CN114090643A - 招聘信息推荐方法、装置、设备及存储介质 - Google Patents
招聘信息推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114090643A CN114090643A CN202111403107.7A CN202111403107A CN114090643A CN 114090643 A CN114090643 A CN 114090643A CN 202111403107 A CN202111403107 A CN 202111403107A CN 114090643 A CN114090643 A CN 114090643A
- Authority
- CN
- China
- Prior art keywords
- recruitment information
- target
- user
- value
- determining
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (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
本申请公开了一种招聘信息推荐方法、装置、设备及存储介质,该方法包括:获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值,N为正整数;根据第一评分值和第二评分值,从N个第二用户中确定目标用户;根据目标用户,确定第三招聘信息;获取第三招聘信息的目标标签,其中,目标标签为预设的M个标签中的至少一个标签,M个标签是对预设数据库中的多个招聘信息按照预设分类规则进行分类得到,M为正整数;根据目标标签,向第一用户推荐目标招聘信息,目标招聘信息为与目标标签相关联的招聘信息。根据本申请实施例,无需用户通过检索获取海量的招聘信息后再花费大量时间去筛选,有效提高了用户筛选招聘信息操作的便捷性和效率。
Description
技术领域
本申请属于信息处理技术领域,尤其涉及一种招聘信息推荐方法、装置、设备及存储介质。
背景技术
随着互联网技术的飞速发展,互联网招聘也越来越广泛,用户通常是通过检索的方式查询招聘网站中对应的招聘信息,但是海量的招聘信息往往会埋没在查询结果中,用户需要大量的时间精力浏览查询结果才能了解到所有的招聘信息,进而筛选出自己最心仪的招聘信息。可见,目前用户筛选招聘信息的操作较繁琐、效率较低。
发明内容
本申请实施例提供一种招聘信息推荐方法、装置、设备及存储介质,以解决用户筛选招聘信息的操作较繁琐、效率较低的技术问题。
第一方面,本申请实施例提供一种招聘信息推荐方法,方法包括:
获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值,N为正整数;
根据所述第一评分值和所述第二评分值,从所述N个第二用户中确定目标用户;
根据所述目标用户,确定第三招聘信息;
获取所述第三招聘信息的目标标签,其中,所述目标标签为预设的M个标签中的至少一个标签,所述M个标签是对预设数据库中的多个招聘信息按照预设分类规则进行分类得到,M为正整数;
根据所述目标标签,向所述第一用户推荐目标招聘信息,所述目标招聘信息为与所述目标标签相关联的招聘信息。
第二方面,本申请实施例提供了一种招聘信息推荐装置,装置包括:
第一获取模块,用于获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值,N为正整数;
第一确定模块,用于根据所述第一评分值和所述第二评分值,从所述N个第二用户中确定目标用户;
第二确定模块,用于根据所述目标用户,确定第三招聘信息;
第二获取模块,用于获取所述第三招聘信息的目标标签,其中,所述目标标签为预设的M个标签中的至少一个标签,所述M个标签是对预设数据库中的多个招聘信息按照预设分类规则进行分类得到,M为正整数;
推荐模块,用于根据所述目标标签,向所述第一用户推荐目标招聘信息,所述目标招聘信息为与所述目标标签相关联的招聘信息。
第三方面,本申请实施例提供了一种电子设备,设备包括:
处理器以及存储有程序指令的存储器;
所述处理器执行所述程序指令时实现上述的方法。
第四方面,本申请实施例提供了一种存储介质,所述存储介质上存储有程序指令,所述程序指令被处理器执行时实现上述的方法。
本申请实施例的招聘信息推荐方法、装置、设备及计算机存储介质,能够获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值,再根据第一评分值和第二评分值,从N个第二用户中确定目标用户,根据目标用户确定第三招聘信息,然后获取第三招聘信息的目标标签,再向第一用户推荐与目标标签相关联的目标招聘信息。这样,可以根据用户对招聘信息的评分值进行比对,确定与第一用户的评分相近的目标用户,从而将目标用户历史浏览的第三招聘信息的目标标签,作为向第一用户推荐招聘信息的标签,即向第一用户推荐与目标标签相关联的目标招聘信息,从而无需用户通过检索获取海量的招聘信息后再花费大量时间去筛选,有效提高了用户筛选招聘信息操作的便捷性和效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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是本申请一个实施例提供的招聘信息推荐方法的流程示意图;
图2是本申请另一个实施例提供的招聘信息推荐装置的结构示意图;
图3是本申请又一个实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
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。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了解决现有技术问题,本申请实施例提供了一种招聘信息推荐方法、装置、设备及计算机存储介质。下面首先对本申请实施例所提供的招聘信息推荐方法进行介绍。
图1示出了本申请一个实施例提供的招聘信息推荐方法的流程示意图,如图1所示,招聘信息推荐方法可以包括以下步骤:
步骤101,获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值,N为正整数;
步骤102,根据第一评分值和第二评分值,从N个第二用户中确定目标用户;
步骤103,根据目标用户,确定第三招聘信息;
步骤104,获取第三招聘信息的目标标签,其中,目标标签为预设的M个标签中的至少一个标签,M个标签是对预设数据库中的多个招聘信息按照预设分类规则进行分类得到,M为正整数;
步骤105,根据目标标签,向第一用户推荐目标招聘信息,目标招聘信息为与目标标签相关联的招聘信息。
上述各个步骤的具体实现方式将在下文中进行详细描述。
在本申请实施例中,招聘信息推荐方法能够获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值,再根据第一评分值和第二评分值,从N个第二用户中确定目标用户,根据目标用户确定第三招聘信息,然后获取第三招聘信息的目标标签,再向第一用户推荐与目标标签相关联的目标招聘信息。这样,可以根据用户对招聘信息的评分值进行比对,确定与第一用户的评分相近的目标用户,从而将目标用户历史浏览的第三招聘信息的目标标签,作为向第一用户推荐招聘信息的标签,即向第一用户推荐与目标标签相关联的目标招聘信息,从而无需用户通过检索获取海量的招聘信息后再花费大量时间去筛选,有效提高了用户筛选招聘信息操作的便捷性和效率。
下面介绍上述各个步骤的具体实现方式。
在步骤101中,可以通过建立一个x*y的用户评分矩阵R,根据用户评分矩阵获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值。
示例地,用户评分矩阵R的表达式可以如下:
其中,x可以为用户数,y可以为招聘信息数,rxy可以表示第x个用户对第y个内容的评分值。
用户评分矩阵R中的评分值,可以是根据用户的行为数据获取的,其中用户的行为数据可以包括对某一招聘信息打分、访问某一招聘信息的次数和/或时长、收藏某一招聘信息和回复某一招聘信息中的至少一种。
在一个示例中,可以用户对招聘信息的访问次数以及对招聘信息的收藏情况来获取对应的招聘信息的评分值。可以理解的是,第一招聘信息可以包括第一用户访问过或收藏过的多个招聘信息,第一评分值可以是指第一用户访问过或收藏过的每个招聘信息对应的评分值。N个第二用户可以是指除了第一用户的其他用户,第二招聘信息可以包括每个第二用户访问过或收藏过的多个招聘信息,第二评分值可以是指每个第二用户访问过或收藏过的每个招聘信息对应的评分值。
例如,第一用户可以为用户D,N个第二用户可以包括用户A、用户B和用户C,招聘信息数可以为5个,即包括招聘信息1、招聘信息2……招聘信息5,对应的用户评分表可以如表1所示:
表1
可以理解的是,上表中空白处可以表示用户并未对该招聘信息进行评分。第一招聘信息可以包括招聘信息1、招聘信息3、招聘信息4和招聘信息5,其第一评分值可以包括招聘信息1对应的“5”、招聘信息3对应的“1”、招聘信息4对应的“3”和招聘信息5对应的“8”。
在步骤102中,可以根据第一评分值和第二评分值,从N个第二用户中确定目标用户。示例地,可以将与第一招聘信息中每个招聘信息对应的评分值相同的第二评分值关联的第二用户作为目标用户。还可以是根据第一招聘信息中每个招聘信息对应的评分值之差的绝对值确定目标用户。
例如,可以在每个招聘信息对应的评分值之差的绝对值不超过预设的第一阈值的情况下,将对应的第二用户确定为目标用户,如用户A与用户D的每个招聘信息对应的评分值之差的绝对值不超过“1”,可以将用户A确定为用户D的目标用户。又例如,还可以在每个招聘信息对应的评分值之差的绝对值之和不超过预设的第二阈值的情况下,将对应的第二用户确定为目标用户,其中第二阈值可以根据第一招聘信息的数量确定。
还可以根据计算第一评分值与第二评分值之间的相似度,进而根据相似度确定目标用户,此处不做具体限定。
可以理解的是,为了避免目标用户单一可能造成最终推荐结果误差较大的问题,目标用户的数量可以是多个。
在步骤103中,确定目标用户后,可以根据目标用户,确定第三招聘信息。示例地,第三招聘信息可以包括目标用户浏览过或收藏过的招聘信息,例如,第一用户为用户D,目标用户为用户A时,第三招聘信息可以包括招聘信息1、招聘信息2、招聘信息3、招聘信息4和招聘信息5。换而言之,第三招聘信息可以包括的第一招聘信息,以及区别于第一招聘信息的其他招聘信息。
在步骤104中,预设数据库中的多个招聘信息可以是指招聘网站中发布的全部招聘信息。对这些多个招聘信息按照预设分类规则进行分类,得到每个招聘信息对应的标签,其中预设分类规则可以包括行业,地域,薪资或岗位等类别。可以理解的是,一个招聘信息可以包括多个标签。
通过对招聘信息进行标签化管理,可以避免推荐的企业都集中于关注度较高的热门企业,能够更好的将同类型企业也一同推荐给用户,将被推荐机会更加合理地分配到同标签类型的各个企业。
在确定第三招聘信息后,可以获取第三招聘信息的目标标签。示例地,可以获取第三招聘信息中每个招聘信息对应的不同分类的标签,从而根据这些不同分类的标签,得到不同分类的标签范围值。例如,其中一个招聘信息的薪资标签为10K-12K,地域标签为地点A,另一个招聘信息的薪资标签为18K-20K,地域标签为地点B,则薪资标签的标签范围值为10K-20K,地域标签的标签范围值为地点A或地点B。
在步骤105中,可以根据目标标签,向第一用户推荐与目标标签相关联的目标招聘信息。例如,将招聘网站发布的全部招聘信息中薪资标签满足10K-20K,地域标签为地点A或地点B的招聘信息确定为目标招聘信息,并将目标招聘信息推荐给第一用户。
可以理解的是,向第一用户推荐目标招聘信息后,用户可以点击浏览或收藏目标招聘信息,而基于第一用户浏览或收藏目标招聘信息的行为,第一招聘信息以及针对第一招聘信息的第一评分值会发生改变,第一用户被推荐的目标招聘信息也会更新。换而言之,用户每次打开招聘网站查看到的目标招聘信息不相同,改善重复推荐相同招聘信息的问题。
在一些实施例中,上述步骤102,可以具体执行以下步骤:
根据第一评分值和第二评分值,确定第一用户与每个第二用户的相似度;
将相似度满足预设相似度条件的第二用户确定为目标用户。
在本申请实施例中,可以根据第一评分值和第二评分值,计算第一用户与每个用户之间的相似度。示例地,可以先计算每个招聘信息对应的评分值之差的绝对值,再计算这些绝对值之和,将绝对值之和作为相似度的计算公式中的变量。可以理解的是,绝对值之和越小,相似度越高。
确定第一用户与每个第二用户的相似度后,可以将相似度满足预设相似度条件的第二用户确定为目标用户。示例地,可以将相似度满足预设相似度阈值的所有第二用户确定为目标用户,还可以将相似度按照从高到低的顺序进行排序,将预设排名内的相似度对应的第二用户确定为目标用户,例如,可以将相似度最高的十个第二用户确定为目标用户。
两个用户针对第一招聘信息中的每个招聘信息的评分值一致的概率很小,因此若要求将评分值一致的第二用户作为目标用户,则筛选目标用户的难度较大,基于此,本申请实施例可以根据相似度确定目标用户,在保证目标用户的准确性的同时有效降低了确定目标用户的难度。
在一些实施例中,上述根据第一评分值和第二评分值,确定第一用户与每个第二用户的相似度,可以具体执行以下步骤:
根据第一评分值和第二评分值,通过余弦相似度算法或者相关性相似度算法,计算第一用户与每个第二用户的相似度。
在本申请实施例中,可以通过余弦相似度算法计算第一用户与每个第二用户的相似度。示例地,可以将每个用户的评分值看作为y维集合空间上的向量,而第一用户和待比较用户之间的相似度可以通过第一用户向量与待比较用户向量之间的余弦夹角进行度量。第一用户i和待比较用户j之间的相似度的计算公式可以为:
可以理解的是,第一用户与待比较用户可能关联有不相同的招聘信息,此时可以通过相关性相似度算法计算第一用户与每个第二用户的相似度。示例地,假设第一用户i和待比较用户j共同参与评分的招聘信息集合为Iij,那么Iij=Ii∩Ij,则第一用户i和待比较用户j之间的相似度的计算公式可以为:
其中,cos(i,j)可以用于表示相似度,rid表示第一用户i对招聘信息d的评分值,rjd表示待比较用户j对招聘信息d的评分值,是表示第一用户i对其参与评分的招聘信息合集Ii的平均分值,是表示待比较用户j对其参与评分的招聘信息合集Ij的平均分值。
在一些实施例中,上述步骤103,可以具体执行以下步骤:
获取目标用户针对第四招聘信息的第三评分值,第四招聘信息区别于第一招聘信息;
根据第一评分值和第三评分值,预测第一用户针对第四招聘信息的第四评分值;
根据第一评分值和第四评分值,从第一招聘信息和第四招聘信息中确定满足预设评分值条件的第三招聘信息。
其中,第四招聘信息可以是指目标用户参与打分,但第一用户为参与打分的招聘信息。例如,第一用户为用户D,目标用户为用户A,则可以将招聘信息2确定为第四招聘信息,第四招聘信息的第三评分值可以为“8”。
获取到第三评分值后,可以预测第一用户针对第四招聘信息的第四评分值。第四评分值的计算公式可以为:
其中,t表示第四招聘信息,Pit表示预测的第一用户i对招聘信息t的评分值,NBSi用于表示第一用户i的目标用户,cos(i,j)可以用于表示相似度,rjd表示待比较用户j对招聘信息t的评分值,是表示第一用户i对其参与评分的招聘信息合集Ii的平均分值,是表示待比较用户j对其参与评分的招聘信息合集Ij的平均分值。
预设到第四评分值后,可以根据第一评分值和第四评分值,按照评分值从高到低的顺序进行排序,从第一招聘信息和第四招聘信息中确定在预设排名内的招聘信息作为第三招聘信息,例如将评分值最高的十个招聘信息作为第三招聘信息。
在本申请实施例中,可以将相似度作为权重,预测第一用户针对第四招聘信息的第四评分值,从而根据第一评分值和第四评分值筛选出满足预设评分值条件的第三招聘信息,使得后续能够获取更准确的目标标签,进而保证了目标招聘信息的准确性,更好的满足第一用户的推荐需求。
在一些实施例中,上述步骤105,可以具体执行以下步骤:
根据目标标签,确定与目标标签关联的目标招聘信息;
按照预设的优先级规则,获取目标招聘信息的优先级;
根据目标招聘信息的优先级,依序向第一用户推荐目标招聘信息。
在本申请实施例中,可以先从招聘网站的所有招聘信息中确定出与目标标签关联的目标招聘信息,再获取目标招聘信息的优先级。示例地,可以根据目标招聘信息中每个招聘信息的被访问量或者被收藏量确定优先级,例如,被访问量越大,优先级越高。
根据目标招聘信息的优先级,可以对目标招聘信息进行排序,并依序向第一用户推荐目标招聘信息。例如,访问量大的招聘信息排在前面,使得用户可以优先浏览到热门的招聘信息。
另外,为了进一步满足用户的需求,可以根据用户的设置获取目标标签的优先级,例如目标标签中地域标签为地点A或地点B,其中地点A的优先级高于地点B的优先级,则可以优先推荐地域标签为地点A的目标招聘信息。
为了保证招聘网站后台系统运行的性能和效率,可以采用红黑树的形式向第一用户推荐目标招聘信息,由于红黑树是有序排序树,所以可以根据由根节点的访问路径快速获得概率范围内所对应的招聘信息,并将此显示出,最终形成了一个基于目标标签优先级以及目标标签内目标招聘信息优先级的推荐信息列表。
在一些实施例中,预设的优先级规则可以为:根据目标招聘信息的被访问量,通过加权随机算法进行优先级排序,其中,目标招聘信息的被访问量与加权随机算法的权重成负相关。
在本申请实施例中,为了避免热门招聘信息被重复推荐,导致招聘网站内有的招聘信息竞争过大,而有的招聘信息无人问津的情况,可以根据目标招聘信息的被访问量,通过加权随机算法进行优先级排序,且目标招聘信息的被访问量与加权随机算法的权重成负相关。换而言之,访问量越低的招聘信息所获得的随机权重越高,有更高的几率获得推荐的高优先级。这样,可以将被推荐机会更加合理地分配到目标标签下的各个招聘信息。
基于上述实施例提供的招聘信息推荐方法,本申请还提供了一种招聘信息推荐装置的实施例。
图2示出了本申请另一个实施例提供的招聘信息推荐装置的结构示意图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图2,招聘信息推荐装置200可以包括:
第一获取模块201,用于获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值,N为正整数;
第一确定模块202,用于根据第一评分值和第二评分值,从N个第二用户中确定目标用户;
第二确定模块203,用于根据目标用户,确定第三招聘信息;
第二获取模块204,用于获取第三招聘信息的目标标签,其中,目标标签为预设的M个标签中的至少一个标签,M个标签是对预设数据库中的多个招聘信息按照预设分类规则进行分类得到,M为正整数;
推荐模块205,用于根据目标标签,向第一用户推荐目标招聘信息,目标招聘信息为与目标标签相关联的招聘信息。
在一些实施例中,上述第二确定模块203可以包括:
第一获取单元,用于获取目标用户针对第四招聘信息的第三评分值,第四招聘信息区别于第一招聘信息;
预测单元,用于根据第一评分值和第三评分值,预测第一用户针对第四招聘信息的第四评分值;
第一确定单元,用于根据第一评分值和第四评分值,从第一招聘信息和第四招聘信息中确定满足预设评分值条件的第三招聘信息。
在一些实施例中,上述第一确定模块202可以包括:
第二确定单元,用于根据第一评分值和第二评分值,确定第一用户与每个第二用户的相似度;
第三确定单元,用于将相似度满足预设相似度条件的第二用户确定为目标用户。
在一些实施例中,上述第二确定单元具体可以用于:
根据第一评分值和第二评分值,通过余弦相似度算法或者相关性相似度算法,计算第一用户与每个第二用户的相似度。
在一些实施例中,上述推荐模块205可以包括:
第四确定单元,用于根据目标标签,确定与目标标签关联的目标招聘信息;
第二获取单元,用于按照预设的优先级规则,获取目标招聘信息的优先级;
推荐单元,用于根据目标招聘信息的优先级,依序向第一用户推荐目标招聘信息。
在一些实施例中,上述预设的优先级规则可以为:根据目标招聘信息的被访问量,通过加权随机算法进行优先级排序,其中,目标招聘信息的被访问量与加权随机算法的权重成负相关。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,与本申请方法实施例基于同一构思,是与上述招聘信息推荐方法对应的装置,上述方法实施例中所有实现方式均适用于该装置的实施例中,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
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,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图3示出了本申请又一个实施例提供的电子设备的硬件结构示意图。
设备可以包括处理器301以及存储有程序指令的存储器302。
处理器301执行程序时实现上述任意各个方法实施例中的步骤。
示例性的,程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器302中,并由处理器301执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列程序指令段,该指令段用于描述程序在设备中的执行过程。
具体地,上述处理器301可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器302可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器302可在综合网关容灾设备的内部或外部。在特定实施例中,存储器302是非易失性固态存储器。
存储器可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本公开的一方面的方法所描述的操作。
处理器301通过读取并执行存储器302中存储的程序指令,以实现上述实施例中的任意一种方法。
在一个示例中,电子设备还可包括通信接口303和总线310。其中,处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线310可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有程序指令;该程序指令被处理器执行时实现上述实施例中的任意一种方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能模块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网格被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,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,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,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,上述描述的系统、模块和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。应理解,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。
Claims (10)
1.一种招聘信息推荐方法,其特征在于,包括:
获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值,N为正整数;
根据所述第一评分值和所述第二评分值,从所述N个第二用户中确定目标用户;
根据所述目标用户,确定第三招聘信息;
获取所述第三招聘信息的目标标签,其中,所述目标标签为预设的M个标签中的至少一个标签,所述M个标签是对预设数据库中的多个招聘信息按照预设分类规则进行分类得到,M为正整数;
根据所述目标标签,向所述第一用户推荐目标招聘信息,所述目标招聘信息为与所述目标标签相关联的招聘信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标用户,确定第三招聘信息,包括:
获取目标用户针对第四招聘信息的第三评分值,所述第四招聘信息区别于所述第一招聘信息;
根据所述第一评分值和所述第三评分值,预测所述第一用户针对所述第四招聘信息的第四评分值;
根据所述第一评分值和所述第四评分值,从所述第一招聘信息和所述第四招聘信息中确定满足预设评分值条件的第三招聘信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第一评分值和所述第二评分值,从所述N个第二用户中确定目标用户,包括:
根据第一评分值和所述第二评分值,确定所述第一用户与每个所述第二用户的相似度;
将所述相似度满足预设相似度条件的第二用户确定为目标用户。
4.根据权利要求3所述的方法,其特征在于,所述根据第一评分值和所述第二评分值,确定所述第一用户与每个所述第二用户的相似度,包括:
所述根据第一评分值和所述第二评分值,通过余弦相似度算法或者相关性相似度算法,计算所述第一用户与每个所述第二用户的相似度。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标标签,向所述第一用户推荐目标招聘信息,包括:
根据所述目标标签,确定与所述目标标签关联的目标招聘信息;
按照预设的优先级规则,获取所述目标招聘信息的优先级;
根据所述目标招聘信息的优先级,依序向所述第一用户推荐目标招聘信息。
6.根据权利要求5所述的方法,其特征在于,所述预设的优先级规则为:
根据所述目标招聘信息的被访问量,通过加权随机算法进行优先级排序,其中,所述目标招聘信息的被访问量与所述加权随机算法的权重成负相关。
7.一种招聘信息推荐装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一用户针对第一招聘信息的第一评分值,以及N个第二用户针对第二招聘信息的第二评分值,N为正整数;
第一确定模块,用于根据所述第一评分值和所述第二评分值,从所述N个第二用户中确定目标用户;
第二确定模块,用于根据所述目标用户,确定第三招聘信息;
第二获取模块,用于获取所述第三招聘信息的目标标签,其中,所述目标标签为预设的M个标签中的至少一个标签,所述M个标签是对预设数据库中的多个招聘信息按照预设分类规则进行分类得到,M为正整数;
推荐模块,用于根据所述目标标签,向所述第一用户推荐目标招聘信息,所述目标招聘信息为与所述目标标签相关联的招聘信息。
8.根据权利要求7所述的装置,其特征在于,所述第二确定模块,包括:
第一获取单元,用于获取目标用户针对第四招聘信息的第三评分值,所述第四招聘信息区别于所述第一招聘信息;
预测单元,用于根据所述第一评分值和所述第三评分值,预测所述第一用户针对所述第四招聘信息的第四评分值;
第一确定单元,用于根据所述第一评分值和所述第四评分值,从所述第一招聘信息和所述第四招聘信息中确定满足预设评分值条件的第三招聘信息。
9.一种电子设备,其特征在于,所述设备包括:处理器以及存储有程序指令的存储器;
所述处理器执行所述程序指令时实现如权利要求1-6任意一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质上存储有程序指令,所述程序指令被处理器执行时实现如权利要求1-6任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403107.7A CN114090643A (zh) | 2021-11-24 | 2021-11-24 | 招聘信息推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111403107.7A CN114090643A (zh) | 2021-11-24 | 2021-11-24 | 招聘信息推荐方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114090643A true CN114090643A (zh) | 2022-02-25 |
Family
ID=80303863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111403107.7A Pending CN114090643A (zh) | 2021-11-24 | 2021-11-24 | 招聘信息推荐方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114090643A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115687762A (zh) * | 2022-10-31 | 2023-02-03 | 北京淘友天下技术有限公司 | 职位邀约方法、装置、电子设备、存储介质及程序产品 |
-
2021
- 2021-11-24 CN CN202111403107.7A patent/CN114090643A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115687762A (zh) * | 2022-10-31 | 2023-02-03 | 北京淘友天下技术有限公司 | 职位邀约方法、装置、电子设备、存储介质及程序产品 |
CN115687762B (zh) * | 2022-10-31 | 2023-11-07 | 北京淘友天下技术有限公司 | 职位邀约方法、装置、电子设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229668B (zh) | 一种基于关键词匹配的正文抽取方法 | |
CN100565526C (zh) | 一种针对网页作弊的反作弊方法及系统 | |
CN110602045B (zh) | 一种基于特征融合和机器学习的恶意网页识别方法 | |
CN110674312B (zh) | 构建知识图谱方法、装置、介质及电子设备 | |
CN107153656A (zh) | 一种信息搜索方法和装置 | |
CN108959550B (zh) | 用户关注点挖掘方法、装置、设备及计算机可读介质 | |
CN112000748A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
CN110727787A (zh) | 案件文本匹配方法、装置、电子设备和存储介质 | |
CN108984735B (zh) | 标签词库更新方法、装置及电子设备 | |
CN111651670A (zh) | 基于用户行为图谱的内容检索方法、装置终端和存储介质 | |
CN108664605B (zh) | 一种模型评估方法及系统 | |
CN114090643A (zh) | 招聘信息推荐方法、装置、设备及存储介质 | |
CN114706985A (zh) | 文本分类方法、装置、电子设备及存储介质 | |
CN110851708B (zh) | 负样本的抽取方法、装置、计算机设备和存储介质 | |
CN109064067B (zh) | 基于互联网的金融风险运营主体判定方法及装置 | |
CN114625973B (zh) | 一种匿名信息跨域推荐方法、装置、电子设备及存储介质 | |
CN113656586A (zh) | 情感分类方法、装置、电子设备及可读存储介质 | |
CN113064984A (zh) | 意图识别方法、装置、电子设备及可读存储介质 | |
CN110059272B (zh) | 一种页面特征识别方法和装置 | |
CN113722484A (zh) | 基于深度学习的谣言检测方法、装置、设备及存储介质 | |
CN112328752A (zh) | 基于搜索内容的课程推荐方法、装置、计算机设备及介质 | |
CN111401959B (zh) | 风险群体的预测方法、装置、计算机设备及存储介质 | |
CN115525731B (zh) | 基于改进pagerank算法的网页权重计算方法、装置及电子设备 | |
CN113723522B (zh) | 异常用户的识别方法、装置、电子设备以及存储介质 | |
CN116414776A (zh) | 监控视频的检索方法、装置、设备及存储介质 |
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 |