CN115865777B - 一种基于rpa技术的招聘订单智能分发路由方法 - Google Patents

Abstract

本发明涉及分发路由技术领域，具体公开了一种基于RPA技术的招聘订单智能分发路由方法，用获取招聘订单需求企业的招聘需求，构建标签匹配神经网络模型，根据招聘需求为招聘订单需求企业标注需求标签；获取待分发的招聘订单，通过标签匹配神经网络模型为招聘订单标注需求标签，创建招聘订单分发任务，根据任务优先级形成任务队列，RPA机器人根据操作规则对招聘订单进行智能分发路由。本发明解决了现有技术对于企业的招聘需求了解不够深，为企业提供的招聘订单无法高度满足企业需求，招聘订单分发效率低，导致找工作难和招聘难的问题。

Description

一种基于RPA技术的招聘订单智能分发路由方法

技术领域

本发明涉及分发路由技术领域，尤其涉及一种基于RPA技术的招聘订单智能分发路由方法。

背景技术

目前市场上，企业希望招聘到自己所需要的技术人才，求职者希望可以找到自己满意的企业，但是目前因为信息的不完全公开化，导致很多企业和求职者不能够很好地进行沟通，而且如果招聘订单数量过多，没有能够及时处理，则会导致订单资源流失；因此需要及时对招聘订单进行智能分发处理，既解决企业招人难的问题，又解决找工作难的问题。

随着IT技术的普及，越来越多的企业由原先线下流程转为线上流程，在每天的标准工作时间内要处理的重复性线上工作也随之增加，为了解放这种重复劳作，机器人流程自动化(Robotic Process Automation，RPA)技术应运而生。通过RPA技术将招聘资源进行分发处理，不仅可以留住招聘订单、扩大人力资源管理公司的业务能力，而且也可以帮助企业更加快速地找到求职者。但是现有RPA机器人的功能单一，无法提供任务类型多样化、个性化的RPA服务。

我国专利申请号：CN202111532926.1，公开日：2022.03.22，公开了一种基于RPA及AI的公文文件分发方法、装置、设备及介质。其中，该方法包括：S1、对公文文件的内容进行识别，得到关键信息，该关键信息包括公文文件所属领域信息；S2、根据关键信息，确定用于接收公文文件的目标部门信息；S3、将公文文件按照对应的目标部门信息进行分发。通过采用上述技术方案，解决了人工处理公文文件效率和准确率低下的问题。

但上述技术至少存在如下技术问题：现有技术对于企业的招聘需求了解不够深，为企业提供的招聘订单无法高度满足企业需求，招聘订单分发效率低，导致找工作难和招聘难的问题难以解决。

发明内容

本发明通过提供一种基于RPA技术的招聘订单智能分发路由方法，深度挖掘企业对招聘人才的详细要求，优化招聘订单分发流程，为企业提供合适的人选，提高企业招聘效率，目的在于解决现有技术对于企业的招聘需求了解不够深，为企业提供的招聘订单无法高度满足企业需求，招聘订单分发效率低，导致找工作难和招聘难的问题。

本发明具体包括以下技术方案：

一种基于RPA技术的招聘订单智能分发路由方法，包括以下步骤：

S1. 获取招聘订单需求企业的招聘需求，构建标签匹配神经网络模型，根据招聘需求为招聘订单需求企业标注需求标签；

S2. 获取待分发的招聘订单，通过标签匹配神经网络模型为招聘订单标注需求标签，创建招聘订单分发任务，先根据任务优先级形成任务队列，在此中可基于当前招聘订单需求企业的需求标签，统计相同需求标签的数量，根据数量对需求标签进行排序，选取前K个需求标签作为优先指标；此后RPA机器人根据操作规则对招聘订单进行智能分发路由，此时基于每个招聘订单分发任务中的需求标签以及招聘订单需求企业的需求标签，将满足逻辑表达式组合规则的操作方法发送给 RPA 机器人，RPA 机器人根据操作规则的执行相应的指令，将招聘订单分发给对应招聘订单需求企业的端口，实现招聘订单的智能分发路由。

进一步，所述步骤S1具体包括：

构建标签匹配神经网络模型，将企业填写的历史招聘需求具体内容构成训练样本，作为标签匹配神经网络模型的输入，模型输入是从招聘需求具体内容文件中读取的文本信息；将每一类招聘需求对应的需求标签作为期望输出，对标签匹配神经网络模型进行深度学习。

进一步，所述步骤S1具体包括：

标签匹配神经网络模型包括输入层、第一隐含层、第二隐含层、第三隐含层和输出层。

进一步，所述步骤S1具体包括：

第一隐含层对输入的数据与数据库中预设的需求标签进行模糊匹配。

进一步，所述步骤S1具体包括：

由于第一隐含层仅为模糊匹配，误差率较高，第二隐含层引入深度学习因子，通过参数迭代优化，使匹配精确化。

进一步，所述步骤S1具体包括：

第三隐含层对每个神经元中的匹配结果与相似需求标签进行排除确认，确认匹配到的需求标签为最佳需求标签。

进一步，所述步骤S2具体包括：

将每个招聘订单及其路由信息进行打包，每个招聘订单有对应的路由信息，根据招聘订单的路由信息创建招聘订单分发任务。

进一步，所述步骤S2具体包括：

将待分发的招聘订单按照优先指标占比进行排序，排序越靠前表明招聘订单中符合优先指标的需求标签越多，根据招聘订单的权重和优先指标占比情况计算每个招聘订单的优先级。

本发明至少具有如下技术效果或优点：

1、构建标签匹配神经网络模型，根据招聘需求为招聘订单需求企业标注需求标签，基于标签匹配神经网络算法，具有很强的鲁棒性和容错性，具有很强的信息综合能力，可以提高匹配的适配程度，深度挖掘企业对招聘人才的详细要求，以便为企业推荐更加合适的人选，提高企业的招聘效率。

2、创建招聘订单分发任务，根据任务优先级形成任务队列，下发给RPA机器人进行订单分发，确保优先级别高的招聘订单能尽早发出；通过自定义配置实现复杂的业务流程自动化，针对招聘订单分发任务中高重复性、标准化、规则明确、大批量的事务，设定RPA操作规则，高度匹配企业与招聘订单的需求标签，优化招聘订单分发流程，减少重复人力工作，为企业提供合适的人选，提高企业招聘效率，同时也解决找工作难的问题。

3、本发明的技术方案能够有效解决现有技术对于企业的招聘需求了解不够深，为企业提供的招聘订单无法高度满足企业需求，招聘订单分发效率低，导致找工作难和招聘难的问题。

附图说明

图1为本发明所述的一种基于RPA技术的招聘订单智能分发路由方法流程图；

图2为本发明所述的RPA机器人分发招聘订单流程框图。

具体实施方式

本申请实施例通过提供一种基于RPA技术的招聘订单智能分发路由方法，解决了现有技术对于企业的招聘需求了解不够深，为企业提供的招聘订单无法高度满足企业需求，招聘订单分发效率低，导致找工作难和招聘难的问题。

本申请实施例中的技术方案为解决上述问题，总体思路如下：

构建标签匹配神经网络模型，根据招聘需求为招聘订单需求企业标注需求标签，基于标签匹配神经网络算法，具有很强的鲁棒性和容错性，具有很强的信息综合能力，可以提高匹配的适配程度，深度挖掘企业对招聘人才的详细要求，以便为企业推荐更加合适的人选，提高企业的招聘效率；创建招聘订单分发任务，根据任务优先级形成任务队列，下发给RPA机器人进行订单分发，确保优先级别高的招聘订单能尽早发出；通过自定义配置实现复杂的业务流程自动化，针对招聘订单分发任务中高重复性、标准化、规则明确、大批量的事务，设定RPA操作规则，高度匹配企业与招聘订单的需求标签，优化招聘订单分发流程，减少重复人力工作，为企业提供合适的人选，提高企业招聘效率，同时也解决找工作难的问题。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

参照附图1，本发明所述的一种基于RPA技术的招聘订单智能分发路由方法包括以下步骤：

S1. 获取招聘订单需求企业的招聘需求，构建标签匹配神经网络模型，根据招聘需求为招聘订单需求企业标注需求标签。

获取每个招聘订单需求企业的招聘需求，对所述招聘需求信息进行特征提取，得到需求标签，为每个招聘订单需求企业标注需求标签。所述招聘需求信息是指企业对招聘人员的要求；所述需求标签分为标签名和标签值，所述标签名包括地区、学历、期望薪资、工作经验等关键词；所述标签值是每个标签名对应的具体内容。例如：标签名：学历；标签值：本科。

作为一个具体实施例，平台为每个招聘订单需求企业提供招聘需求填写模板，要求各企业按照模板格式填写招聘需求；获取招聘需求后，根据模板格式识别企业在每类招聘需求中填写的具体内容，然后将具体内容与预先设立的需求标签进行匹配。所述匹配方法具体过程如下：

构建标签匹配神经网络模型，将企业填写的历史招聘需求具体内容构成训练样本，作为标签匹配神经网络模型的输入，具体的，模型输入是从招聘需求具体内容文件中读取的文本信息；将每一类招聘需求对应的需求标签作为期望输出，对标签匹配神经网络模型进行深度学习。所述标签匹配神经网络模型包括输入层、第一隐含层、第二隐含层、第三隐含层和输出层。

将历史招聘需求具体内容所构成的训练样本表示为

，其中，

表示n个企业的招聘需求具体内容，对于任意一个企业的招聘需求具体内容用

表示，/>

，n表示企业数量。每个企业的招聘需求具体内容分为m类，表示为

，将/>

输入到标签匹配神经网络的输入层，输入层共有m个神经元。

输入层将

传递给第一隐含层，传递过程为：

其中，

表示第一隐含层的输入，/>

表示输入层与第一隐含层的连接权重，

表示输入层的输出，/>

表示第一隐含层的偏置。

第一隐含层对输入的数据与数据库中预设的需求标签进行模糊匹配，具体处理过程为：

其中，

表示第一隐含层的输出，/>

表示激活函数，/>

表示第一隐含层神经元的权重，/>

表示数据库中存储的第j类招聘需求对应的需求标签总数，/>

，

表示在数据库的第j类需求标签集合/>

中，与招聘需求具体内容/>

模糊相似的需求标签的概率，/>

表示与招聘需求具体内容/>

有相同词的概率。第一隐含层将/>

传递给第二隐含。

由于第一隐含层仅为模糊匹配，误差率较高，第二隐含层引入深度学习因子，通过参数迭代优化，使匹配精确化，所述第二隐含层的处理过程为：

其中，

表示第二隐含层的输出，/>

表示深度学习因子，/>

表示第一隐含层与第二隐含层的连接权重，/>

表示第二隐含层的偏置。第二隐含层将处理结果传递给第三隐含层。

第三隐含层对每个神经元中的匹配结果与其他相似需求标签进行排除确认，确认匹配到的需求标签为最佳需求标签，具体处理过程为：

其中，

表示第三隐含层的输出，/>

表示招聘需求具体内容/>

与需求标签/>

的相似度，/>

表示招聘需求具体内容/>

与需求标签/>

的相似度，需求标签/>

为第j类需求标签集合中与招聘需求具体内容/>

相似度最高的需求标签，需求标签/>

为第j类需求标签集合中与招聘需求具体内容/>

相似度次高的需求标签，/>

表示相似差阈值，/>

表示更新后的深度学习因子；若第三隐含层计算结果为/>

，则将计算结果传递给输出层；若第三隐含层计算结果为/>

，则将计算结果传递给第二隐含层，由第二隐含层重新计算，循环迭代，直至输出最终结果。

输出层输出最终结果

，其中，/>

表示输出层的输出，/>

表示第三隐含层与输出层的连接权重，/>

表示输出层的偏置。计算输出/>

与期望输出的误差，根据现有的梯度下降法对标签匹配神经网络中的参数进行迭代更新，直至最终模型输出与期望输出的误差处于预设范围内，从而完成标签匹配神经网络的训练。

读取订单招聘需求企业填写的招聘需求具体内容，输入到标签匹配神经网络模型中，为每个订单招聘需求企业匹配需求标签。

S2. 获取待分发的招聘订单，通过标签匹配神经网络模型为招聘订单标注需求标签，创建招聘订单分发任务，根据任务优先级形成任务队列，RPA机器人根据操作规则对招聘订单进行智能分发路由。

获取待分发的招聘订单，提取招聘订单中的信息，对招聘订单进行内容识别处理，具体的，所述内容识别处理主要通过识别招聘订单图像中的文本信息并进行提取，所述图像文本识别方法采用现有技术。

提取出招聘订单上的文本信息后，需要对文本信息进行进一步分析。基于数据库中的需求标签，通过标签匹配神经网络模型得到文本信息中的需求标签。

将每个招聘订单及其路由信息进行打包，每个招聘订单有对应的路由信息，所述路由信息包括订单权重、需求标签、优先级等，所述订单权重为人为指定信息。根据招聘订单的路由信息创建招聘订单分发任务，具体处理过程如下：

基于当前招聘订单需求企业的需求标签，统计相同需求标签的数量，根据数量对需求标签进行排序，选取前K个需求标签作为优先指标；将待分发的招聘订单按照优先指标占比进行排序，排序越靠前表明招聘订单中符合优先指标的需求标签越多。根据招聘订单的权重和优先指标占比情况计算每个招聘订单的优先级，具体计算公式为：

其中，

表示招聘订单的优先级，/>

表示招聘订单的权重，/>

表示招聘订单中优先指标的数量，/>

表示第r个优先指标的权重，/>

。

根据招聘订单的优先级进行排列形成招聘订单分发任务的任务队列，传输给RPA机器人；所述RPA机器人根据操作规则对招聘订单按序分发。机器人流程自动化系统（RPA）是一种应用程序，通过模仿最终用户在终端的手动操作方式，提供另一种方式来使最终用户手动操作流程自动化，RPA机器人可以自动处理大量重复的、基于规则的工作流程任务。

具体的，在给RPA机器人传递任务时，需要查询RPA机器人的状态，确定RPA机器人处于空闲状态，所述空闲状态是指RPA机器人所负责的任务状态空闲；将招聘订单分发任务按照任务队列顺序下发到状态空闲的RPA机器人，使RPA机器人触发机器人流程自动化操作指令，调用RPA机器人根据操作规则处理招聘订单分发任务。RPA机器人在执行完一个招聘订单分发任务后，将执行结果反馈给上位机，从而使上位机可以随时了解每个RPA机器人的任务完成进度，以便合理分配任务，提高了任务处理效率。

RPA机器人根据操作规则将招聘订单分发至不同的端口，所述操作规则是RPA机器人模仿用户的手动操作方式形成的操作流程自动化方法，通过反复的操作训练和动作纠正，最终形成精准的操作特征，把一系列训练后的操作特征按照特定的顺序编排在一起，建立出特定的操作规则。

操作规则：基于每个招聘订单分发任务中的需求标签以及招聘订单需求企业的需求标签，将满足逻辑表达式组合规则的操作方法发送给RPA机器人，例如：将满足需求标签A+B+C的招聘订单发送给企业E的端口。通过操作规则定义和管理各RPA机器人的操作范围、执行内容以及各RPA机器人之间的的逻辑关联。RPA机器人根据操作规则的执行相应的指令，将招聘订单分发给对应招聘订单需求企业的端口，实现招聘订单的智能分发路由。

综上所述，便完成了本发明所述的一种基于RPA技术的招聘订单智能分发路由方法。

本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种基于RPA技术的招聘订单智能分发路由方法，其特征在于，包括以下步骤：

S1. 获取招聘订单需求企业的招聘需求，构建标签匹配神经网络模型，根据招聘需求为招聘订单需求企业标注需求标签；

标签匹配神经网络模型包括输入层、第一隐含层、第二隐含层、第三隐含层和输出层；第一隐含层对输入的数据与数据库中预设的需求标签进行模糊匹配；由于第一隐含层仅为模糊匹配，误差率较高，第二隐含层引入深度学习因子，通过参数迭代优化，使匹配精确化；第三隐含层对每个神经元中的匹配结果与相似需求标签进行排除确认，确认匹配到的需求标签为最佳需求标签；

S2. 获取待分发的招聘订单，通过标签匹配神经网络模型为招聘订单标注需求标签，创建招聘订单分发任务，先根据任务优先级形成任务队列，在此中可基于当前招聘订单需求企业的需求标签，统计相同需求标签的数量，根据数量对需求标签进行排序，选取前K个需求标签作为优先指标；此后RPA机器人根据操作规则对招聘订单进行智能分发路由，此时基于每个招聘订单分发任务中的需求标签以及招聘订单需求企业的需求标签，将满足逻辑表达式组合规则的操作方法发送给 RPA 机器人，RPA 机器人根据操作规则的执行相应的指令，将招聘订单分发给对应招聘订单需求企业的端口，实现招聘订单的智能分发路由。

2.如权利要求1所述的一种基于RPA技术的招聘订单智能分发路由方法，其特征在于，所述步骤S1具体包括：

构建标签匹配神经网络模型，将企业填写的历史招聘需求具体内容构成训练样本，作为标签匹配神经网络模型的输入，模型输入是从招聘需求具体内容文件中读取的文本信息；将每一类招聘需求对应的需求标签作为期望输出，对标签匹配神经网络模型进行深度学习。

3.如权利要求1所述的一种基于RPA技术的招聘订单智能分发路由方法，其特征在于，所述步骤S2具体包括：

将每个招聘订单及其路由信息进行打包，每个招聘订单有对应的路由信息，根据招聘订单的路由信息创建招聘订单分发任务。

4.如权利要求1所述的一种基于RPA技术的招聘订单智能分发路由方法，其特征在于，所述步骤S2具体包括：

将待分发的招聘订单按照优先指标占比进行排序，排序越靠前表明招聘订单中符合优先指标的需求标签越多，根据招聘订单的权重和优先指标占比情况计算每个招聘订单的优先级。

Images