CN113781006A - 一种基于大数据的人力资源管理系统及方法 - Google Patents
一种基于大数据的人力资源管理系统及方法 Download PDFInfo
- Publication number
- CN113781006A CN113781006A CN202111106282.XA CN202111106282A CN113781006A CN 113781006 A CN113781006 A CN 113781006A CN 202111106282 A CN202111106282 A CN 202111106282A CN 113781006 A CN113781006 A CN 113781006A
- Authority
- CN
- China
- Prior art keywords
- job
- user
- similarity
- characteristic information
- information
- 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.)
- Withdrawn
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于大数据的人力资源管理系统,求职信息相似度匹配模块,所述求职信息相似度匹配模块用于将求职者与已有工作经历的用户进行匹配,匹配出用户相似度大于等于第一预设值的用户;求职信息推荐模块,所述求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,对获取的用户的工作经历进行分析,进而得到该求职者的招聘企业,并推荐给该求职者。本发明通过匹配出与求职者相似的用户,然后进一步对匹配出的用户的工作进行分析,得到向求职者推荐的招聘企业,该方式得到的向求职者推荐的招聘企业更加精准,与求职者的匹配度更高,更加适合求职者。
Description
技术领域
本发明涉及人力资源管理技术领域,具体为一种基于大数据的人力资源管理系统及方法。
背景技术
随着互联网技术的快速发展,人们对互联网技术的运用越来越广泛,在对人力资源的管理方面的运用上,使得求职者摆脱了上人才市场上与招聘单位面对面沟通的困境,同时求职者对招聘单位的可选性更加广泛。
当前现有的人力资源管理系统中包括向求职者推荐招聘企业的功能,但是其推荐方式是先获取求职者已经浏览的招聘单位,然后向求职者推荐与求职者浏览的招聘单位类别相同的招聘单位,该推荐方式存在较大的弊端,尤其是针对未有就业经验的求职者,由于其对各个公司的了解较少,因此前期浏览的招聘单位具有随机性,导致人力资源管理系统后期向求职者推荐的招聘单位存在较大的偏差。
同时,由于人与人之间的学历、技能、性格、求职方向及求职期望等变量因素,也会导致人力资源管理系统推荐的招聘单位与适合求职者的招聘单位存在偏差。
针对上述情况,我们需要一种基于大数据的人力资源管理系统及方法。
发明内容
本发明的目的在于提供一种基于大数据的人力资源管理系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的人力资源管理系统,包括;
求职者信息采集模块,所述求职者信息采集模块用于对求职者的学历、技能、性格、求职方向及求职期望进行采集;
用户信息智能采集模块,所述用户信息智能采集模块用于对用户的工作经历、每份工作的工作时长及离职原因进行采集;
求职信息相似度匹配模块,所述求职信息相似度匹配模块用于将求职者与已有工作经历的用户进行匹配,匹配出用户相似度大于等于第一预设值的用户;
求职信息推荐模块,所述求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,对获取的用户的工作经历进行分析,进而得到该求职者的招聘企业,并推荐给该求职者。
本发明通过各个模块的协同合作,共同实现对与求职者相似的用户的匹配,进而分析出适合求职者的招聘企业,并按照一定的先后顺序推荐给求职者。
进一步的,所述求职者信息采集模块在对求职者的学历、技能、性格、求职方向及求职期望进行采集的过程中,将求职方向记为第一特征信息,将学历记为第二特征信息,将技能记为第三特征信息,将性格记为第四特征信息,将求职期望记为第五特征信息,
所述第一特征信息、第三特征信息、第四特征信息及第五特征信息的内容均包括多个,并在某种特征信息的内容为多个的情况下,采用的不同标号对该中特征信息的内容进行区分。
本发明求职者信息采集模块对求职者的学历、技能、性格、求职方向及求职期望进行采集,能够对求职者自身的信息进行了解,进而匹配出与求职者自身的信息相似的用户,进而通过分析与求职者自身的信息相似的用户的工作经历及其相应的状况,获取适合求职者自身的招聘企业,进而推荐给求职者。采集学历信息是为了对与求职者相似的用户进行初步筛选,采集求职方向是为了对与求职者相似的用户进行二次筛选,采集技能与性格是因为不同的人对应的技能与性格不同,尤其是性格存在较大的差异,且不同性格的人对同一工作的适应程度不同,认可度也不同,因此通过技能与性格筛选出的用户对应的工作对求职者的参考意义较大,匹配出来的招聘企业符合求职者的可能性也更高;采集求职期望是为了对匹配出来的用户的工作进一步进行筛选,提高最终筛选结果的准确性。
进一步的,所述用户信息智能采集模块对用户的工作经历采集的内容包括:企业名称、工作性质,所述工作性质为用户对应的工作内容。
进一步的,所述求职信息相似度匹配模块获取求职者信息采集模块采集到的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息对应的信息内容,并将获取的信息内容与数据库中已有工作经历的用户对应的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息相应的信息内容进行比较,
将求职者信息相似度匹配模块获取的信息内容与数据库中已有工作经历的用户对应的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息相应的信息内容进行比较的方法包括以下步骤:
S1.1、将求职者信息相似度匹配模块获取的信息内容记为y1,将y1中的第二特征信息与数据库中已有工作经历的用户对应的第二特征信息进行比较,筛选出数据库中两者内容相同的已有工作经历的用户;
S1.2、对S1.1中筛选出的已有工作经的用户进一步筛选,比较y1中的第一特征信息与数据库中已有工作经历的用户对应的第一特征信息,筛选出数据库中两者关系符合条件的已有工作经历的用户x1,两者关系对应的条件为求职者信息相似度匹配模块获取的信息内容中的第一特征信息包含数据库中已有工作经历的用户对应的第一特征信息;
S1.3、获取S1.2中筛选出的已有工作经历的用户x1,分别将已有工作经历的用户x1中每一个用户第一特征信息与y1中的第一特征信息进行匹配,得到该用户对应的第一相似度z1,
分别将已有工作经历的用户x1中每一个用户第三特征信息与y1中的第三特征信息进行匹配,得到该用户对应的第三相似度z3,
分别将已有工作经历的用户x1中每一个用户第四特征信息与y1中的第四特征信息进行匹配,得到该用户对应的第四相似度z4,
分别将已有工作经历的用户x1中每一个用户第五特征信息与y1中的第五特征信息进行匹配,得到该用户对应的第五相似度z5;
将第一相似度z1、第三相似度z3、第四相似度z4及第五相似度z5分别与第一阈值进行比较,将z6与第一预设值进行比较,筛选出已有工作经历的用户x1中z6大于等于第一预设值且第一相似度z1、第三相似度z3、第四相似度z4及第五相似度z5均大于等于第一阈值对应的所有用户,记为最终匹配用户x2;
将已有工作经历的用户x1中某用户的某特征信息与y1中相应的特征信息进行匹配的方法包括以下步骤:
S2.1、统计已有工作经历的用户x1中某用户的某特征信息与y1中的相应的特征信息中内容相同的个数w1及y1中相应的特征信息中内容的个数w2;
S2.2、计算w1与w2的商,所得商即为该用户对应特征信息的相似度结果。
本发明求职信息相似度匹配模块将求职者的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息对应的信息内容与数据库中已有工作经历的用户对应的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息相应的信息内容进行比较,是为了匹配出数据库中与求职者相似度较高的用户,进而可以通过匹配到的用户的工作经历来为求职者的工作提供参考,得到推荐的招聘企业。将第一相似度z1、第三相似度z3、第四相似度z4及第五相似度z5分别与第一阈值进行比较,将z6与第一预设值进行比较是为了进一步判定出在技能、性格、求职方向及求职期望这四个方面均与求职者相似的用户,该方式筛选出的用户的工作经历对求职者的参考意义较大,对该方式筛选出的用户的工作经历进行分析,得到的招聘企业与求职者更相符,该方式有效避免了因求职者与用户某一方面存在较大偏差而导致筛选出的推荐的招聘企业与求职者的需求出现较大偏差。
进一步的,所述求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,即获取最终匹配用户x2,并获取最终匹配用户x2中各用户对应的用户相似度z6,
所述求职信息推荐模块通过用户信息智能采集模块得到最终匹配用户x2中各用户对应的工作经历、每份工作的工作时长及离职原因,并对得到的信息进行数据分析,得到向求职者推荐的招聘企业,并对向求职者推荐的招聘企业进一步分析,得到推荐给该求职者的招聘企业及对应的推荐顺序。
本发明通过对最终匹配用户x2及最终匹配用户x2中各用户对应的用户相似度z6进行分析,得到为该求职者推荐的招聘企业,分析最终匹配用户x2是因为最终匹配用户x2中各用户对应的工作经历对向求职者推荐的招聘企业有较大的参考意义,分析z6是因为z6越大,z6对应的用户与求职者越相似,其对应的工作越值得为求职者推荐,因此对x2与z6进行综合分析,筛选出的招聘企业更加精准,与求职者越适合。
进一步的,所述求职信息推荐模块对通过用户信息智能采集模块得到的最终匹配用户x2中各用户对应的工作经历、每份工作的工作时长及离职原因进行数据分析的方法包括以下步骤:
S3.1、求职信息推荐模块对最终匹配用户x2中各用户对应的工作经历中的工作性质进行关键词提取,得到关键词q,将关键词q与数据库中预制的该求职者第一特征信息对应的关键词进行匹配,得到关键词q对应的工作性质相似度a;
S3.2、求职信息推荐模块对最终匹配用户x2中各用户对应的离职原因与求职者第五特征信息的进行比较,根据得到的比较结果计算离职原因相似度b;
S3.3、对最终匹配用户x2中各用户的每份工作对应的工作性质相似度a、离职原因相似度b、工作时长t进行归一化处理,得到最终匹配用户x2中各用户的各份工作对应的归一化结果,记为k;
S3.4、将S3.3中得到的各个k与第二预设值进行比较,
当k大于等于第二预设值时,则将该k对应的工作经历中的企业名称进行标记,
当k小于第二预设值时,则不对该k对应的工作经历中的企业名称进行标记;
S3.5、统计S3.4中被标记的企业名称,逐个判断被标记的企业名称对应的企业是否招聘,
当被标记的企业名称对应的企业不招聘时,则不对被标记的企业名称进行处理,
当被标记的企业名称对应的企业招聘时,则对该企业名称进行二次标记;
S3.6、获取被二次标记的企业名称及该企业名称对应的k,所述被二次标记的企业名称即为向求职者推荐的招聘企业的名称。
本发明求职信息推荐模块对最终匹配用户x2中各用户的每份工作对应的工作性质相似度a、离职原因相似度b、工作时长t进行归一化处理是为了对每份工作对应的工作经历、每份工作的工作时长及离职原因进行综合分析,将分析结果定量化,便于对工作进行筛选比较,使得得到的向求职者推荐的招聘企业更加精准。
进一步的,所述S3.1中得到关键词q对应的工作性质相似度a的方法包括以下步骤:
S4.1、统计关键词q与数据库中预制的该求职者第一特征信息对应的关键词相同的个数n1及关键词q的个数n2;
S4.2、计算n1与n2的商,所得商即为关键词q对应的工作性质相似度a;
所述S3.2中根据得到的比较结果计算离职原因相似度b的方法包括以下步骤:
S5.1、求职信息推荐模块分别对最终匹配用户x2中各用户对应的离职原因及求职者第五特征信息进行关键词提取,将从离职原因中提取的关键词记为q1,将从求职者第五特征信息中提取的关键词记为q2;
S5.2、统计q1与q2中关键词相同的个数n3及q1的个数n4;
S5.3、计算n3与n4的商,所得商即为离职原因相似度b。
进一步的,所述S3.3中对最终匹配用户x2中各用户的每份工作对应的工作性质相似度a、离职原因相似度b、工作时长t进行归一化处理的方法为:
将工作性质相似度a乘上1与离职原因相似度b的差,所得的乘积与同时与工作时长t及归一化系数c相乘,得到的结果即为k,
即k=a*(1-b)*t*c。
本发明在进行归一化处理的过程中计算1与离职原因相似度b的差是因为离职原因相似度b的值越大,对应的该求职者的求职期望与匹配出的用户的工作的离职原因越相似,则该离职原因相似度b对应的工作与求职者的求职期望越不相符,进而用1减去离职原因相似度b可以得到该离职原因相似度b对应的工作对求职者的适合程度。
进一步的,所述对向求职者推荐的招聘企业进一步分析的方法包括以下步骤:
S6.1、获取被二次标记的企业名称、该企业名称对应的k及该k对应的用户相似度z6;
S6.2、将S6.1中的各个k与该k对应的用户相似度z6相乘,得到该k对应的企业名称的推荐系数,即k*z6,
若一个企业名称对应多个推荐系数,则计算该多个推荐系数的平均值,将所得的平均值作为该企业名称最终的推荐系数g,
若一个企业名称对应一个推荐系数,则该企业名称的推荐系数即为该企业名称最终的推荐系数g;
S6.3、获取S6.2中各个企业名称及对应企业名称最终的推荐系数g,按从大到小的顺序对各企业名称最终的推荐系数g进行排序,各企业名称最终的推荐系数g对应的序号与该企业名称对应招聘企业的推荐序号相同。
本发明提出一个企业名称对应多个推荐系数是因为匹配出的用户对应工作的企业可能是同一家,而工作性质相似度a、离职原因相似度b、工作时长t及用户相似度z6的不同均会导致推荐系数的不同,而判断企业的推荐顺序时,若不对推荐系数进行处理,可能会导致同一企业被推荐多次且每次推荐的排名顺序不同,因此确定企业名称最终的推荐系数g能够保证招聘企业被推荐次数的唯一性。
一种基于大数据的人力资源管理方法,该方法包括以下步骤:
S1、通过求职者信息采集模块对求职者的学历、技能、性格、求职方向及求职期望进行采集;
S2、通过用户信息智能采集模块对用户的工作经历、每份工作的工作时长及离职原因进行采集;
S3、通过求职信息相似度匹配模块将求职者与已有工作经历的用户进行匹配,匹配出用户相似度大于等于第一预设值的用户;
S4、通过求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,并对获取的用户的工作经历进行分析,进而得到该求职者的招聘企业,并推荐给该求职者。
与现有技术相比,本发明所达到的有益效果是:本发明通过对用户与求职者之间的学历、技能、性格、求职方向及求职期望等变量因素进行分析,匹配出与求职者相似的用户,然后进一步对匹配出的用户的工作进行分析,得到向求职者推荐的招聘企业,该方式得到的向求职者推荐的招聘企业更加精准,与求职者的匹配度更高,更加适合求职者。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的人力资源管理系统的结构示意图;
图2是本发明一种基于大数据的人力资源管理系统中将求职者信息相似度匹配模块获取的信息内容与数据库中已有工作经历的用户对应的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息相应的信息内容进行比较的方法的流程示意图;
图3是本发明一种基于大数据的人力资源管理系统求职信息推荐模块对通过用户信息智能采集模块得到的最终匹配用户x2中各用户对应的工作经历、每份工作的工作时长及离职原因进行数据分析的方法的流程示意图;
图4是本发明一种基于大数据的人力资源管理系统中对向求职者推荐的招聘企业进一步分析的方法的流程示意图。
具体实施方式
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,都属于本发明保护的范围。
请参阅图1-4,本发明提供技术方案:一种基于大数据的人力资源管理系统,包括;
求职者信息采集模块,所述求职者信息采集模块用于对求职者的学历、技能、性格、求职方向及求职期望进行采集;
用户信息智能采集模块,所述用户信息智能采集模块用于对用户的工作经历、每份工作的工作时长及离职原因进行采集;
求职信息相似度匹配模块,所述求职信息相似度匹配模块用于将求职者与已有工作经历的用户进行匹配,匹配出用户相似度大于等于第一预设值的用户;
求职信息推荐模块,所述求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,对获取的用户的工作经历进行分析,进而得到该求职者的招聘企业,并推荐给该求职者。
本发明通过各个模块的协同合作,共同实现对与求职者相似的用户的匹配,进而分析出适合求职者的招聘企业,并按照一定的先后顺序推荐给求职者。
所述求职者信息采集模块在对求职者的学历、技能、性格、求职方向及求职期望进行采集的过程中,将求职方向记为第一特征信息,将学历记为第二特征信息,将技能记为第三特征信息,将性格记为第四特征信息,将求职期望记为第五特征信息,
所述第一特征信息、第三特征信息、第四特征信息及第五特征信息的内容均包括多个,并在某种特征信息的内容为多个的情况下,采用的不同标号对该中特征信息的内容进行区分。
本发明求职者信息采集模块对求职者的学历、技能、性格、求职方向及求职期望进行采集,能够对求职者自身的信息进行了解,进而匹配出与求职者自身的信息相似的用户,进而通过分析与求职者自身的信息相似的用户的工作经历及其相应的状况,获取适合求职者自身的招聘企业,进而推荐给求职者。采集学历信息是为了对与求职者相似的用户进行初步筛选,采集求职方向是为了对与求职者相似的用户进行二次筛选,采集技能与性格是因为不同的人对应的技能与性格不同,尤其是性格存在较大的差异,且不同性格的人对同一工作的适应程度不同,认可度也不同,因此通过技能与性格筛选出的用户对应的工作对求职者的参考意义较大,匹配出来的招聘企业符合求职者的可能性也更高;采集求职期望是为了对匹配出来的用户的工作进一步进行筛选,提高最终筛选结果的准确性。
所述用户信息智能采集模块对用户的工作经历采集的内容包括:企业名称、工作性质,所述工作性质为用户对应的工作内容。
所述求职信息相似度匹配模块获取求职者信息采集模块采集到的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息对应的信息内容,并将获取的信息内容与数据库中已有工作经历的用户对应的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息相应的信息内容进行比较,
将求职者信息相似度匹配模块获取的信息内容与数据库中已有工作经历的用户对应的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息相应的信息内容进行比较的方法包括以下步骤:
S1.1、将求职者信息相似度匹配模块获取的信息内容记为y1,将y1中的第二特征信息与数据库中已有工作经历的用户对应的第二特征信息进行比较,筛选出数据库中两者内容相同的已有工作经历的用户;
S1.2、对S1.1中筛选出的已有工作经的用户进一步筛选,比较y1中的第一特征信息与数据库中已有工作经历的用户对应的第一特征信息,筛选出数据库中两者关系符合条件的已有工作经历的用户x1,两者关系对应的条件为求职者信息相似度匹配模块获取的信息内容中的第一特征信息包含数据库中已有工作经历的用户对应的第一特征信息;
S1.3、获取S1.2中筛选出的已有工作经历的用户x1,分别将已有工作经历的用户x1中每一个用户第一特征信息与y1中的第一特征信息进行匹配,得到该用户对应的第一相似度z1,
分别将已有工作经历的用户x1中每一个用户第三特征信息与y1中的第三特征信息进行匹配,得到该用户对应的第三相似度z3,
分别将已有工作经历的用户x1中每一个用户第四特征信息与y1中的第四特征信息进行匹配,得到该用户对应的第四相似度z4,
分别将已有工作经历的用户x1中每一个用户第五特征信息与y1中的第五特征信息进行匹配,得到该用户对应的第五相似度z5;
将第一相似度z1、第三相似度z3、第四相似度z4及第五相似度z5分别与第一阈值进行比较,将z6与第一预设值进行比较,筛选出已有工作经历的用户x1中z6大于等于第一预设值且第一相似度z1、第三相似度z3、第四相似度z4及第五相似度z5均大于等于第一阈值对应的所有用户,记为最终匹配用户x2;
将已有工作经历的用户x1中某用户的某特征信息与y1中相应的特征信息进行匹配的方法包括以下步骤:
S2.1、统计已有工作经历的用户x1中某用户的某特征信息与y1中的相应的特征信息中内容相同的个数w1及y1中相应的特征信息中内容的个数w2;
S2.2、计算w1与w2的商,所得商即为该用户对应特征信息的相似度结果。
本发明求职信息相似度匹配模块将求职者的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息对应的信息内容与数据库中已有工作经历的用户对应的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息相应的信息内容进行比较,是为了匹配出数据库中与求职者相似度较高的用户,进而可以通过匹配到的用户的工作经历来为求职者的工作提供参考,得到推荐的招聘企业。将第一相似度z1、第三相似度z3、第四相似度z4及第五相似度z5分别与第一阈值进行比较,将z6与第一预设值进行比较是为了进一步判定出在技能、性格、求职方向及求职期望这四个方面均与求职者相似的用户,该方式筛选出的用户的工作经历对求职者的参考意义较大,对该方式筛选出的用户的工作经历进行分析,得到的招聘企业与求职者更相符,该方式有效避免了因求职者与用户某一方面存在较大偏差而导致筛选出的推荐的招聘企业与求职者的需求出现较大偏差。
所述求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,即获取最终匹配用户x2,并获取最终匹配用户x2中各用户对应的用户相似度z6,
所述求职信息推荐模块通过用户信息智能采集模块得到最终匹配用户x2中各用户对应的工作经历、每份工作的工作时长及离职原因,并对得到的信息进行数据分析,得到向求职者推荐的招聘企业,并对向求职者推荐的招聘企业进一步分析,得到推荐给该求职者的招聘企业及对应的推荐顺序。
本发明通过对最终匹配用户x2及最终匹配用户x2中各用户对应的用户相似度z6进行分析,得到为该求职者推荐的招聘企业,分析最终匹配用户x2是因为最终匹配用户x2中各用户对应的工作经历对向求职者推荐的招聘企业有较大的参考意义,分析z6是因为z6越大,z6对应的用户与求职者越相似,其对应的工作越值得为求职者推荐,因此对x2与z6进行综合分析,筛选出的招聘企业更加精准,与求职者越适合。
所述求职信息推荐模块对通过用户信息智能采集模块得到的最终匹配用户x2中各用户对应的工作经历、每份工作的工作时长及离职原因进行数据分析的方法包括以下步骤:
S3.1、求职信息推荐模块对最终匹配用户x2中各用户对应的工作经历中的工作性质进行关键词提取,得到关键词q,将关键词q与数据库中预制的该求职者第一特征信息对应的关键词进行匹配,得到关键词q对应的工作性质相似度a;
S3.2、求职信息推荐模块对最终匹配用户x2中各用户对应的离职原因与求职者第五特征信息的进行比较,根据得到的比较结果计算离职原因相似度b;
S3.3、对最终匹配用户x2中各用户的每份工作对应的工作性质相似度a、离职原因相似度b、工作时长t进行归一化处理,得到最终匹配用户x2中各用户的各份工作对应的归一化结果,记为k;
S3.4、将S3.3中得到的各个k与第二预设值进行比较,
当k大于等于第二预设值时,则将该k对应的工作经历中的企业名称进行标记,
当k小于第二预设值时,则不对该k对应的工作经历中的企业名称进行标记;
S3.5、统计S3.4中被标记的企业名称,逐个判断被标记的企业名称对应的企业是否招聘,
当被标记的企业名称对应的企业不招聘时,则不对被标记的企业名称进行处理,
当被标记的企业名称对应的企业招聘时,则对该企业名称进行二次标记;
S3.6、获取被二次标记的企业名称及该企业名称对应的k,所述被二次标记的企业名称即为向求职者推荐的招聘企业的名称。
本发明求职信息推荐模块对最终匹配用户x2中各用户的每份工作对应的工作性质相似度a、离职原因相似度b、工作时长t进行归一化处理是为了对每份工作对应的工作经历、每份工作的工作时长及离职原因进行综合分析,将分析结果定量化,便于对工作进行筛选比较,使得得到的向求职者推荐的招聘企业更加精准。
所述S3.1中得到关键词q对应的工作性质相似度a的方法包括以下步骤:
S4.1、统计关键词q与数据库中预制的该求职者第一特征信息对应的关键词相同的个数n1及关键词q的个数n2;
S4.2、计算n1与n2的商,所得商即为关键词q对应的工作性质相似度a;
所述S3.2中根据得到的比较结果计算离职原因相似度b的方法包括以下步骤:
S5.1、求职信息推荐模块分别对最终匹配用户x2中各用户对应的离职原因及求职者第五特征信息进行关键词提取,将从离职原因中提取的关键词记为q1,将从求职者第五特征信息中提取的关键词记为q2;
S5.2、统计q1与q2中关键词相同的个数n3及q1的个数n4;
S5.3、计算n3与n4的商,所得商即为离职原因相似度b。
所述S3.3中对最终匹配用户x2中各用户的每份工作对应的工作性质相似度a、离职原因相似度b、工作时长t进行归一化处理的方法为:
将工作性质相似度a乘上1与离职原因相似度b的差,所得的乘积与同时与工作时长t及归一化系数c相乘,得到的结果即为k,
即k=a*(1-b)*t*c。
本发明在进行归一化处理的过程中计算1与离职原因相似度b的差是因为离职原因相似度b的值越大,对应的该求职者的求职期望与匹配出的用户的工作的离职原因越相似,则该离职原因相似度b对应的工作与求职者的求职期望越不相符,进而用1减去离职原因相似度b可以得到该离职原因相似度b对应的工作对求职者的适合程度。
所述对向求职者推荐的招聘企业进一步分析的方法包括以下步骤:
S6.1、获取被二次标记的企业名称、该企业名称对应的k及该k对应的用户相似度z6;
S6.2、将S6.1中的各个k与该k对应的用户相似度z6相乘,得到该k对应的企业名称的推荐系数,即k*z6,
若一个企业名称对应多个推荐系数,则计算该多个推荐系数的平均值,将所得的平均值作为该企业名称最终的推荐系数g,
若一个企业名称对应一个推荐系数,则该企业名称的推荐系数即为该企业名称最终的推荐系数g;
S6.3、获取S6.2中各个企业名称及对应企业名称最终的推荐系数g,按从大到小的顺序对各企业名称最终的推荐系数g进行排序,各企业名称最终的推荐系数g对应的序号与该企业名称对应招聘企业的推荐序号相同。
本发明提出一个企业名称对应多个推荐系数是因为匹配出的用户对应工作的企业可能是同一家,而工作性质相似度a、离职原因相似度b、工作时长t及用户相似度z6的不同均会导致推荐系数的不同,而判断企业的推荐顺序时,若不对推荐系数进行处理,可能会导致同一企业被推荐多次且每次推荐的排名顺序不同,因此确定企业名称最终的推荐系数g能够保证招聘企业被推荐次数的唯一性。
一种基于大数据的人力资源管理方法,该方法包括以下步骤:
S1、通过求职者信息采集模块对求职者的学历、技能、性格、求职方向及求职期望进行采集;
S2、通过用户信息智能采集模块对用户的工作经历、每份工作的工作时长及离职原因进行采集;
S3、通过求职信息相似度匹配模块将求职者与已有工作经历的用户进行匹配,匹配出用户相似度大于等于第一预设值的用户;
S4、通过求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,并对获取的用户的工作经历进行分析,进而得到该求职者的招聘企业,并推荐给该求职者。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的人力资源管理系统,其特征在于,包括;
求职者信息采集模块,所述求职者信息采集模块用于对求职者的学历、技能、性格、求职方向及求职期望进行采集;
用户信息智能采集模块,所述用户信息智能采集模块用于对用户的工作经历、每份工作的工作时长及离职原因进行采集;
求职信息相似度匹配模块,所述求职信息相似度匹配模块用于将求职者与已有工作经历的用户进行匹配,匹配出用户相似度大于等于第一预设值的用户;
求职信息推荐模块,所述求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,对获取的用户的工作经历进行分析,进而得到该求职者的招聘企业,并推荐给该求职者。
2.根据权利要求1所述的一种基于大数据的人力资源管理系统,其特征在于:所述求职者信息采集模块在对求职者的学历、技能、性格、求职方向及求职期望进行采集的过程中,将求职方向记为第一特征信息,将学历记为第二特征信息,将技能记为第三特征信息,将性格记为第四特征信息,将求职期望记为第五特征信息,
所述第一特征信息、第三特征信息、第四特征信息及第五特征信息的内容均包括多个,并在某种特征信息的内容为多个的情况下,采用的不同标号对该中特征信息的内容进行区分。
3.根据权利要求2所述的一种基于大数据的人力资源管理系统,其特征在于:所述用户信息智能采集模块对用户的工作经历采集的内容包括:企业名称、工作性质,所述工作性质为用户对应的工作内容。
4.根据权利要求3所述的一种基于大数据的人力资源管理系统,其特征在于:所述求职信息相似度匹配模块获取求职者信息采集模块采集到的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息对应的信息内容,并将获取的信息内容与数据库中已有工作经历的用户对应的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息相应的信息内容进行比较,
将求职者信息相似度匹配模块获取的信息内容与数据库中已有工作经历的用户对应的第一特征信息、第二特征信息、第三特征信息、第四特征信息及第五特征信息相应的信息内容进行比较的方法包括以下步骤:
S1.1、将求职者信息相似度匹配模块获取的信息内容记为y1,将y1中的第二特征信息与数据库中已有工作经历的用户对应的第二特征信息进行比较,筛选出数据库中两者内容相同的已有工作经历的用户;
S1.2、对S1.1中筛选出的已有工作经的用户进一步筛选,比较y1中的第一特征信息与数据库中已有工作经历的用户对应的第一特征信息,筛选出数据库中两者关系符合条件的已有工作经历的用户x1,两者关系对应的条件为求职者信息相似度匹配模块获取的信息内容中的第一特征信息包含数据库中已有工作经历的用户对应的第一特征信息;
S1.3、获取S1.2中筛选出的已有工作经历的用户x1,分别将已有工作经历的用户x1中每一个用户第一特征信息与y1中的第一特征信息进行匹配,得到该用户对应的第一相似度z1,
分别将已有工作经历的用户x1中每一个用户第三特征信息与y1中的第三特征信息进行匹配,得到该用户对应的第三相似度z3,
分别将已有工作经历的用户x1中每一个用户第四特征信息与y1中的第四特征信息进行匹配,得到该用户对应的第四相似度z4,
分别将已有工作经历的用户x1中每一个用户第五特征信息与y1中的第五特征信息进行匹配,得到该用户对应的第五相似度z5;
S1.4、分别将已有工作经历的用户x1中每一个用户对应的第一相似度z1、第三相似度z3、第四相似度z4及第五相似度z5相加,并求取平均值z6,所述z6为用户相似度,
将第一相似度z1、第三相似度z3、第四相似度z4及第五相似度z5分别与第一阈值进行比较,将z6与第一预设值进行比较,筛选出已有工作经历的用户x1中z6大于等于第一预设值且第一相似度z1、第三相似度z3、第四相似度z4及第五相似度z5均大于等于第一阈值对应的所有用户,记为最终匹配用户x2;
将已有工作经历的用户x1中某用户的某特征信息与y1中相应的特征信息进行匹配的方法包括以下步骤:
S2.1、统计已有工作经历的用户x1中某用户的某特征信息与y1中的相应的特征信息中内容相同的个数w1及y1中相应的特征信息中内容的个数w2;
S2.2、计算w1与w2的商,所得商即为该用户对应特征信息的相似度结果。
5.根据权利要求4所述的一种基于大数据的人力资源管理系统,其特征在于:所述求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,即获取最终匹配用户x2,并获取最终匹配用户x2中各用户对应的用户相似度z6,
所述求职信息推荐模块通过用户信息智能采集模块得到最终匹配用户x2中各用户对应的工作经历、每份工作的工作时长及离职原因,并对得到的信息进行数据分析,得到向求职者推荐的招聘企业,并对向求职者推荐的招聘企业进一步分析,得到推荐给该求职者的招聘企业及对应的推荐顺序。
6.根据权利要求5所述的一种基于大数据的人力资源管理系统,其特征在于:所述求职信息推荐模块对通过用户信息智能采集模块得到的最终匹配用户x2中各用户对应的工作经历、每份工作的工作时长及离职原因进行数据分析的方法包括以下步骤:
S3.1、求职信息推荐模块对最终匹配用户x2中各用户对应的工作经历中的工作性质进行关键词提取,得到关键词q,将关键词q与数据库中预制的该求职者第一特征信息对应的关键词进行匹配,得到关键词q对应的工作性质相似度a;
S3.2、求职信息推荐模块对最终匹配用户x2中各用户对应的离职原因与求职者第五特征信息的进行比较,根据得到的比较结果计算离职原因相似度b;
S3.3、对最终匹配用户x2中各用户的每份工作对应的工作性质相似度a、离职原因相似度b、工作时长t进行归一化处理,得到最终匹配用户x2中各用户的各份工作对应的归一化结果,记为k;
S3.4、将S3.3中得到的各个k与第二预设值进行比较,
当k大于等于第二预设值时,则将该k对应的工作经历中的企业名称进行标记,
当k小于第二预设值时,则不对该k对应的工作经历中的企业名称进行标记;
S3.5、统计S3.4中被标记的企业名称,逐个判断被标记的企业名称对应的企业是否招聘,
当被标记的企业名称对应的企业不招聘时,则不对被标记的企业名称进行处理,
当被标记的企业名称对应的企业招聘时,则对该企业名称进行二次标记;
S3.6、获取被二次标记的企业名称及该企业名称对应的k,所述被二次标记的企业名称即为向求职者推荐的招聘企业的名称。
7.根据权利要求6所述的一种基于大数据的人力资源管理系统,其特征在于:所述S3.1中得到关键词q对应的工作性质相似度a的方法包括以下步骤:
S4.1、统计关键词q与数据库中预制的该求职者第一特征信息对应的关键词相同的个数n1及关键词q的个数n2;
S4.2、计算n1与n2的商,所得商即为关键词q对应的工作性质相似度a;
所述S3.2中根据得到的比较结果计算离职原因相似度b的方法包括以下步骤:
S5.1、求职信息推荐模块分别对最终匹配用户x2中各用户对应的离职原因及求职者第五特征信息进行关键词提取,将从离职原因中提取的关键词记为q1,将从求职者第五特征信息中提取的关键词记为q2;
S5.2、统计q1与q2中关键词相同的个数n3及q1的个数n4;
S5.3、计算n3与n4的商,所得商即为离职原因相似度b。
8.根据权利要求6所述的一种基于大数据的人力资源管理系统,其特征在于:所述S3.3中对最终匹配用户x2中各用户的每份工作对应的工作性质相似度a、离职原因相似度b、工作时长t进行归一化处理的方法为:
将工作性质相似度a乘上1与离职原因相似度b的差,所得的乘积与同时与工作时长t及归一化系数c相乘,得到的结果即为k,
即k=a*(1-b)*t*c。
9.根据权利要求8所述的一种基于大数据的人力资源管理系统,其特征在于:所述对向求职者推荐的招聘企业进一步分析的方法包括以下步骤:
S6.1、获取被二次标记的企业名称、该企业名称对应的k及该k对应的用户相似度z6;
S6.2、将S6.1中的各个k与该k对应的用户相似度z6相乘,得到该k对应的企业名称的推荐系数,即k*z6,
若一个企业名称对应多个推荐系数,则计算该多个推荐系数的平均值,将所得的平均值作为该企业名称最终的推荐系数g,
若一个企业名称对应一个推荐系数,则该企业名称的推荐系数即为该企业名称最终的推荐系数g;
S6.3、获取S6.2中各个企业名称及对应企业名称最终的推荐系数g,按从大到小的顺序对各企业名称最终的推荐系数g进行排序,各企业名称最终的推荐系数g对应的序号与该企业名称对应招聘企业的推荐序号相同。
10.应用权利要求1-9任意一项所述的一种基于大数据的人力资源管理系统的基于大数据的人力资源管理方法,其特征在于:该方法包括以下步骤:
S1、通过求职者信息采集模块对求职者的学历、技能、性格、求职方向及求职期望进行采集;
S2、通过用户信息智能采集模块对用户的工作经历、每份工作的工作时长及离职原因进行采集;
S3、通过求职信息相似度匹配模块将求职者与已有工作经历的用户进行匹配,匹配出用户相似度大于等于第一预设值的用户;
S4、通过求职信息推荐模块获取求职信息相似度匹配模块匹配出的用户,并对获取的用户的工作经历进行分析,进而得到该求职者的招聘企业,并推荐给该求职者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111106282.XA CN113781006A (zh) | 2021-09-22 | 2021-09-22 | 一种基于大数据的人力资源管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111106282.XA CN113781006A (zh) | 2021-09-22 | 2021-09-22 | 一种基于大数据的人力资源管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113781006A true CN113781006A (zh) | 2021-12-10 |
Family
ID=78852620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111106282.XA Withdrawn CN113781006A (zh) | 2021-09-22 | 2021-09-22 | 一种基于大数据的人力资源管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113781006A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170094A (zh) * | 2022-09-07 | 2022-10-11 | 泰盈科技集团股份有限公司 | 大数据人工智能招聘系统及方法 |
CN115309998A (zh) * | 2022-10-11 | 2022-11-08 | 中教智网(北京)信息技术有限公司 | 一种基于大数据的就业推荐方法及系统 |
CN117436830A (zh) * | 2023-12-20 | 2024-01-23 | 陕西青叶海棠网络科技有限责任公司 | 一种毕业生就业企业鉴别系统 |
-
2021
- 2021-09-22 CN CN202111106282.XA patent/CN113781006A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170094A (zh) * | 2022-09-07 | 2022-10-11 | 泰盈科技集团股份有限公司 | 大数据人工智能招聘系统及方法 |
CN115170094B (zh) * | 2022-09-07 | 2022-11-29 | 泰盈科技集团股份有限公司 | 大数据人工智能招聘系统及方法 |
CN115309998A (zh) * | 2022-10-11 | 2022-11-08 | 中教智网(北京)信息技术有限公司 | 一种基于大数据的就业推荐方法及系统 |
CN117436830A (zh) * | 2023-12-20 | 2024-01-23 | 陕西青叶海棠网络科技有限责任公司 | 一种毕业生就业企业鉴别系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109558429B (zh) | 基于互联网大数据的人才服务双向推荐方法及系统 | |
CN113781006A (zh) | 一种基于大数据的人力资源管理系统及方法 | |
CN109783639B (zh) | 一种基于特征提取的调解案件智能分派方法及系统 | |
CN111708949B (zh) | 医疗资源的推荐方法及装置、电子设备、存储介质 | |
CN108038627B (zh) | 一种对象评估方法及装置 | |
WO2013129548A1 (ja) | 文書分別システム及び文書分別方法並びに文書分別プログラム | |
WO2015015826A1 (ja) | 文書分別システム及び文書分別方法並びに文書分別プログラム | |
Utari et al. | Implementation of data mining for drop-out prediction using random forest method | |
Rodriguez et al. | Feature selection for job matching application using profile matching model | |
CN112632405B (zh) | 一种推荐方法、装置、设备及存储介质 | |
CN113159881B (zh) | 一种数据聚类及b2b平台客户偏好获取方法、系统 | |
CN110727852A (zh) | 一种推送招聘推荐服务的方法、装置及终端 | |
CN111008262A (zh) | 一种基于知识图谱的律师评估方法和推荐方法 | |
WO2022262752A1 (zh) | 基于数据交互的信息推荐方法、装置、设备及存储介质 | |
CN113901308A (zh) | 基于知识图谱的企业推荐方法及推荐装置、电子设备 | |
Appadoo et al. | Job recommendation system, machine learning, regression, classification, natural language processing | |
Cagliero et al. | Additional reviewer assignment by means of weighted association rules | |
CN111931043A (zh) | 一种科技资源的推荐方法及系统 | |
Viroonluecha et al. | Salary predictor system for thailand labour workforce using deep learning | |
Goncalves et al. | Gathering alumni information from a web social network | |
Febrian et al. | Decision support system employee performance appraisal method using topsis | |
CN113313470B (zh) | 一种基于大数据的就业类型评估方法及系统 | |
CN113065790A (zh) | 一种评估专利价值方法及系统 | |
CN116452212B (zh) | 一种智能客服商品知识库信息管理方法及系统 | |
CN112417280A (zh) | 一种基于虚拟现实主持人体系的推荐方法和系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211210 |