CN114691965A - 简历推荐方法、岗位推荐方法、电子设备 - Google Patents
简历推荐方法、岗位推荐方法、电子设备 Download PDFInfo
- Publication number
- CN114691965A CN114691965A CN202011593936.1A CN202011593936A CN114691965A CN 114691965 A CN114691965 A CN 114691965A CN 202011593936 A CN202011593936 A CN 202011593936A CN 114691965 A CN114691965 A CN 114691965A
- Authority
- CN
- China
- Prior art keywords
- post
- resume
- data
- target
- description data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 239000013598 vector Substances 0.000 claims abstract description 181
- 239000000470 constituent Substances 0.000 claims abstract description 74
- 238000012216 screening Methods 0.000 claims abstract description 14
- 238000012512 characterization method Methods 0.000 claims description 53
- 238000004590 computer program Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000012015 optical character recognition Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013070 change management Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开是关于一种简历推荐方法、岗位推荐方法、电子设备。该方法包括：获取岗位描述数据，所述岗位描述数据包括非结构化数据；获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量确定表征所述岗位描述数据的岗位表征信息；将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历。本实施例中通过将岗位描述数据中非结构化数据转换为结构化数据的效果，可以获得能够体现岗位描述数据的岗位描述的全部信息即岗位表征信息，从而实现在岗位描述数据包括非结构化数据的场景下准确匹配出目标简历的效果。
Description
技术领域
本公开涉及数据处理技术领域，尤其涉及一种简历推荐方法、岗位推荐方法、电子设备。
背景技术
随着互联网技术的发展，当企业需要招聘人员时，工作人员通常会在简历数据库输入岗位需求，若在搜索过程中会输入岗位描述关键词，则可以快速检索到相匹配的简历。实际应用中，由于对岗位描述关键词缺少必要的了解，工作人员经常输入一句或者一段自然语言进行搜索，当该自然语言内未包含关键词时，将无法与简历数据库中的简历数据进行匹配，从而无法获得目标简历。
发明内容
本公开提供一种简历推荐方法、岗位推荐方法、电子设备，以解决相关技术的不足。
根据本公开实施例的第一方面，提供一种简历推荐方法，包括：
获取岗位描述数据，所述岗位描述数据包括非结构化数据；
获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；
根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量确定表征所述岗位描述数据的岗位表征信息；
将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历。
可选地，获取所述岗位描述数据中各个构成词所对应的词向量的权重，包括：
获取预设的岗位描述向量集合，所述岗位描述向量集合包括多个岗位描述向量，所述岗位描述向量是岗位描述关键词对应的词向量；
根据各个构成词的词向量与所述岗位描述向量集合之间的距离，确定各个构成词的词向量对应的权重。
可选地，将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历，包括：
获取所述简历数据库中候选简历的简历表征信息；
根据简历匹配模型对所述岗位表征信息与所述简历表征信息进行匹配，得到所述岗位表征信息与所述简历表征信息之间的距离值，所述距离值用于表示所述岗位表征信息与所述简历表征信息之间的匹配度；
基于所述距离值对所述简历数据库中候选简历进行排序，获得候选简历的排序结果；
根据排序结果选取至少一个候选简历作为目标简历。
可选地，所述简历匹配模型是利用样本简历集合进行训练的，所述方法还包括：
获取目标简历对应的更新的简历数据；
基于所述更新的简历数据更新所述目标简历对应的简历表征信息；
将更新后目标简历的简历表征信息加入所述样本简历集合。
可选地，所述岗位描述数据包括以下至少一种：岗位数据库中已有的岗位描述数据、岗位数据库中的新增加的岗位描述数据，通过搜索框获取的岗位描述数据。
可选地，所述岗位表征信息包括多个维度上对岗位进行描述的信息，所述简历表征信息包括多个维度上对简历进行描述的信息，并且所述岗位表征信息和所述简历表征信息包含至少一个相同的维度。
根据本公开实施例的第二方面，提供一种岗位推荐方法，包括：
获取简历数据的简历表征信息；
将所述简历表征信息与岗位数据库中候选岗位的岗位表征信息进行匹配，选取至少一个候选岗位作为目标岗位；
所述岗位表征信息通过以下方式获取包括：
获取所述岗位数据库中候选岗位的岗位描述数据，所述岗位描述数据包括非结构化数据；
获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；
根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量获得表征所述岗位描述数据的岗位表征信息。
可选地，将所述简历表征信息与岗位数据库中候选岗位的岗位表征信息进行匹配，包括：
获得所述简历表征信息与所述岗位表征信息之间的距离值，所述距离值用于表示所述岗位表征信息与所述简历表征信息之间的匹配度；
基于所述距离值对所述岗位数据库中候选岗位进行排序，获得候选岗位的排序结果；
根据排序结果选取至少一个候选岗位作为目标岗位。
可选地，获取所述岗位描述数据中各个构成词所对应的词向量的权重，包括：
获取预设的岗位描述向量集合，所述岗位描述向量集合包括多个岗位描述向量，所述岗位描述向量是岗位描述关键词对应的词向量；
根据各个构成词的词向量与所述岗位描述向量集合之间的距离，确定各个构成词的词向量对应的权重。
根据本公开实施例的第三方面，提供一种简历推荐装置，包括：
岗位数据获取模块，被配置为执行获取岗位描述数据，所述岗位描述数据包括非结构化数据；
词向量获取模块，被配置为执行获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；
岗位信息获取模块，被配置为执行根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量确定表征所述岗位描述数据的岗位表征信息；
目标简历获取模块，被配置为执行将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历。
可选地，所述词向量获取模块包括：
集合获取单元，被配置为执行获取预设的岗位描述向量集合，所述岗位描述向量集合包括多个岗位描述向量，所述岗位描述向量是岗位描述关键词对应的词向量；
权重获取单元，被配置为执行根据各个构成词的词向量与所述岗位描述向量集合之间的距离，确定各个构成词的词向量对应的权重。
可选地，所述目标简历获取模块包括：
信息获取单元，被配置为执行获取所述简历数据库中候选简历的简历表征信息；
距离值获取单元，被配置为执行根据简历匹配模型对所述岗位表征信息与所述简历表征信息进行匹配，得到所述岗位表征信息与所述简历表征信息之间的距离值，所述距离值用于表示所述岗位表征信息与所述简历表征信息之间的匹配度；
结果获取单元，被配置为执行基于所述距离值对所述简历数据库中候选简历进行排序，获得候选简历的排序结果；
简历获取单元，被配置为执行根据排序结果选取至少一个候选简历作为目标简历。
可选地，所述简历匹配模型是利用样本简历集合进行训练的，所述装置还包括：
简历数据更新模块，被配置为执行获取目标简历对应的更新的简历数据；
表征信息更新模块，被配置为执行基于所述更新的简历数据更新所述目标简历对应的简历表征信息；
样本集合更新模块，被配置为执行将更新后目标简历的简历表征信息加入所述样本简历集合。
可选地，所述岗位描述数据包括以下至少一种：岗位数据库中已有的岗位描述数据、岗位数据库中的新增加的岗位描述数据，通过搜索框获取的岗位描述数据。
可选地，所述岗位表征信息包括多个维度上对岗位进行描述的信息，所述简历表征信息包括多个维度上对简历进行描述的信息，并且所述岗位表征信息和所述简历表征信息包含至少一个相同的维度。
根据本公开实施例的第四方面，提供一种岗位推荐装置，包括：
岗位信息获取模块，被配置为执行获取简历数据的简历表征信息；
目标岗位获取模块，被配置为执行将所述简历表征信息与岗位数据库中候选岗位的岗位表征信息进行匹配，选取至少一个候选岗位作为目标岗位；
岗位信息获取模块，被配置为执行获取岗位表征信息，包括：
岗位数据获取单元，被配置为执行获取所述岗位数据库中候选岗位的岗位描述数据，所述岗位描述数据包括非结构化数据；
词向量获取单元，被配置为执行获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；
岗位信息获取单元，被配置为执行根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量获得表征所述岗位描述数据的岗位表征信息。
可选地，所述目标岗位获取模块包括：
距离值获取单元，被配置为执行获得所述简历表征信息与所述岗位表征信息之间的距离值，所述距离值用于表示所述岗位表征信息与所述简历表征信息之间的匹配度；
排序结果获取单元，被配置为执行基于所述距离值对所述岗位数据库中候选岗位进行排序，获得候选岗位的排序结果；
目标岗位获取单元，被配置为执行根据排序结果选取至少一个候选岗位作为目标岗位。
可选地，所述词向量获取单元包括：
集合获取子单元，被配置为执行获取预设的岗位描述向量集合，所述岗位描述向量集合包括多个岗位描述向量，所述岗位描述向量是岗位描述关键词对应的词向量；
权重获取子单元，被配置为执行根据各个构成词的词向量与所述岗位描述向量集合之间的距离，确定各个构成词的词向量对应的权重。
根据本公开实施例的第五方面，提供一种电子设备，包括：
处理器；
用于存储所述处理器可执行的计算机程序的存储器；
其中，所述处理器被配置为执行所述存储器中的计算机程序，以实现如上述的方法。
根据本公开实施例的第六方面，提供一种计算机可读存储介质，当所述存储介质中的可执行的计算机程序由处理器执行时，能够实现如上述的方法。
根据本公开实施例的第七方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果：
由上述实施例可知，本公开实施例可以获取岗位描述数据，所述岗位描述数据包括非结构化数据；然后，获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；之后，根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量获得确定表征所述岗位描述数据的岗位表征信息；最后，将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历。这样，本实施例中通过将岗位描述数据中非结构化数据转换为结构化数据的效果，可以获得能够体现岗位描述数据的岗位描述的全部信息即岗位表征信息，从而实现在岗位描述数据包括非结构化数据的场景下准确匹配出目标简历的效果，可以提升检索效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种简历推荐方法的流程图。
图2是根据一示例性实施例示出的获取词向量权重的流程图。
图3是根据一示例性实施例示出的一种获取目标岗位的流程图。
图4是根据一示例性实施例示出的一种简历推荐装置的框图。
图5是根据一示例性实施例示出的一种岗位推荐装置的框图。
图6是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性所描述的实施例并不代表与本公开相一致的所有实施例。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置例子。
为解决上述技术问题，本公开实施例提供了一种简历推荐方法，图1是根据一示例性实施例示出的一种简历推荐方法的流程图，应用于电子设备，该电子设备可以是移动终端、服务器等。参见图1，一种简历推荐方法，包括步骤11～步骤14：
在步骤11中，获取岗位描述数据，所述岗位描述数据包括非结构化数据。
本实施例中，电子设备可以获取岗位描述数据，可以包括但不限于职位描述、基本信息(如职位类别、所属部门、工作地点、汇报对象、招聘人数)、其他要求(年龄要求、语言要求、学历要求、海外经历)、公司介绍等。
其中，职位描述可以包括：“1.分析公司公有云网络架构和运行状况，进行网络深度优化与架构调整；2.负责公司公有云主干网络的架构规划和设计，具体比如负责多云数据中心互联互通网络架构(包括WAN和LAN)的设计和建设，进行技术解决方案的讨论、定型和实施；3.负责公司软件定义网络SDN、SDWAN、虚拟交换网络架构设计与管控设计；4.负责制订云计算环境下的网络技术规范，包括互联接入、IP规划、互联互通、安全防护等技术规范落地建设；5.负责网络运维体系建设，包括网络统一管理和维护，包括故障处置、配置管理、变更管理、事件管理、风险管理和问题管理等运维体系规范与落地；6.对网络体系、网络安全管理策略和方案的设计、实施、监测、持续优化”。
需要说明的是，该岗位描述数据的获取方式可以包括以下至少一种：
一示例中，用户可以将待招聘人员的岗位及其岗位描述数据增加到岗位数据库中，在检测到岗位数据库中增加岗位描述数据后，电子设备可以获取到上述岗位描述数据。或者，电子设备可以获取岗位数据库中的已有的岗位描述数据。
考虑到岗位数据库可能设置有管理系统等，在输入岗位数据库之前，用户可以先行注册，在注册后可以通过账户和密码登陆到管理系统中，从而可以对岗位数据库中对应岗位进行管理，如增加、删除或者修改等。
需要说明的是，若用户有招聘人员的需求，在录入岗位的过程中用户通常仅考虑到录入数据的过程，并未考虑到实时匹配推荐的情况。即相关技术中电子设备获取岗位描述数据后仅存储。而本示例中，发明人考虑到上述情况，可以预先获取岗位描述数据后执行本公开的简历推荐方法。相应地，可以在操作界面中设置相应的控制选项，例如显示目标简历，或者将目标简历推送给用户，推送方式可以包括但不限于邮箱、私信或者短信等。这样，用户可以根据具体场景并利用控制选项来制定适合自身的推荐策略，如仅显示排序前十名的目标简历，或者将排序前三名的目标简历发送到指定邮箱。
另一示例中，用户可以在搜索栏内输入岗位描述数据，如“会系统架构设计的工程师”，在输入完成后可以触发表征开始搜索的确认按键。在检测到确认按键被触发后，电子设备可以获取到搜索栏内的岗位描述数据。
实际应用中，岗位描述数据并不局限于文本内容，还可以是图片或者视频等文件，此时电子设备可以利用预先设置的图像识别算法来提取图片或视频中的文本内容，获得岗位描述数据。其中图像识别算法可以包括但不限于光学字符识别算法(OCR，OpticalCharacter Recognition)、场景文字识别算法(STR，Scene Text Recognition)等，相应方案落入本公开的保护范围。
实际应用中，很多用户并不清楚岗位描述关键词，在输入岗位描述数据时通常会输入自然语言，如“我想找一个负责过超大规模高并发项目的资深工程师”。换言之，本实施例中岗位描述数据包括非结构化数据，和/或结构化数据。
在步骤12中，获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重。
本实施例中，电子设备内可以获取岗位描述数据中的各个构成词。例如，将岗位描述数据转换成文本数据，然后对文本数据进行分词，分词之后去除无用的标签、特殊符号和停用词等，将剩下词作为构成词。电子设备内可以预设构成词和词向量的对应关系，将各个构成词转换成词向量，即获得各个构成词对应的词向量。
本实施例中，电子设备可以获取各个构成词对应词向量的权重。参见图2，在步骤21中，电子设备可以获取预设的岗位描述向量集合，岗位描述向量集合包括多个岗位描述向量，岗位描述向量是岗位描述关键词对应的词向量。例如，岗位描述关键词可以包括但不限于：年龄、性别、职业、工作经历、组织、审批、协议、估算等等。在步骤22中，电子设备可以获取各个构成词的词向量和岗位描述向量集合之间的距离，该距离可以包括以下至少一种：相似度、kmeans距离；并根据各个构成词的词向量与岗位描述向量集合之间的距离，确定各个构成词的词向量对应的权重。例如，电子设备内可以预先存储距离和权重的对应关系，根据距离和对应关系可以确定出各词向量对应的权重，实际应用中，还可以对权重进行归一化处理，在此不作限定。
可理解的是，步骤22中通过获取每个构成词对应词向量的权重，可以体现出构成词是一个关键词的概率；即步骤22中可以通过权重建立了构成词与岗位描述关键词之间的关联关系，有利于后续步骤获取岗位表征信息。
在步骤13中，根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量获得确定表征所述岗位描述数据的岗位表征信息。
本实施例中，电子设备可以预先存储筛选条件，该筛选条件可以包括以下至少一种：权重超过预设权重阈值，预设数量个词向量。以权重超过预设权重阈值为例，电子设备可以比较各个词向量的权重与预设权重阈值，从而得到至少一个目标词向量。以预设数量(如10)个词向量为例，电子设备可以根据权重对词向量进行排序，获取权重较大的10个词向量，这10个词向量即是目标词向量。
可理解的是，本实施例中根据筛选条件选择出目标词向量，该目标词向量实质上是岗位描述数据中能够体现出对岗位描述的词向量。换言之，本实施例中从岗位描述数据中可以提取出其最能够体现出对岗位描述的构成词，作为岗位描述关键词来使用。
本实施例中，电子设备可以根据至少一个目标词向量确定表征上述岗位描述数据的岗位表征信息。例如，电子设备可以拼接至少一个目标词向量获得一维或者多维向量，该一维或者多维向量作为表征岗位描述数据的岗位表征信息。又如，电子设备可以从岗位描述关键词中为每个构成词匹配数个同义词或者近义词，这样，至少一个目标构成词对应的词向量和同义词或者近义词对应的词向量可以拼接成一个多维向量，该多维向量作为表征岗位描述数据的岗位表征信息。
可理解的是，本实施例中根据目标词向量确定岗位表征信息，可以将岗位描述数据中非结构化数据转换为结构化数据，可以方便后续岗位表征信息与简历表征信息进行匹配。或者说，本实施例中通过将非结构化数据转换成结构化数据，可以获得表征岗位描述数据的中所有构成词的有效构成词，避免相关技术中从非结构化数据中无法提取出构成词，而影响后续匹配或者匹配准确率低的问题。
在步骤14中，将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历。
本实施例中，电子设备可以存储预设的简历数据库，该简历数据库内包括若干份候选简历和各份候选简历对应的简历表征信息。上述简历数据库可以通过以下步骤获取：电子设备可以获取多份简历数据。该多份简历数据包括以下至少一种：内部简历数据和外部简历数据。其中，内部简历数据是指从本地数据库中获取的简历数据，即可理解为用户自有的简历数据。外部简历数据是指从用户从合作方获取的简历数据，和/或，从互联网上获取的简历数据。电子设备可以提取各份简历数据中简历内容，获得简历内容中各个构成词对应的词向量，以及词向量对应的权重。然后，电子设备可以选择满足筛选条件的词向量确定表征简历内容的简历表征信息。
本实施例中，电子设备可以利用简历匹配模型对岗位表征信息与简历数据库中的候选简历的简历表征信息进行匹配，计算出岗位表征信息和简历表征信息之间的距离值，该距离值可以包括但不限于：欧式距离、杰卡德相似系数、夹角余弦值等，即距离值用于表示岗位表征信息与简历表征信息之间的匹配度。然后，电子设备可以基于距离值对简历数据库中的候选简历进行排序，获得排序结果。最后，电子设备可以根据排序结果选取至少一个候选简历作为目标简历，例如距离值最小的至少一个候选简历作为目标简历。
需要说明的是，上述简历匹配模型可以包括但不限于：1，简单的图算法：生成树算法、最短路算法、二分图匹配、费用流问题等；2，概率图模型：将条件概率表达为图结构，并进一步挖掘，如有条件随机场等；3，图神经网络：研究图结构数据挖掘的问题，如图嵌入(graph embedding)，Graph CNN等。技术人员可以根据具体场景选择合适的简历匹配模型，在获取简历表征信息和岗位表征信息的距离值的情况下，相应方案落入本公开的保护范围。
本实施例中，当用户选择显示目标简历或者推荐目标简历，或者搜索简历时，可以将上述目标简历推荐给用户，达到实时反馈匹配结果的效果。
在一实施例中，用户会根据上述目标简历与对应的候选人进行沟通、面试、录用等，用户或者候选人可以根据面试数据来更新目标简历对应的简历数据。此时，电子设备可以获取上述目标简历对应的更新的简历数据，然后基于更新的简历数据更新目标简历对应的简历表征信息。之后，电子设备可以将更新后的简历表征信息加入样本简历集合中。这样，电子设备可以利用更新后的样本简历集合对上述简历匹配模型重新训练，并在后续的简历匹配过程中利用更新后的简历匹配算法匹配出目标简历，从而提升匹配结果的准确度。
至此，本公开实施例可以获取岗位描述数据，所述岗位描述数据包括非结构化数据；然后，获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；之后，根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量获得确定表征所述岗位描述数据的岗位表征信息；最后，将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历。这样，本实施例中通过将岗位描述数据中非结构化数据转换为结构化数据的效果，可以获得能够体现岗位描述数据的岗位描述的全部信息即岗位表征信息，从而实现在岗位描述数据包括非结构化数据的场景下准确匹配出目标简历的效果。
图3是根据一示例性实施例示出的一种岗位推荐方法的流程图，应用于电子设备，该电子设备可以是移动终端、服务器等。参见图3，一种岗位推荐方法，包括步骤31～步骤33：
在步骤31中，获取简历数据的简历表征信息。
本实施例中，电子设备可以获取候选人的简历数据。该简历数据可以包括但不限于：基本信息(例如姓名、年龄、性别、学历、电话、邮箱)，求职意向、教育背景、实习经验和技能等。
该简历数据的获取方式可以包括：候选人可以将自己的简历上传到简历数据库。例如，候选人查出登陆到简历数据库的管理系统，然后按照管理系统的要求上传一份简历文档(word、PDF或者在线简历的网址)，或者在线填写一份简历，从而可以将简历数据输入到简历数据库。电子设备在检测到简历数据库有更新后，可以获取到上述更新的简历数据。
实际应用中，候选人并非直接输入文本内容，还有可能上传图片格式的简历，此时电子设备可以利用预先设置的图像识别算法来提取图片中的文本内容。其中图像识别算法可以包括但不限于光学字符识别算法(OCR，Optical Character Recognition)、场景文字识别算法(STR，Scene Text Recognition)等，相应方案落入本公开的保护范围。
本实施例中，电子设备可以提取各份简历数据中简历内容，获得简历内容中各个构成词对应的词向量，以及词向量对应的权重。然后，电子设备可以选择满足筛选条件的词向量确定表征简历内容的简历表征信息。其中，简历表征信息的获取方式可以参见步骤13中岗位表征信息的获取方式，在此不再赘述。
在步骤32中，将所述简历表征信息与岗位数据库中候选岗位的岗位表征信息进行匹配，选取至少一个候选岗位作为目标岗位。
本实施例中，电子设备可以获取岗位数据库中候选岗位的岗位表征信息，包括：
首先，电子设备可以获取岗位数据库中候选岗位的岗位描述数据，该岗位描述数据包括非结构化数据。
然后，电子设备可以获取岗位描述数据中各个构成词所对应的词向量以及词向量所对应的权重。例如，电子设备可以获取预设的岗位描述向量集合，该岗位描述向量集合包括多个岗位描述向量，岗位描述向量是岗位描述关键词对应的词向量。电子设备可以根据各个构成词的词向量与所述岗位描述向量集合之间的距离，确定各个构成词的词向量对应的权重。可理解的是，本示例中通过获取每个构成词对应词向量的权重，可以体现出构成词是一个关键词的概率；即本示例中可以通过权重建立了构成词与岗位描述关键词之间的关联关系，有利于后续步骤获取岗位表征信息。
之后，电子设备可以根据权重从各个构成词中选择满足筛选条件的目标词向量，可理解的是，本实施例中根据筛选条件选择出目标词向量，该目标词向量实质上是岗位描述数据中能够体现出对岗位描述的词向量。换言之，本实施例中从岗位描述数据中可以提取出其最能够体现出对岗位描述的构成词，作为岗位描述关键词来使用。并且，电子设备可以根据选出的至少一个目标词向量获得表征所述岗位描述数据的岗位表征信息。本实施例中根据目标词向量确定岗位表征信息，可以将岗位描述数据中非结构化数据转换为结构化数据，可以方便后续岗位表征信息与简历表征信息进行匹配。或者说，本实施例中通过将非结构化数据转换成结构化数据，可以获得表征岗位描述数据的中所有构成词的有效构成词，避免相关技术中从非结构化数据中无法提取出构成词，而影响后续匹配或者匹配准确率低的问题。
需要说明的是，步骤32中获取岗位表征信息的方式可以参见步骤13中岗位表征信息的获取方式，在此不再赘述。
本实施例中，电子设备可以将简历表征信息与岗位数据库中候选岗位的岗位表征信息进行匹配，选取至少一个候选岗位作为目标岗位。这样，本实施例中通过将岗位描述数据中非结构化数据转换为结构化数据的效果，可以获得能够体现岗位描述数据的岗位描述的全部信息即岗位表征信息，从而实现在岗位描述数据包括非结构化数据的场景下准确匹配出目标岗位的效果。
图4是根据一示例性实施例示出的一种简历推荐装置的框图，应用于电子设备，该电子设备可以是移动终端、服务器等。参见图4，一种简历推荐装置，包括：
岗位数据获取模块41，被配置为执行获取岗位描述数据，所述岗位描述数据包括非结构化数据；
词向量获取模块42，被配置为执行获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；
岗位信息获取模块43，被配置为执行根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量确定表征所述岗位描述数据的岗位表征信息；
目标简历获取模块44，被配置为执行将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历。
在一实施例中，所述词向量获取模块包括：
集合获取单元，被配置为执行获取预设的岗位描述向量集合，所述岗位描述向量集合包括多个岗位描述向量，所述岗位描述向量是岗位描述关键词对应的词向量；
权重获取单元，被配置为执行根据各个构成词的词向量与所述岗位描述向量集合之间的距离，确定各个构成词的词向量对应的权重。
在一实施例中，所述目标简历获取模块包括：
信息获取单元，被配置为执行获取所述简历数据库中候选简历的简历表征信息；
距离值获取单元，被配置为执行根据简历匹配模型对所述岗位表征信息与所述简历表征信息进行匹配，得到所述岗位表征信息与所述简历表征信息之间的距离值，所述距离值用于表示所述岗位表征信息与所述简历表征信息之间的匹配度；
结果获取单元，被配置为执行基于所述距离值对所述简历数据库中候选简历进行排序，获得候选简历的排序结果；
简历获取单元，被配置为执行根据排序结果选取至少一个候选简历作为目标简历。
在一实施例中，所述简历匹配模型是利用样本简历集合进行训练的，所述装置还包括：
简历数据更新模块，被配置为执行获取目标简历对应的更新的简历数据；
表征信息更新模块，被配置为执行基于所述更新的简历数据更新所述目标简历对应的简历表征信息；
样本集合更新模块，被配置为执行将更新后目标简历的简历表征信息加入所述样本简历集合。
在一实施例中，所述岗位描述数据包括以下至少一种：岗位数据库中已有的岗位描述数据、岗位数据库中的新增加的岗位描述数据，通过搜索框获取的岗位描述数据。
在一实施例中，所述岗位表征信息包括多个维度上对岗位进行描述的信息，所述简历表征信息包括多个维度上对简历进行描述的信息，并且所述岗位表征信息和所述简历表征信息包含至少一个相同的维度。
可理解的是，本公开实施例提供的装置与上述图1所示方法相对应，具体内容可以参考方法各实施例的内容，在此不再赘述。
图5是根据一示例性实施例示出的一种岗位推荐装置的框图，应用于电子设备，该电子设备可以是移动终端、服务器等。参见图5，一种简历推荐装置，包括：
岗位信息获取模块51，被配置为执行获取简历数据的简历表征信息；
目标岗位获取模块52，被配置为执行将所述简历表征信息与岗位数据库中候选岗位的岗位表征信息进行匹配，选取至少一个候选岗位作为目标岗位；
岗位信息获取模块53，被配置为执行获取岗位表征信息，包括：
岗位数据获取单元，被配置为执行获取所述岗位数据库中候选岗位的岗位描述数据，所述岗位描述数据包括非结构化数据；
词向量获取单元，被配置为执行获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；
岗位信息获取单元，被配置为执行根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量获得表征所述岗位描述数据的岗位表征信息。
在一实施例中，所述目标岗位获取模块包括：
距离值获取单元，被配置为执行获得所述简历表征信息与所述岗位表征信息之间的距离值，所述距离值用于表示所述岗位表征信息与所述简历表征信息之间的匹配度；
排序结果获取单元，被配置为执行基于所述距离值对所述岗位数据库中候选岗位进行排序，获得候选岗位的排序结果；
目标岗位获取单元，被配置为执行根据排序结果选取至少一个候选岗位作为目标岗位。
在一实施例中，所述词向量获取单元包括：
集合获取子单元，被配置为执行获取预设的岗位描述向量集合，所述岗位描述向量集合包括多个岗位描述向量，所述岗位描述向量是岗位描述关键词对应的词向量；
权重获取子单元，被配置为执行根据各个构成词的词向量与所述岗位描述向量集合之间的距离，确定各个构成词的词向量对应的权重。
可理解的是，本公开实施例提供的装置与上述图3所示方法相对应，具体内容可以参考方法各实施例的内容，在此不再赘述。
图6是根据一示例性实施例示出的一种电子设备的框图。参照图6，电子设备600可以包括以下一个或多个组件：处理组件602，存储器604，电源组件606，多媒体组件608，音频组件610，输入/输出(I/O)的接口612，传感器组件614，通信组件616，以及图像采集组件618。
处理组件602通常控制电子设备600的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件602可以包括一个或多个处理器620来执行指令。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块，以方便多媒体组件608和处理组件602之间的交互。
存储器604被配置为存储各种类型的数据以支持在电子设备600的操作。这些数据的示例包括用于在电子设备600上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件606为电子设备600的各种组件提供电力。电源组件606可以包括电源管理系统，一个或多个电源，及其他与为电子设备600生成、管理和分配电力相关联的组件。
多媒体组件608包括在电子设备600和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件608包括一个前置摄像头和/或后置摄像头。当电子设备600处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件610被配置为输出和/或输入音频信号。例如，音频组件610包括一个麦克风(MIC)，当电子设备600处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器604或经由通信组件616发送。在一些实施例中，音频组件610还包括一个扬声器，用于输出音频信号。
I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件614包括一个或多个传感器，用于为电子设备600提供各个方面的状态评估。例如，传感器组件614可以检测到电子设备600的打开/关闭状态，组件的相对定位，例如所述组件为电子设备600的显示器和小键盘，传感器组件614还可以检测电子设备600或电子设备600一个组件的位置改变，用户与电子设备600接触的存在或不存在，电子设备600方位或加速/减速和电子设备600的温度变化。传感器组件614可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件614还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件614还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件616被配置为便于电子设备600和其他设备之间有线或无线方式的通信。电子设备600可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件616经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件616还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在本公开一实施例中，电子设备600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法的步骤。
在本公开一实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器604，上述指令可由电子设备600的处理器620能够执行上述方法的步骤。
在本公开一实施例中，还提供了一种计算机程序产品，当该计算机程序产品由电子设备的处理器执行时，使得所述电子设备能够执行上述方法的步骤。
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“包括一个……”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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置/服务器/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖上述各实施例的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种简历推荐方法，其特征在于，包括：
获取岗位描述数据，所述岗位描述数据包括非结构化数据；
获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；
根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量确定表征所述岗位描述数据的岗位表征信息；
将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历。
2.根据权利要求1所述的方法，其特征在于，获取所述岗位描述数据中各个构成词所对应的词向量的权重，包括：
获取预设的岗位描述向量集合，所述岗位描述向量集合包括多个岗位描述向量，所述岗位描述向量是岗位描述关键词对应的词向量；
根据各个构成词的词向量与所述岗位描述向量集合之间的距离，确定各个构成词的词向量对应的权重。
3.根据权利要求1所述的方法，其特征在于，将所述岗位表征信息与简历数据库中候选简历的简历表征信息进行匹配，获得目标简历，包括：
获取所述简历数据库中候选简历的简历表征信息；
根据简历匹配模型对所述岗位表征信息与所述简历表征信息进行匹配，得到所述岗位表征信息与所述简历表征信息之间的距离值，所述距离值用于表示所述岗位表征信息与所述简历表征信息之间的匹配度；
基于所述距离值对所述简历数据库中候选简历进行排序，获得候选简历的排序结果；
根据排序结果选取至少一个候选简历作为目标简历。
4.根据权利要求3所述的方法，其特征在于，所述简历匹配模型是利用样本简历集合进行训练的，所述方法还包括：
获取目标简历对应的更新的简历数据；
基于所述更新的简历数据更新所述目标简历对应的简历表征信息；
将更新后目标简历的简历表征信息加入所述样本简历集合。
5.根据权利要求1所述的方法，其特征在于，所述岗位描述数据包括以下至少一种：岗位数据库中已有的岗位描述数据、岗位数据库中的新增加的岗位描述数据，通过搜索框获取的岗位描述数据。
6.一种岗位推荐方法，其特征在于，包括：
获取简历数据的简历表征信息；
将所述简历表征信息与岗位数据库中候选岗位的岗位表征信息进行匹配，选取至少一个候选岗位作为目标岗位；
所述岗位表征信息通过以下方式获取包括：
获取所述岗位数据库中候选岗位的岗位描述数据，所述岗位描述数据包括非结构化数据；
获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；
根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量获得表征所述岗位描述数据的岗位表征信息。
7.一种岗位推荐装置，其特征在于，包括：
岗位信息获取模块，被配置为执行获取简历数据的简历表征信息；
目标岗位获取模块，被配置为执行将所述简历表征信息与岗位数据库中候选岗位的岗位表征信息进行匹配，选取至少一个候选岗位作为目标岗位；
岗位信息获取模块，被配置为执行获取岗位表征信息，包括：
岗位数据获取单元，被配置为执行获取所述岗位数据库中候选岗位的岗位描述数据，所述岗位描述数据包括非结构化数据；
词向量获取单元，被配置为执行获取所述岗位描述数据中各个构成词所对应的词向量以及所述词向量所对应的权重；
岗位信息获取单元，被配置为执行根据所述权重从各个构成词中选择满足筛选条件的目标词向量，并根据选出的至少一个目标词向量获得表征所述岗位描述数据的岗位表征信息。
8.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行的计算机程序的存储器；
其中，所述处理器被配置为执行所述存储器中的计算机程序，以实现如权利要求1～6任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，当所述存储介质中的可执行的计算机程序由处理器执行时，能够实现如权利要求1～6任一项所述的方法。
10.一种计算机程序产品，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1～6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011593936.1A CN114691965A (zh) | 2020-12-29 | 2020-12-29 | 简历推荐方法、岗位推荐方法、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011593936.1A CN114691965A (zh) | 2020-12-29 | 2020-12-29 | 简历推荐方法、岗位推荐方法、电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114691965A true CN114691965A (zh) | 2022-07-01 |
Family
ID=82132638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011593936.1A Pending CN114691965A (zh) | 2020-12-29 | 2020-12-29 | 简历推荐方法、岗位推荐方法、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114691965A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105159962A (zh) * | 2015-08-21 | 2015-12-16 | 北京全聘致远科技有限公司 | 职位推荐方法与装置、简历推荐方法与装置、招聘平台 |
| CN107590133A (zh) * | 2017-10-24 | 2018-01-16 | 武汉理工大学 | 基于语义的招聘职位与求职简历匹配的方法及系统 |
| CN110378544A (zh) * | 2018-04-12 | 2019-10-25 | 百度在线网络技术（北京）有限公司 | 一种人岗匹配分析方法、装置、设备和介质 |
| CN111241811A (zh) * | 2020-01-06 | 2020-06-05 | 平安科技（深圳）有限公司 | 确定搜索词权重的方法、装置、计算机设备和存储介质 |
| CN111984784A (zh) * | 2020-07-17 | 2020-11-24 | 北京嘀嘀无限科技发展有限公司 | 人岗匹配方法、装置、电子设备和存储介质 |
| CN112136126A (zh) * | 2018-03-23 | 2020-12-25 | 株式会社半导体能源研究所 | 文件检索系统、文件检索方法、程序以及非暂时性计算机可读存储介质 |
-
2020
- 2020-12-29 CN CN202011593936.1A patent/CN114691965A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105159962A (zh) * | 2015-08-21 | 2015-12-16 | 北京全聘致远科技有限公司 | 职位推荐方法与装置、简历推荐方法与装置、招聘平台 |
| CN107590133A (zh) * | 2017-10-24 | 2018-01-16 | 武汉理工大学 | 基于语义的招聘职位与求职简历匹配的方法及系统 |
| CN112136126A (zh) * | 2018-03-23 | 2020-12-25 | 株式会社半导体能源研究所 | 文件检索系统、文件检索方法、程序以及非暂时性计算机可读存储介质 |
| CN110378544A (zh) * | 2018-04-12 | 2019-10-25 | 百度在线网络技术（北京）有限公司 | 一种人岗匹配分析方法、装置、设备和介质 |
| CN111241811A (zh) * | 2020-01-06 | 2020-06-05 | 平安科技（深圳）有限公司 | 确定搜索词权重的方法、装置、计算机设备和存储介质 |
| CN111984784A (zh) * | 2020-07-17 | 2020-11-24 | 北京嘀嘀无限科技发展有限公司 | 人岗匹配方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109800325B (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
| CN107612893B (zh) | 短信的审核系统和方法以及构建短信审核模型方法 | |
| US9811536B2 (en) | Categorizing captured images for subsequent search | |
| US8132151B2 (en) | Action tags | |
| US20220083964A1 (en) | Package delivery verification | |
| CN107330019A (zh) | 搜索方法及装置 | |
| CN103914559A (zh) | 筛选网络用户的方法及装置 | |
| TW201539210A (zh) | 個人資訊管理服務系統 | |
| US20200050906A1 (en) | Dynamic contextual data capture | |
| CN113792195B (zh) | 跨系统的数据获取方法、装置、计算机设备和存储介质 | |
| CN114691965A (zh) | 简历推荐方法、岗位推荐方法、电子设备 | |
| CN113609380B (zh) | 标签体系更新方法、搜索方法、装置以及电子设备 | |
| CN112784151A (zh) | 一种确定推荐信息的方法及相关装置 | |
| CN115718801A (zh) | 文本处理方法、模型的训练方法、装置、设备及存储介质 | |
| CN113157923B (zh) | 实体分类方法、装置及可读存储介质 | |
| CN115146633A (zh) | 一种关键词识别方法、装置、电子设备及存储介质 | |
| CN104506696A (zh) | 一种移动终端通讯录联系人信息输入提示的方法及系统 | |
| CN110288272B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN113256379A (zh) | 一种为商品关联购物需求的方法 | |
| CN110471538B (zh) | 一种输入预测方法及装置 | |
| CN112800084A (zh) | 一种数据处理方法及装置 | |
| KR102012002B1 (ko) | 콘텐츠 공유 방법 및 콘텐츠 공유 서버 | |
| KR101700301B1 (ko) | 주소록 관리 시스템 및 방법 | |
| CN111368161A (zh) | 一种搜索意图的识别方法、意图识别模型训练方法和装置 | |
| CN114422812B (zh) | 直播方法、装置、电子设备、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 |