CN114090878A - 职位推荐方法、装置、电子设备、可读介质及程序产品 - Google Patents

Abstract

实施例提供了一种职位推荐方法、装置、电子设备及计算机可读存储介质，涉及大数据领域。该方法包括：获取目标用户的求职信息；确定所述求职信息所属的第一职位类别；确定与所述第一职位类别存在关联关系的第二职位类别；根据所述第一职位类别和所述第二职位类别确定待推荐职位。本申请实施例避免了仅仅向用户推荐有包含关键词字面意思的职位，能够向用户推荐全面的、符合用户要求的职位。

Description

职位推荐方法、装置、电子设备、可读介质及程序产品

技术领域

本申请涉及大数据技术领域，具体而言，本申请涉及一种职位推荐方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

背景技术

随着计算机网络技术的飞速发展，越来越多的求职者和招聘方开始使用互联网进行网上求职或网上招聘，网上求职或网上招聘能够在很大程度上实现当今社会的人才交流。作为第三方平台的招聘网站和招聘APP为求职者和招聘方提供了这样的一个交流平台。

现有方案为用户推荐职位是根据用户的设定的职位关键词匹配出该职位对应的招聘信息，再根据该招聘信息的发布时间、招聘信息对应的招聘方的活跃度以及关键词匹配度确定各个招聘方的招聘信息的展示顺序或展示位置，进而根据各个招聘信息的展示顺序或展示位置将招聘信息推荐给用户，比如求职者用户甲搜索“新媒体运营”这一职位，第三方平台在后端经过计算后，会匹配出招聘“新媒体运营”的招聘方发布的招聘信息，进而根据各个招聘方的活跃度、招聘信息发布时间以及关键词匹配度将各个招聘方的招聘信息展示给用户甲。

很明显，上述的职位推荐存在很大的局限性，比如用户甲搜索“新媒体运营”，搜索逻辑只会出分词之后包含“新”、“媒体”、“运营”的职位，不会出现微信运营、微博运营...这些职位，但是三者之间只是名称不同，但这些职位的人才画像是基本相同的，由此可见，现有方案推荐的职位不全面，推荐的职位比较狭隘。

发明内容

本申请实施例提供了一种职位推荐的方法、装置、电子设备、计算机可读存储介质及计算机程序产品，可以解决职位推荐不全面的问题。所述技术方案如下：

根据本申请实施例的一个方面，提供了一种职位推荐的方法，该方法包括：

获取目标用户的求职信息；

确定求职信息所属的第一职位类别；

确定与第一职位类别存在关联关系的第二职位类别；

根据第一职位类别和第二职位类别确定待推荐职位。

在一个可能的实现方式中，确定求职信息所属的第一职位类别，包括：

将求职信息输入至预先建立的第一职位识别模型中，得到第一职位识别模型输出的第一职位类别；第一职位识别模型以样本用户的求职信息作为训练样本，以样本用户的求职信息所属的第一职位类别为训练标签训练而成的。

在一个可能的实现方式中，确定与第一职位类别存在关联关系的第二职位类别，包括：

从预先构建的职位数据字典中确定与第一职位类别存在关联关系的第二职位类别；职位数据字典包括各个第一职位类别，和与相应各个第一职位类别存在关联关系的第二职位类别。

在一个可能的实现方式中，根据第一职位类别和第二职位类别确定待推荐职位，之前还包括：

获取数据库中各个招聘职位以及招聘职位对应的职位信息；

将各个招聘职位的职位信息输入至预先建立的第二职位模型中，得到第二职位模型输出的第三职位类别；第二职位模型以样本招聘职位的招聘信息为训练样本，以样本招聘职位所属的第三职位类别为训练标签训练而成；

建立各个招聘职位以及各个招聘职位对应的第三职位类别之间的关联关系，将各个招聘职位、各个招聘职位对应的第三职位类别以及各个招聘职位与第三职位类别之间的关联关系存储至数据库。

在一个可能的实现方式中，分别确定第一职位类别和第二职位类别对应的待推荐职位，还包括：

从数据库查找与第一职位类别相同的第三职位类别，根据第三职位类别以及与第三职位类别与招聘职位之间的关联关系从数据库中获取第三职位类别对应的招聘职位，确定第三职位类别对应的招聘职位为第一职位类别对应的待推荐职位；

从数据库查找与第二职位类别相同的第三职位类别，根据第三职位类别以及与第三职位类别与招聘职位之间的关联关系从数据库中获取第三职位类别对应的招聘职位，确定第三职位类别对应的招聘职位为第二职位类别对应的待推荐职位。

在一个可能的实现方式中，根据第一职位类别和第二职位类别确定待推荐职位，之后还包括：

将待推荐职位以及待推荐职位的招聘信息推荐给目标用户。

在一个可能的实现方式中，将待推荐职位推荐给目标用户，包括：

确定各个待推荐职位的推荐顺序；

根据推荐顺序将各个待推荐职位推荐给目标用户。

在一个可能的实现方式中，确定各个待推荐职位的推荐顺序，包括：

获取至少一个影响力因子和各个影响力因子对应的影响力权重；影响力因子是指影响待推荐职位的推荐顺序的因素；

计算至少一个影响力因子的影响力值；

根据至少一个影响力因子的影响力值以及各个影响力因子对应的影响力权重确定各个待推荐职位的推荐顺序。

根据本申请实施例的另一个方面，提供了一种职位推荐装置，该装置包括：

获取模块，用于获取目标用户的求职信息；

第一职位类别确定模块，用于确定求职信息所属的第一职位类别；

第二职位类别确定模块，用于确定与第一职位类别存在关联关系的第二职位类别；

待推荐职位确定模块，用于根据第一职位类别和第二职位类别确定待推荐职位。

根据本申请实施例的另一个方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面所提供的方法的步骤。

根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。

根据本申请实施例的又一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机指令，该计算机指令存储在计算机可读存储介质中，当计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行实现如第一方面所提供的方法的步骤。

本申请实施例提供的技术方案带来的有益效果是：本申请实施例通过获取目标用户的求职信息；确定求职信息所属的第一职位类别；确定与第一职位类别存在关联关系的第二职位类别；根据第一职位类别和第二职位类别确定推荐职位待推荐职位，避免了仅仅向用户推荐有包含关键词字面意思的职位，能够向用户推荐全面的、符合用户要求的职位。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1为本申请实施例提供的一种职位推荐的方法的流程示意图；

图2为本申请实施例提供的第一职位类别和第一职位类别存在关联关系的第二职位类别示意图；

图3为本申请实施例提供确定各个招聘职位的第三职位类别的示意图；

图4为本申请实施例提供的一种职位推荐装置的结构示意图；

图5为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面结合本申请中的附图描述本申请的实施例。应理解，下面结合附图所阐述的实施方式，是用于解释本申请实施例的技术方案的示例性描述，对本申请实施例的技术方案不构成限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“”和“该”也可包括复数形式。应该进一步理解的是，本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件，但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解，当我们称一个元件被“连接”或“耦接”到另一元件时，该一个元件可以直接连接或耦接到另一元件，也可以指该一个元件和另一元件通过中间元件建立连接关系。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个，例如“A和/或B”指示实现为“A”，或者实现为“A”，或者实现为“A和B”。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

首先对本申请涉及的几个名词进行介绍和解释：

数据字典是指对数据的数据项、数据结构、数据流、数据存储、处理逻辑等进行定义和描述，其目的时对数据流程图总的各个元素做出详细的说明，使用数据字典为简单的建模项目。简而言之，数据字典是描述数据的信息集合，是对系统中使用的所有数据元素的定义的集合。

现如今求职者网上求职和招聘方网上招聘员工已成为主流，对于求职者而言，求职者可以在招聘网站或招聘APP上填写自己的简历，搜索职位关键词，作为第三方平台的招聘网站或招聘APP会根据求职者输入的关键词和简历信息为用户推荐招聘方发布的招聘信息，例如求职者用户甲搜索“新媒体运营”这样这一职位，第三方平台在后端经过计算后，招聘“新媒体运营”的招聘方发布的招聘信息，进而根据各个招聘方的活跃度、招聘信息发布时间以及关键词匹配度将各个招聘方的招聘信息展示给用户甲。

很明显，上述的职位推荐存在很大的局限性，比如用户甲搜索“新媒体运营”，搜索逻辑只会出分词之后包含“新”、“媒体”、“运营”的职位，不会出现微信运营、微博运营...这些职位，但是三者之间只是叫法不同，但职位的实质是相同的，由此可见，现有方案推荐的职位不全面，推荐的职位比较狭隘。

本申请提供的职位推荐方法、装置、电子设备、计算机可读存储介质以及计算机程序产品，旨在解决现有技术的如上技术问题。

下面通过对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是，下述实施方式之间可以相互参考、借鉴或结合，对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等，不再重复描述。

本申请实施例中提供了一种职位推荐的方法，如图1所示，该方法包括：

步骤S101，获取目标用户的求职信息。

本申请实施例目标用户是指求职者，意图在网上找工作的用户。

本申请实施例求职信息是指目标用户的简历信息，目标用户的求职信息是向目标用户推荐职位的依据，可以包括目标用户的求职偏好或求职意向、目标用户的工作经历等，在目标用户有求职偏好或求职意向时，可以以用户的求职偏好或求职意向为核心推荐依据，当没有求职偏好或求职意向时，可以以目标用户的近两端工作经历为核心推荐依据。

具体而言，例如用户甲的求职信息包括：求职意向：软件开发；意向薪水：10000—12000；工作经历：

工作经历1：

时间：2010年9月-2016年6月

公司：A公司

职位：java工程师

描述：使用java进行后端开发……。

工作经历2：2016年7月-至今

公司：B公司

职位：研发主管

描述：通过……。

本申请实施例在获得用户授权后，获得用户的求职信息。

步骤S102，确定求职信息所属的第一职位类别。

本申请实施例在经过目标用户授权后，获取目标用户的求职信息，并确定求职信息所属的第一职位类别。

本申请实施例第一职位类别是直接根据用户的求职信息获得的，例如用户的求职意向是“Java开发”，工作经历中有“Java工程师”、“java开发”、“Java后端”等词汇时，可以根据这些求职信息确定第一职位类别为“Java”。

需要强调的是，本申请实施例第一职位类别指的是目标用户的求职信息所属的职位类别，第一职位类别并不是等同于职位名称，可能和职位名称相同。

步骤S103，确定与第一职位类别存在关联关系的第二职位类别。

本申请实施例第一职位类别是根据目标用户的求职信息直接获得的，第二职位类别是和第一职位类别存在关联关系的职位类别，第二职位类别对应的人才画像和第一职位类别对应的人才画像有很高的相似度，若某职位类别对应的人才画像和第一职位类别对应的人才画像之间的相似度高于预设相似度，则可以确定该职位类别为与该第一职位类别存在关联关系的第二职位类别。

如图2所示，其示例性示出了第一职位类别和第一职位类别存在关联关系的第二职位类别，其中，若第一职位类别为后端开发，则与第一职位类别后端开发存在关联关系的第二职位类别有python、Node.js、C语言、GoLang、C++、java、PHP等；若第一职位类别PHP，则与第一职位类别存在关联关系的第二职位类别有后端开发。

步骤S104，根据第一职位类别和第二职位类别确定待推荐职位。

本申请实施例根据第一职位类别和第二职位类别确定待推荐职位，若某招聘职位的职位类别为第一职位类别或第二职位类别，则可确定该招聘职位为待推荐职位。

比如第一职位类别为Java，第二职位类别有python、Node.js、C语言、GoLang、C++、java、PHP等，那么可确定职位类别为Java的招聘职位为待推荐职位，同样可以确定职位类别为python、Node.js、C语言、GoLang、C++、java、PHP的招聘职位为待推荐职位。

本申请实施例通过获取目标用户的求职信息；确定求职信息所属的第一职位类别；确定与第一职位类别存在关联关系的第二职位类别；根据第一职位类别和第二职位类别确定推荐职位待推荐职位，避免了仅仅向用户推荐有包含关键词字面意思的职位，能够向用户推荐全面的、符合用户要求的职位。

本申请实施例提供了一种可能的实现方式，确定求职信息所属的第一职位类别，包括：

将将求职信息输入至预先建立的第一职位识别模型中，得到第一职位识别模型输出的第一职位类别；第一职位识别模型以样本用户的求职信息作为训练样本，以样本用户的求职信息所属的第一职位类别为训练标签训练而成的。

本申请实施例第一职位类别是指求职信息对应的职位类别，比如“Java工程师、Java开发、Java研发、Java高级开发工程师、Java后端”所属的第一职位类别为“Java”等等。

本申请实施例第一识别模型是以样本用户的求职信息作为训练样本，以样本用户的求职信息所属的第一职位类别为训练标签训练而成的。具体而言，例如样本用户的求职信息中包括“Java工程师、Java开发、Java研发、Java高级开发工程师、Java后端”等信息，可得到对应的训练标签为“Java”，即对应的第一职位类别为“Java”，例如用户有的求职信息中包括“后端开发、使用java进行后端开发、后端研发”等信息，可得到对应的训练标签为“后端”，即得到的第一职位类别为“后端”。

本申请实施例在对第一识别模型进行训练时，每个第一职位类别都是经由大量样本用户的求职信息获得的，在模型训练完成，可识别用户的求职信息所属的第一职位类别。

本申请实施例提供了一种可能的实现方式，确定与第一职位类别存在关联关系的第二职位类别，包括：

从预先构建的职位数据字典中确定与第一职位类别存在关联关系的第二职位类别；职位数据字典中包括各个第一职位类别，和与相应各个第一职位类别存在关联关系的第二职位类别。

本申请实施例数据字典中包括各个第一职位类别和与各个第一职位类别存在关联关系的第二职位类别，第一职位类别和第二职位类别的名称可能不相同，但二者之间的人才画像的相似度较高，如图2所示，图2所显示的内容即为数据字典中存储的内容，若第一职位类别为后端开发，则与第一职位类别后端开发存在关联关系的第二职位类别有python、Node.js、C语言、GoLang、C++、java、PHP等，其他第一职位类别对应的第二职位类别在此不再进行一一举例。

本申请实施例提供了一种可能的实现方式，如图3所示，其示例性示出了确定各个招聘职位的第三职位类别的流程示意图，根据第一职位类别和第二职位类别确定待推荐职位，之前还包括：

步骤S301，获取数据库中各个招聘职位以及招聘职位对应的职位信息。

招聘方在进行职位招聘时，会在第三方平台上发布其对应的招聘职位的职位信息，职位信息包括职位名称、招聘要求等，招聘方在第三方平台上发布招聘职位以及招聘职位对应的职位信息后，这些信息就会被存储在第三方平台对应的数据库中，可从数据库中获取各个招聘职位以及招聘职位对应的职位信息。

步骤S302，将将各个招聘职位的职位信息输入至预先建立的第二职位模型中，得到第二职位模型输出的第三职位类别；第二职位模型以样本招聘职位的招聘信息为训练样本，以样本招聘职位所属的第三职位类别为训练标签训练而成。

本申请实施例第一识别模型时以样本用户的求职信息为训练样本，以样本用户所属的第一职位类别为训练标签训练而成，第一识别模型能够识别目标用户的求职信息所属的第一职位类别。

本申请实施例除了第一识别模型之外，还有第二识别模型，第二识别模型是以招聘职位的招聘信息为训练样本，以招聘职位所属的第三职位类别为训练标签训练而成的，将招聘职位的职位信息输入至第二识别模型，可得到第二识别模型输出的第三职位类别。

具体而言，例如招聘方招聘职位为Java工程师，招聘信息为“职位名称：java工程师招聘要求：精通Java编程……”，可得到该招聘职位对应的第三职位类别为“Java”。

本申请实施例第一职位类别是指目标用户所属的职位类别，第二职位类别是与第一职位类别存在关联关系的职位类别，第三职位类别是指招聘职位所属的职位类别，本申请实施例第一职位类别、第二职位类别以及第三职位类别都是职位类别，只是针对的对象不同。

步骤S303,建立各个招聘职位以及各个招聘职位对应的第三职位类别之间的关联关系，将各个招聘职位、各个招聘职位对应的第三职位类别以及各个招聘职位与第三职位类别之间的关联关系存储至数据库。

本申请实施例在确定出各个招聘职位所属的第三职位类别之后，建立各个招聘职位以及各个招聘职位对应的第三职位类别之间的关联关系，并将各个第三职位类别之间的关联关系存储至数据库。

本申请实施例提供了一种可能的实现方式，分别确定第一职位类别和第二职位类别对应的待推荐职位，还包括：

从数据库查找与第一职位类别相同的第三职位类别，根据第三职位类别以及与第三职位类别与招聘职位之间的关联关系从数据库中获取第三职位类别对应的招聘职位，确定第三职位类别对应的招聘职位为第一职位类别对应的待推荐职位；

从数据库查找与第二职位类别相同的第三职位类别，根据第三职位类别以及与第三职位类别与招聘职位之间的关联关系从数据库中获取第三职位类别对应的招聘职位，确定第三职位类别对应的招聘职位为第二职位类别对应的待推荐职位。

本申请实施例在确定出目标用户的求职信息所属的第一职位类别之后，以及与第一职位类别存在关联关系的第二职位类别之后，分别确定与第一职位类别和第二职位类别对应的待推荐职位。

具体地，可以从数据库中查找与第一职位类别相同的第三职位类别，比如目标的求职信息所属的第一职位类别为“Java”，可直接通过索引的方式从数据库中查找职位类别同样为“Java”的第三职位类别，在确定出与第一职位类别相同的第三职位类别之后，根据第三职位类别以及第三职位类别与招聘职位之间的关联关系从数据库中获取第三职位类别对应的招聘职位，第三职位类别对应的招聘职位有多个，比如招聘方A的招聘职位为java工程师，招聘方B的招聘职位同样问java工程师，招聘方C的招聘职位为java研发工程师等等，在确定出第三职位类别对应的各个招聘职位之后，确定第三职位类别对应的招聘职位为第一职位类别对应的待推荐职位。

同样的，可以从数据库中查找和第二职位类别相同的第三职位类别，查找和第二职位类别相同的第三职位类别的方式，和查找与第一职位类别相同的第三职位类别的方式相同，本申请实施例在此不再进行赘述。

本申请实施例从数据库中分别查找与第一职位类别和第二职位类别相同的第三职位类别，并将第三职位类别对应的招聘职位确定为待推荐职位。

本申请实施例提供了一种可能的实现方式，根据第一职位类别和第二职位类别确定带推荐职位，之后还包括：

将待推荐职位以及待推荐职位的招聘信息推荐给目标用户。

本申请实施例在确定出待推荐职位之后，将待推荐职位以及待推荐职位的招聘信息推荐给目标用户。

另外，本申请在对待推荐职位进行推荐之前，可以先对待推荐职位进行过滤，过滤出不符合条件的待推荐职位，比如：用户甲是A公司m部门，在进行职位推荐是，若确定A公司属于待推荐职位，可直接过滤掉A公司的招聘信息。

本申请实施例提供了一种可能的实现方式，将待推荐职位推荐给目标用户，包括：

确定各个待推荐职位的推荐顺序；

根据推荐顺序将各个待推荐职位推荐给目标用户。

本申请实施例在确定出各个待推荐职位之后，需确定出各个待推荐职位的推荐顺序，根据推荐职位的推荐顺序将各个推荐职位推荐给目标用户，详细内容见后续部分。

本申请实施例提供了一种可能的实现方式，确定各个待推荐职位的推荐顺序，包括：

获取至少一个影响力因子和各个影响力因子对应的影响力权重；影响力因子是指影响待推荐职位的推荐顺序的因素；

计算至少一个影响力因子的影响力值；

根据至少一个影响力因子的影响力值以及各个影响力因子对应的影响力权重确定各个待推荐职位的推荐顺序。

本申请实施例将影响待推荐职位的推荐顺序的因素称之为影响力因子。事实上，待推荐职位的推荐顺序受多种因素的影响，即一个待推荐职位由多个影响力因子。

现有方案在进行职位推荐时，仅仅根据招聘信息的发布时间、招聘信息对应的招聘方的活跃度以及关键词匹配度确定各个招聘方的招聘信息的展示顺序或展示位置，忽略其他因素的影响，导致给用户推荐的招聘信息的推荐顺序往往不符合用户所需。

本申请实施例影响力因子包括但不限于：职位相似度(职位相似度为求职信息的内容与招聘职位的招聘信息的内容之间的相似度)、学历、学校、公司、招聘方发布招聘职位的时间、招聘方的活跃度等。

本申请实施例每个影响力因子都有其对应的影响力权重，不同的影响力因子对应的影响力权重可能是不相同的，比如求职信息的内容与招聘职位的招聘信息的内容之间的相似度对应的影响力权重为0.5，学校对应的影响力权重为0.01，学历对应的影响力权重为0.01，公司对应的影响力权重为0.01，招聘方发布招聘职位的时间信息对应的影响力权重为0.05、招聘方的活跃度对应的影响力权重为0.04等，可根据实际情况设定各个影响力因子的影响力权重。

本申请实施例不同的影响力因子同样有不同的影响力值，以影响力因子为学历为例，学历的影响力值最高位1分，目标用户的求职信息中目标用户的学历是硕士，待推荐职位a的招聘职位对应的招聘信息中的学历要求为大专及以上，待推荐职位b的招聘职位对应的招聘信息中的学历要求为本科及以上，待推荐职位c的招聘职位对应的招聘信息中的学历要求为硕士及以上，那么可设定待推荐职位a、待推荐职位b以及待推荐职位c对应的学历的影响力值分别位0.6分、0.8分以及1分。

以影响力因子为职位相似度为例，职位相似度的值即为职位相似度的影响力值，计算职位相似度的值的过程如下：

从用户的求职信息中提取至少一个目标关键词，目标关键词为可以作为第一职位类别的特征词，例如行业词、技能词等。

具体提取目标关键词的过程为：对求职信息进行切词，获得各个分词可以使用切词软件进行切词；对标注各个分词的类别，包括行业词、技能词、无意义词以及泛词等；剔除无意义词以及泛词，获得行业词和技能词。

在获取至少一个目标关键词之后，获取各个目标关键词在求职信息中出现的次数(词频)，获取预先计算出的各个目标关键词的逆文本频率指数idf，根据各个目标关键词在简历中出现的次数和各个目标关键词的idf，计算各个目标关键词的特征值，并根据各个目标关键词的特征值计算出目标用户的求职信息的特征值。

另外，值得注意的是，求职信息中目标关键词的出现次数并非一定等于求职信息中目标关键词的实际出现的次数，对于一般文本而言，目标关键词的出现次数越多，说明目标关键词越重要，然而对于求职者的求职信息而言，当目标关键词的实际出现的次数大于预设出现次数时，已可以表示该目标关键词较为重要，无需以目标关键词的实际出现次数进行运算，可以以预设出现次数为目标关键词的次数代替实际出现次数，以此来简化后续运算。

具体而言，假设目标用户的求职信息中提取的目标关键词有旅行和电商，旅行出现的次数为1次，电商出现的次数为2次，旅行的idf为3，电商的idf为2，可以计算电商的特征分为＝√g(tf)*idf＝√2*2，旅行的特征分为＝√g(tf)*idf＝√1*3，则可以计算用户的求职信息的特征值∑g(tf)*idf＝√1*3+√2*2，其中g(tf)为目标关键词的出现次数，idf为目标关键词的逆文本频率指数。

获取各个目标关键词在待推荐职位的招聘信息中的出现次数，待推荐职位的招聘信息包括职位名称和招聘要求，根据各个目标关键词在职位名称和招聘要求中出现的次数以及各个目标关键词的idf计算各个目标关键词的特征值，进而计算各个招聘职位的特征值。

同样，值得注意的是，职位名称和招聘要求中目标关键词的出现次数越多代表目标关键词的重要程度越高，但实际运算时，无需使用目标关键词的实际出现次数参与运算，若职位名称和招聘要求中某目标关键词的实际出现次数超过预设出现次数，那么就直接默认目标关键词的出现次数为预设次数，其中职位名称中的出现次数不变，职位要求中的出现次数为预设次数减去职位名称中的出现次数，以此来简化计算特征分发计算。

具体而言，假设某待推荐职位的招聘信息的职位名称中目标关键词电商的次数为1次，招聘要求中目标关键词电商的实际出现次数为3次，旅行为1次，由于目标关键词电商的出现次数为1+3>＝3，则确定目标关键词电商在职位名称中的出现次数为1，在招聘要求中的出现次数为2，则可以确定目标关键词电商的特征分＝title(t)*idf+√g(tf)_名称*idf+√g(tf)_要求*idf＝1.5*2+√1*2+√2*2，目标关键词旅行的特征分＝√1*3，由此可以确定待推荐职位的特征分为：1.5*2+√1*2+√2*2+√1*3其中title(t)表示职位名称的权重，g(tf)_名称表示目标关键词的在职位名称中的出现次数；g(tf)_要求表示目标关键词在招聘要求中的出现次数，idf为逆文本频率指数。

其他待推荐职位的特征分可采用上述方法计算出，本申请实施例在此不再一一计算。

本申请实施例在确定出目标用户的求职信息的特征分和待推荐职位的特征分后，对目标用户的求职信息的特征分和待推荐职位的特征分进行归一化处理获得各个职位相似度，以使得能够进行相似度比较，本申请实施例对具体归一化手段不作限制。

具体而言，假设目标用户的求职信息的特征分为5，进行归一化处理之后的特征分为1，待推荐职位a的特征分为4，进行归一化处理之后的特征分为0.8，待推荐职位b的特征分为5，进行归一化处理之后的特征分为1，待推荐职位c的特征分为6，进行归一化处理之后的特征分为1，待推荐职位d的特征分为3，进行归一化处理之后的特征分为0.6，即待推荐职位的招聘信息和目标用户的求职信息之间的影响力值分别为1、0.8、1、1、0.6。

本申请实施例在确定出至少一个影响力因子的影响力值以及各个影响力因子对于的影响力权重确定各个待推荐职位的推荐值，根据各个待推荐职位的推荐值确定各个待推荐职位的推荐顺序。

延续上例，待推荐职位a、待推荐职位b以及待推荐职位c的学历的影响力值分别位0.6分、0.8分以及1分，影响力因子学历的影响力权重为0.01；待推荐职位a、待推荐职位b以及待推荐职位c与求职信息之间的影响力值分别为0.8、1以及1，职位相似度的影响力权重为0.5，待推荐职位a、待推荐职位b以及待推荐职位c的活跃度的影响力值分别为0.7、0.6、0.9，招聘方的活跃度对应的影响力权重为0.04，其他影响力因子的在此不再一一举例。

由上述可计算待推荐职位a、推荐职位b以及推荐职位c的推荐值分别为：

待推荐职位a的推荐值＝0.6*0.01+0.8*0.5+0.7*0.04＝0.434；

待推荐职位b的推荐值＝0.8*0.01+1*0.5+0.6*0.04＝0.532；

待推荐职位c的推荐值＝1*0.01+1*0.5+0.9*0.04＝0.546。

由此可确定待推荐职位a、待推荐职位b以及待推荐职位c之间的推荐顺序有先至后以此为推荐职位c>待推荐职位b>待推荐职位a。

本申请实施例根据至少一个影响力因子的影响力值以及各个影响力因子对应的影响力权重确定各个待推荐职位的推荐顺序，根据推荐顺序向目标用户推荐各个待推荐职位，考虑到较多影响力因子，使得获得的排序结果更加符合用户实际情况。

本申请实施例提供了一种职位推荐装置，如图4所示，该职位装置40可以包括：

获取模块410，用于获取目标用户的求职信息；

第一职位类别确定模块420，用于确定求职信息所属的第一职位类别；

第二职位类别确定模块430，用于确定与第一职位类别存在关联关系的第二职位类别；

待推荐职位确定模块440，用于根据第一职位类别和第二职位类别确定待推荐职位。

本申请实施例通过获取目标用户的求职信息；确定求职信息所属的第一职位类别；确定与第一职位类别存在关联关系的第二职位类别；根据第一职位类别和第二职位类别确定推荐职位待推荐职位，避免了仅仅向用户推荐有包含关键词字面意思的职位，能够向用户推荐全面的、符合用户要求的职位。

本申请实施例提供了一种可能的实现方式，第一职位类别确定模块具体用于将求职信息输入至预先建立的第一职位识别模型中，得到第一职位识别模型输出的第一职位类别；第一职位识别模型以样本用户的求职信息作为训练样本，以样本用户的求职信息所属的第一职位类别为训练标签训练而成的。

本申请实施例提供了一种可能的实现方式，第二职位类别确定模块具体用于从预先构建的职位数据字典中确定与第一职位类别存在关联关系的第二职位类别；职位数据字典包括各个第一职位类别，和与相应各个第一职位类别存在关联关系的第二职位类别。

本申请实施例提供了一种可能的实现方式，该装置还包括第三职位类别确定模块，第三职位类别确定模块包括：

职位信息获取子模块，用于获取数据库中各个招聘职位以及招聘职位对应的职位信息；

第三职位类别确定子模块，用于将各个招聘职位的职位信息输入至预先建立的第二职位模型中，得到第二职位模型输出的第三职位类别；第二职位模型以样本招聘职位的招聘信息为训练样本，以样本招聘职位所属的第三职位类别为训练标签训练而成；

存储子模块，用于建立各个招聘职位以及各个招聘职位对应的第三职位类别之间的关联关系，将各个招聘职位、各个招聘职位对应的第三职位类别以及各个招聘职位与第三职位类别之间的关联关系存储至数据库。

申请实施例提供了一种可能的实现方式，待推荐职位确定模块包括：

第一待推荐职位确定子模块，用于从数据库查找与第一职位类别相同的第三职位类别，根据第三职位类别以及与第三职位类别与招聘职位之间的关联关系从数据库中获取第三职位类别对应的招聘职位，确定第三职位类别对应的招聘职位为第一职位类别对应的待推荐职位；

第二待推荐职位确定子模块，用于从数据库查找与第二职位类别相同的第三职位类别，根据第三职位类别以及与第三职位类别与招聘职位之间的关联关系从数据库中获取第三职位类别对应的招聘职位，确定第三职位类别对应的招聘职位为第二职位类别对应的待推荐职位。

申请实施例提供了一种可能的实现方式，该装置还包括：

推荐模块，用于将待推荐职位以及待推荐职位的招聘信息推荐给目标用户。

本申请实施例提供了一种可能的实现方式，推荐模块包括：

推荐顺序确定子模块，用于确定各个待推荐职位的推荐顺序；

推荐子模块，用于根据推荐顺序将各个待推荐职位推荐给目标用户。

本申请实施例提供了一种可能的实现方式，推荐顺序确定子模块包括：

影响力因子获取单元，用于获取至少一个影响力因子和各个影响力因子对应的影响力权重；影响力因子是指影响待推荐职位的推荐顺序的因素；

影响力值计算单元，用于计算至少一个影响力因子的影响力值；

推荐顺序确定单元，用于根据至少一个影响力因子的影响力值以及各个影响力因子对应的影响力权重确定各个待推荐职位的推荐顺序。

本申请实施例的装置可执行本申请实施例所提供的方法，其实现原理相类似，本申请各实施例的装置中的各模块所执行的动作是与本申请各实施例的方法中的步骤相对应的，对于装置的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述，此处不再赘述。

本申请实施例中提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，该处理器执行上述计算机程序以实现职位推荐方法的步骤，与现有技术相比可实现本申请实施例通过获取目标用户的求职信息；确定求职信息所属的第一职位类别；确定与第一职位类别存在关联关系的第二职位类别；根据第一职位类别和第二职位类别确定推荐职位待推荐职位，避免了仅仅向用户推荐有包含关键词字面意思的职位，能够向用户推荐全面的、符合用户要求的职位。

在一个可选实施例中提供了一种电子设备，如图5所示，图5所示的电子设备5000包括：处理器5001和存储器5003。其中，处理器5001和存储器5003相连，如通过总线5002相连。可选地，电子设备5000还可以包括收发器5004，收发器5004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器5004不限于一个，该电子设备5000的结构并不构成对本申请实施例的限定。

处理器5001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器5001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线5002可包括一通路，在上述组件之间传送信息。总线5002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线5002可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器5003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质，在此不做限定。

存储器5003用于存储执行本申请实施例的计算机程序，并由处理器5001来控制执行。处理器5001用于执行存储器5003中存储的计算机程序，以实现前述方法实施例所示的步骤。

其中，电子设备包可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5所示的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。与现有技术相比可实现：本申请实施例通过获取目标用户的求职信息；确定求职信息所属的第一职位类别；确定与第一职位类别存在关联关系的第二职位类别；根据第一职位类别和第二职位类别确定推荐职位待推荐职位，避免了仅仅向用户推荐有包含关键词字面意思的职位，能够向用户推荐全面的、符合用户要求的职位。

需要说明的是，本公开上述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。

本申请实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。与现有技术相比可实现：本申请实施例通过获取目标用户的求职信息；确定求职信息所属的第一职位类别；确定与第一职位类别存在关联关系的第二职位类别；根据第一职位类别和第二职位类别确定推荐职位待推荐职位，避免了仅仅向用户推荐有包含关键词字面意思的职位，能够向用户推荐全面的、符合用户要求的职位。

应该理解的是，虽然本申请实施例的流程图中通过箭头指示各个操作步骤，但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明，否则在本申请实施例的一些实施场景中，各流程图中的实施步骤可以按照需求以其他的顺序执行。此外，各流程图中的部分或全部步骤基于实际的实施场景，可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行，这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下，这些子步骤或者阶段的执行顺序可以根据需求灵活配置，本申请实施例对此不限制。

以上仅是本申请部分实施场景的可选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请的方案技术构思的前提下，采用基于本申请技术思想的其他类似实施手段，同样属于本申请实施例的保护范畴。

Claims (12)

1.一种职位推荐方法，其特征在于，包括：

获取目标用户的求职信息；

确定所述求职信息所属的第一职位类别；

确定与所述第一职位类别存在关联关系的第二职位类别；

根据所述第一职位类别和所述第二职位类别确定待推荐职位。

2.根据权利要求1所述的方法，其特征在于，所述确定所述求职信息所属的第一职位类别，包括：

将所述求职信息输入至预先建立的第一职位识别模型中，得到所述第一职位识别模型输出的第一职位类别；所述第一职位识别模型以样本用户的求职信息作为训练样本，以样本用户的求职信息所属的第一职位类别为训练标签训练而成的。

3.根据权利要求1所述的方法，其特征在于，所述确定与所述第一职位类别存在关联关系的第二职位类别，包括：

从预先构建的职位数据字典中确定与所述第一职位类别存在关联关系的第二职位类别；所述职位数据字典包括各个第一职位类别，和与相应各个第一职位类别存在关联关系的第二职位类别。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一职位类别和所述第二职位类别确定待推荐职位，之前还包括：

获取数据库中各个招聘职位以及招聘职位对应的职位信息；

将各个招聘职位的职位信息输入至预先建立的第二职位模型中，得到所述第二职位模型输出的第三职位类别；所述第二职位模型以样本招聘职位的招聘信息为训练样本，以样本招聘职位所属的第三职位类别为训练标签训练而成；

建立各个招聘职位以及各个招聘职位对应的第三职位类别之间的关联关系，将各个招聘职位、各个招聘职位对应的第三职位类别以及各个招聘职位与第三职位类别之间的关联关系存储至数据库。

5.根据权利要求4所述的方法，其特征在于，所述分别确定所述第一职位类别和所述第二职位类别对应的待推荐职位，还包括：

从所述数据库查找与所述第一职位类别相同的第三职位类别，根据所述第三职位类别以及与所述第三职位类别与招聘职位之间的关联关系从所述数据库中获取所述第三职位类别对应的招聘职位，确定所述第三职位类别对应的招聘职位为所述第一职位类别对应的待推荐职位；

从所述数据库查找与所述第二职位类别相同的第三职位类别，根据所述第三职位类别以及与所述第三职位类别与招聘职位之间的关联关系从所述数据库中获取所述第三职位类别对应的招聘职位，确定所述第三职位类别对应的招聘职位为所述第二职位类别对应的待推荐职位。

6.根据权利要求1所述的方法，其特征在于，所述根据所述第一职位类别和所述第二职位类别确定待推荐职位，之后还包括：

将所述待推荐职位以及所述待推荐职位的招聘信息推荐给所述目标用户。

7.根据权利要求6所述的方法，其特征在于，所述将所述待推荐职位推荐给所述目标用户，包括：

确定各个待推荐职位的推荐顺序；

根据所述推荐顺序将各个待推荐职位推荐给所述目标用户。

8.根据权利要求7所述的方法，其特征在于，所述确定各个待推荐职位的推荐顺序，包括：

获取至少一个影响力因子和各个影响力因子对应的影响力权重；所述影响力因子是指影响待推荐职位的推荐顺序的因素；

计算所述至少一个影响力因子的影响力值；

根据所述至少一个影响力因子的影响力值以及各个影响力因子对应的影响力权重确定各个待推荐职位的推荐顺序。

9.一种职位推荐装置，其特征在于，包括：

获取模块，用于获取目标用户的求职信息；

第一职位类别确定模块，用于确定所述求职信息所属的第一职位类别；

第二职位类别确定模块，用于确定与所述第一职位类别存在关联关系的第二职位类别；

待推荐职位确定模块，用于根据所述第一职位类别和所述第二职位类别确定待推荐职位。

10.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-8任一项所述的方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法的步骤。

12.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的方法的步骤。

Images