段序列中排序靠前的预设数目个目标关键字输入上述文本生成模型,得到输出的文本信息。上述预设数目可以是预先设置的,也可以是根据上述目标关键字段序列包括的上述目标关键字段的数量确定的。例如,上述预设数目可以是是上述目标关键字段序列包括的上述目标关键字段的数量的中位数。其中,上述文本生成模型可以是Seq2Seq(Sequence toSequence,次序对次序)模型,Pointer-Generator Networks(指针生成网络)模型或SeqGAN(Sequence Generative Adversarial Nets,序列生成对抗网络)模型等。
上述行业问题库中的各个行业问题具有与对应的目标关键字段相同的序列。由此,可以确定行业问题库中不同的行业问题之间的重要程度的差异。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的行业问题库构建方法得能够针对不同行业所关注的求职信息,构建具有行业针对性的问题库,进而,可以通过行业问题库中的行业问题获取求职者信息,提高简历的信息完备性和行业针对性,从而,提高简历命中率和在线招聘和应聘的效率。为了实现上述效果,本公开的一些实施例的行业问题库构建方法,首先,从目标行业对应的简历库中筛选出满足第一预设条件的简历作为参照简历,得到参照简历集合。由此,可以将目标行业中信息完备性较高或者命中率较高的简历抽取出作为参照简历。然后,利用目标算法抽取上述参照简历集合中各个参照简历中的目标关键字段,得到目标关键字段集合。由此,可以利用目标关键字段表示目标行业关注度较高的求职者信息。接着,对上述目标关键字段集合中的各个目标关键字段进行权重排序处理,得到目标关键字段序列。由此,可以确定各个目标关键字段的相对重要性。最后,基于上述目标关键字段序列,构建与上述目标行业对应的行业问题库。由此,可以得到具有行业针对性的行业问题库。进而,可以通过行业问题库中的行业问题获取求职者信息,提高简历的信息完备性和行业针对性,从而,提高简历命中率和在线招聘和应聘的效率。
进一步参考图3,其示出了行业问题库构建方法的另一些实施例的流程300。该行业问题库构建方法的流程300,包括以下步骤:
步骤301,从目标行业对应的简历库中筛选出满足第一预设条件的简历作为参照简历,得到参照简历集合。
步骤302,利用目标算法,抽取参照简历集合中各个参照简历中的目标关键字段,得到目标关键字段集合。
步骤303,对目标关键字段集合中的各个目标关键字段进行权重排序处理,得到目标关键字段序列。
在一些实施例中,步骤301-303的具体实现方式及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-203,在此不再赘述。
步骤304,根据目标关键字段序列中每个目标关键字段对应的问题模板生成行业问题,得到目标行业对应的行业问题库。
在一些实施例中,行业问题库构建方法的执行主体(如图1所示的计算设备101)可以根据上述目标关键字段序列中每个目标关键字段对应的问题模板生成行业问题,得到与上述目标行业对应的行业问题库。其中,上述行业问题库中的各个行业问题是根据上述目标关键字段序列进行排序的。可以根据预先设置的问题模板信息集合确定上述目标关键字段对应的问题模板。上述问题模板信息集合中的问题模板信息可以包括:关键字段组和问题模板。可以将关键字段组中包括上述目标关键字段的问题模板信息中包括的问题模板确定为目标关键字段对应的问题模板。可以将上述目标关键字段填充至上述问题模板的空缺处,得到行业问题。
作为示例,上述目标行业可以是运输行业。上述目标关键字段序列可以是[驾驶证->离职原因->个人品质]。问题模板信息集合可以包括{[(驾驶证,健康证,律师资格证),请问你拥有**吗?],[(离职原因,个人品质,优缺点),请简述你的**。]}。问题模板信息中问题模板包括的“**”表示空缺处。上述目标关键字段“驾驶证”对应的问题模板信息可以是[(驾驶证,健康证,律师资格证),请问你拥有**吗?],则可以将“驾驶证”填充至问题模板“请问你拥有**吗?”中,得到行业问题“请问你拥有驾驶证吗?”。同理,可以得到行业问题库中的各个行业问题:“请问你拥有驾驶证吗?”->“请问简述你的离职原因。”->“请简述你的个人品质。”。
步骤305,响应于获取到与目标行业对应的目标用户的简历,从行业问题库中选择出满足第二预设条件的行业问题作为目标问题,得到目标问题集合。
在一些实施例中,上述执行主体可以响应于获取到与上述目标行业对应的目标用户的简历,从上述行业问题库中选择出满足第二预设条件的行业问题作为目标问题,得到目标问题集合。其中,上述第二预设条件可以是行业问题与上述简历不匹配。若上述简历中包括上述行业问题中的关键字段且上述简历中包括该关键字段的信息项的填写状态为已填写,则可以确定行业问题与上述简历相匹配。若上述简历中不包括上述行业问题中的关键字段或者上述简历中包括该关键字段的信息项填的填写状态为未填写,则可以确定行业问题与上述简历不匹配。上述目标用户可以是求职行业为上述目标行业的用户。
由此,可以根据目标用户的简历,有针对性的从行业问题库选择出目标用户的简历缺失的信息项对应的目标问题。
步骤306,获取目标用户针对目标问题集合中每个目标问题的回答信息,得到回答信息集合。
在一些实施例中,上述执行主体可以将上述目标问题集合中的各个目标问题组织为电子调查问卷,并将上述电子调查问卷发送至上述目标终端,以供用户填写。然后,根据用户填写后的电子调查问卷获取目标用户针对目标问题集合中每个目标问题的回答信息。
在一些实施例的一些可选的实现方式中,上述执行主体可以通过以下步骤获取上述目标用户针对上述目标问题集合中每个目标问题的回答信息,得到回答信息集合:
第一步,控制上述目标用户对应的用户终端中的聊天界面展示上述目标问题集合中的每个目标问题。
第二步,获取上述目标用户在上述聊天界面用户终端中输入或者选择的针对上述目标问题集合中的每个目标问题的回答信息,得到回答信息集合。
由此,可以根据目标问题集合,获得简历中缺失的信息。
步骤307,根据目标问题集合和回答信息集合,对目标用户的简历进行更新。
在一些实施例中,上述执行主体可以将上述目标问题信息集合中每个目标问题和该目标问题的回答信息作为新增的信息项添加至上述目标用户的简历中。
在一些实施例的一些可选的实现方式中,上述执行主体根据目标问题集合和回答信息集合,对目标用户的简历进行更新,可以包括以下步骤:
第一步,根据上述目标问题集合和上述回答信息集合,生成简历完善文本信息。可以根据上述目标问题集合中各个目标问题中的关键字段和针对该目标问题的回答信息生成一段文本信息。可以利用文本自动生成模型生成上述文本信息。上述文本自动生成模型可以是基于关键词的文本自动生成模型或者RNN(Recurrent Neural Network,循环神经网络)模型等。
可选的,上述执行主体可以通过以下步骤生成简历完善文本信息:
第一子步骤,将上述目标问题集合中与上述目标用户的简历中的信息项不相匹配的目标问题确定为第一目标问题,得到第一目标问题集合。其中,上述不相匹配可以指目标用户的简历中所有信息项均不包括目标问题中的关键字段。
第二子步骤,根据上述第一目标问题集合中各个第一目标问题对应的回答信息生成简历完善文本信息。可以利用文本自动生成模型生成上述文本信息。上述文本自动生成模型可以是基于关键词的文本自动生成模型或者RNN(Recurrent Neural Network,循环神经网络)模型等。
第二步,将上述简历完善文本信息填充至上述目标用户的简历中的目标信息项中,以实现对上述目标用户的简历的更新。其中,上述目标信息项可以是上述简历中表征自我介绍的信息项或者是其他指定的信息项。
可选的,上述执行主体还可以响应于确定上述目标用户的简历中不存在上述目标信息项,在上述目标用户的简历中新增上述目标信息项。
作为示例,参考图4,首先,可以根据上述目标问题集合401和上述回答信息集合402,生成简历完善文本信息403。然后,将上述简历完善文本信息403填充至上述目标用户的简历404中的目标位置,以实现对上述目标用户的简历404的更新。
可选的,上述执行主体根据目标问题集合和回答信息集合,对目标用户的简历进行更新,还可以包括以下步骤:
第一步,将上述目标问题集合中与上述目标用户的简历中的信息项相匹配的目标问题确定为第二目标问题,得到第二目标问题集合。其中,上述相匹配可以指上述目标用户的简历中存在与包括上述目标问题中关键字段的信息项。
第二步,将上述匹配目标问题集合中每个第二目标问题对应的回答信息填充至上述目标用户的简历中与上述第二目标问题相匹配的信息项中。
从图3中可以看出,与图2对应的一些实施例的描述相比,图3对应的一些实施例中的行业问题库构建方法的流程300体现了根据行业问题库向用户展示目标问题,以及根据用户针对目标问题的回答信息对简历进行完善更新的步骤。由此,这些实施例描述的方案可以根据行业问题库中的行业问题更有针对性的完善简历信息。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种行业问题库构建装置的一些实施例,这些装置实施例与图2所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,一些实施例的行业问题库构建装置500包括:选择单元501、抽取单元502、排序单元503和构建单元504。其中,选择单元501,被配置成从目标行业对应的简历库中筛选出满足第一预设条件的简历作为参照简历,得到参照简历集合;抽取单元502,被配置成利用目标算法,抽取上述参照简历集合中各个参照简历中的目标关键字段,得到目标关键字段集合;排序单元503,被配置成对上述目标关键字段集合中的各个目标关键字段进行权重排序处理,得到目标关键字段序列;构建单元504,被配置成基于上述目标关键字段序列,构建与上述目标行业对应的行业问题库。
可以理解的是,该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元,在此不再赘述。
下面参考图6,其示出了适于用来实现本公开的一些实施例的电子设备600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:从目标行业对应的简历库中筛选出满足第一预设条件的简历作为参照简历,得到参照简历集合;利用目标算法,抽取上述参照简历集合中各个参照简历中的目标关键字段,得到目标关键字段集合;对上述目标关键字段集合中的各个目标关键字段进行权重排序处理,得到目标关键字段序列;基于上述目标关键字段序列,构建与上述目标行业对应的行业问题库。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括一种处理器包括选择单元、抽取单元、排序单元和构建单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,构建单元还可以被描述为“构建行业问题库的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。