CN116362703A - 一种基于知识图谱的岗位筛选方法及系统 - Google Patents
一种基于知识图谱的岗位筛选方法及系统 Download PDFInfo
- Publication number
- CN116362703A CN116362703A CN202310240264.3A CN202310240264A CN116362703A CN 116362703 A CN116362703 A CN 116362703A CN 202310240264 A CN202310240264 A CN 202310240264A CN 116362703 A CN116362703 A CN 116362703A
- Authority
- CN
- China
- Prior art keywords
- user
- skill
- generating
- post
- knowledge graph
- 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
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明提供了一种基于知识图谱的岗位筛选方法及系统,涉及岗位筛选相关技术领域,包括以下步骤:S1:接收岗位内容,对岗位内容进行解析并提取技能关键词,根据技能关键词生成一套专属测试卷发送至用户;S2:接收用户的测试结果,根据测试结果生成该用户的技能节点,所述技能节点的文本内容为技能关键词;S3:根据该用户的技能节点生成用户的知识图谱并上传。
Description
技术领域
本发明涉及人工智能应用领域,具体涉及一种基于知识图谱的岗位筛选方法及系统。
背景技术
近年来,随着人力资源招聘市场需求的飞速发展,越来越多应聘者选择通过在网络上投递简历来寻找工作,而招聘人员则可以从互联网上获取更多的简历信息。招聘人员在网上对大量的求职者简历进行一轮筛选后,就会向符合岗位招聘需求的求职者发出面试邀请,然而招聘人员在网络上筛选求职者简历的过程是非常繁杂且重复的,这需要耗费其大量的时间和精力,不断细化的人才需求也对招聘者的职业素养要求越来越高。
因此,如何高效地在海量的简历中筛选出合适的人才是目前企业人力资源面临的一大难题。目前,企业通常通过建立人事招聘软件从网上抓取符合招聘条件的大量的简历,但是这些简历通常是杂乱无章的,无法实现招聘条件和简历的精准匹配以及分拣分类,当企业有招聘需求的时候,往往还是需要花费大量的人力和时间从人事招聘软件中获取简历进行人工精准筛选,简历筛选以及匹配的效率较慢,耗费用人单位和求职者大量的时间和精力,降低了企业人事招聘整体的管理水平。
发明内容
本发明的目的是提供一种基于知识图谱的岗位筛选方法及系统,通过分析与技能关键词相匹配的试题的分析结果,生成相对应的技能节点,根据技能节点构建专属该用户的知识图谱并发送至招聘方,通过知识图谱的构建解决了招聘方无法快速高效的识别人才的问题,帮助用户与具体岗位进行匹配,并为企业高效招聘提供了可靠的方法和依据。
为解决上述技术问题,本发明采用了以下方案:
一种基于知识图谱的岗位筛选方法,所述岗位筛选方法包括以下步骤:
S1:接收岗位内容,对岗位内容进行解析并提取技能关键词,根据技能关键词生成一套专属测试卷发送至用户;
S2:接收用户的测试结果,根据测试结果生成该用户的技能节点,所述技能节点的文本内容为技能关键词;
S3:根据该用户的技能节点生成用户的知识图谱并上传。
进一步的,在步骤S1中,根据岗位内容进行解析,将岗位内容通过关键字匹配技术进行分块,再将分块后的岗位内容形成技能关键词,根据技能关键词生成一套专属测试卷发送至用户。
进一步的,所述专属测试卷的试题的与技能关键词相匹配,在步骤S1中,统计技能关键词的出现频率,根据技能关键词的出现频率按照降序排序生成一套专属测试卷。
进一步的,所述测试结果包括用户的答卷、用户的答卷时间。
进一步的,所述S2中具体包括以下步骤:
S21:接收用户的答卷、用户的答卷时间;
S22:判断用户的答卷时间是否超过规定时间,若超过,则删除该用户的测试结果,若不超过,则转到步骤S23;
S23:根据专属测试卷的标准答案,对该用户的答卷进行分析,所述分析结果为该用户对专属测试卷的试题的正确率;
S24:根据该用户的试题的正确率生成该用户的技能节点。
进一步的,所述根据该用户的试题的正确率生成该用户的技能节点的具体过程为:
分析用户的试题的正确率,根据用户对同一个技能关键词的试题的正确率进行判定,若该正确率超过阈值,则将与该技能关键词相匹配的技能节点生成红色且文本内容为该技能关键词的技能节点。
进一步的,所述根据该用户的技能节点生成用户的知识图谱并上传的具体过程为:
将用户的个人信息作为该知识图谱的中心节点,将技能节点作为中心节点向外延伸的分节点,所述技能节点通过边与中心节点连接,将与技能节点相匹配的技能关键词作为该技能节点的边的属性。
进一步的,所述岗位内容包括岗位名称,岗位描述。
一种基于知识图谱的岗位筛选系统,包括
生成专属测试卷模块:接收岗位内容解析并提取技能关键词,根据技能关键词生成一套专属测试卷发送至用户;
生成技能节点模块:接收用户的测试结果,根据测试结果生成该用户的技能节点,所述技能节点的文本内容为关键词;
生成知识图谱模块:根据该用户的技能节点生成用户的知识图谱并上传。
进一步的,所述生成技能节点模块中还包括:
接收测试结果子模块:接收用户的答卷、用户的答卷时间;
判定子模块:判断用户的答卷时间是否超过规定时间,若超过,则删除该用户的测试结果,若不超过,则执行分析子模块;
分析子模块:根据专属测试卷的标准答案,对该用户的答卷进行分析,所述分析结果为该用户对专属测试卷的试题的正确率;
生成技能节点子模块:根据该用户的试题的正确率生成该用户的技能节点。
本发明的有益效果:
本发明提供了一种基于知识图谱的岗位筛选方法及系统,通过分析招聘方提供的岗位内容,提取到该岗位的技能关键词,并生成一套专属测试卷发送至用户,当用户反馈测试结果时,对测试结果进行分析,生成该用户的技能节点,并根据用户的技能节点生成该用户的知识图谱发送至招聘方,通过知识图谱的构建解决了招聘方无法快速高效的识别人才的问题,帮助用户与具体岗位进行匹配,并为企业高效招聘提供了可靠的方法和依据。
上述方法可以快速对用户进行分析,不需要招聘方去主动对用户的简历进行分析,通过构建用户的知识图谱的方法,不仅可以对用户的技能节点进行一个判断,还可以节省招聘方的工作量,使招聘方的招聘工作更加灵活有效。
并且通过用户的知识图谱当作用户的简历来进行投递,使招聘方可以快速地对该用户有一定了解,使得简历筛选的工作更加轻松且易懂。
附图说明
图1为本发明的流程示意图。
图2为本发明的交互示意图。
图3为本发明的知识图谱示意图。
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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作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。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
另外,为了清楚和简洁起见,可能省略了对公知的结构、功能和配置的描述。本领域普通技术人员将认识到,在不脱离本公开的精神和范围的情况下,可以对本文描述的示例进行各种改变和修改。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
下面通过参考附图并结合实施例来详细说明本发明:
实施例1
如图1所示,一种基于知识图谱的岗位筛选方法,所述岗位筛选方法包括以下步骤:
S1:接收岗位内容,对岗位内容进行解析并提取技能关键词,根据技能关键词生成一套专属测试卷发送至用户;
S2:接收用户的测试结果,根据测试结果生成该用户的技能节点,所述技能节点的文本内容为技能关键词;
S3:根据该用户的技能节点生成用户的知识图谱并上传。
由于,近年来,随着人力资源招聘市场需求的飞速发展,越来越多应聘者选择通过在网络上投递简历来寻找工作,而招聘人员则可以从互联网上获取更多的简历信息。招聘人员在网上对大量的求职者简历进行一轮筛选后,就会向符合岗位招聘需求的求职者发出面试邀请,然而招聘人员在网络上筛选求职者简历的过程是非常繁杂且重复的,这需要耗费其大量的时间和精力,不断细化的人才需求也对招聘者的职业素养要求越来越高。
因此,如何高效地在海量的简历中筛选出合适的人才是目前企业人力资源面临的一大难题。目前,企业通常通过建立人事招聘软件从网上抓取符合招聘条件的大量的简历,但是这些简历通常是杂乱无章的,无法实现招聘条件和简历的精准匹配以及分拣分类,当企业有招聘需求的时候,往往还是需要花费大量的人力和时间从人事招聘软件中获取简历进行人工精准筛选,简历筛选以及匹配的效率较慢,耗费用人单位和求职者大量的时间和精力,降低了企业人事招聘整体的管理水平。
所以本发明提供了一种基于知识图谱的岗位筛选方法,通过分析招聘方提供的岗位内容,提取到该岗位的技能关键词,并生成一套专属测试卷发送至用户,当用户反馈测试结果时,对测试结果进行分析,生成该用户的技能节点,并根据用户的技能节点生成该用户的知识图谱发送至招聘方,通过知识图谱的构建解决了招聘方无法快速高效的识别人才的问题,帮助用户与具体岗位进行匹配,并为企业高效招聘提供了可靠的方法和依据。
上述方法可以快速对用户进行分析,不需要招聘方去主动对用户的简历进行分析,通过构建用户的知识图谱的方法,不仅可以对用户的技能节点进行一个判断,还可以节省招聘方的工作量,使招聘方的招聘工作更加灵活有效。
并且通过用户的知识图谱当作用户的简历来进行投递,使招聘方可以快速地对该用户有一定了解,使得简历筛选的工作更加轻松且易懂。
优选的,在步骤S1中,根据岗位内容进行解析,将岗位内容通过关键字匹配技术进行分块,再将分块后的岗位内容形成技能关键词,根据技能关键词生成一套专属测试卷发送至用户。
优选的,所述专属测试卷的试题的与技能关键词相匹配,在步骤S1中,统计技能关键词的出现频率,根据技能关键词的出现频率按照降序排序生成一套专属测试卷。
优选的,所述测试结果包括用户的答卷、用户的答卷时间。
优选的,所述S2中具体包括以下步骤:
S21:接收用户的答卷、用户的答卷时间;
S22:判断用户的答卷时间是否超过规定时间,若超过,则删除该用户的测试结果,若不超过,则转到步骤S23;
S23:根据专属测试卷的标准答案,对该用户的答卷进行分析,所述分析结果为该用户对专属测试卷的试题的正确率;
S24:根据该用户的试题的正确率生成该用户的技能节点。
优选的,所述根据该用户的试题的正确率生成该用户的技能节点的具体过程为:
分析用户的试题的正确率,根据用户对同一个技能关键词的试题的正确率进行判定,若该正确率超过阈值,则将与该技能关键词相匹配的技能节点生成红色且文本内容为该技能关键词的技能节点。
优选的,所述根据该用户的技能节点生成用户的知识图谱并上传的具体过程为:
将用户的个人信息作为该知识图谱的中心节点,将技能节点作为中心节点向外延伸的分节点,所述技能节点通过边与中心节点连接,将与技能节点相匹配的技能关键词作为该技能节点的边的属性。
优选的,所述岗位内容包括岗位名称,岗位描述。
如图2所示,具体的,当招聘方对系统提供一个岗位文本时,系统会自动对该岗位文本进行分析,利用关键字匹配技术,将岗位内容进行分块,再将分块后的岗位内容形成技能关键词。
然后系统根据技能关键词会向题库进行相关试题的提取,将提取后的试题根据关键词出行的频率来生成一套专属测试卷发送至用户。
其中,所述题库会实时进行更新,增加更多的题型进去,并且用户可以标记喜好或者收藏,通过用户的标记,使题库中的题进行刷新。
当用户提交自己的测试结果时,系统会根据答卷时间是否超过规定时间进行判断,当答卷时间超过了规定时间,则系统将不保存该用户的测试结果,当答卷时间在规定时间内时,则系统会对用户的答卷进行分析。
分析用户的试题的正确率,根据用户对同一个技能关键词的试题的正确率进行判定,若该正确率超过阈值,则将与该技能关键词相匹配的技能节点生成红色且文本内容为该技能关键词的技能节点。
如图3所示,将用户的个人信息作为该知识图谱的中心节点,将技能节点作为中心节点向外延伸的分节点,所述技能节点通过边与中心节点连接,将与技能节点相匹配的技能关键词作为该技能节点的边的属性。
实施例2
一种基于知识图谱的岗位筛选系统,包括
生成专属测试卷模块:接收岗位内容解析并提取技能关键词,根据技能关键词生成一套专属测试卷发送至用户;
生成技能节点模块:接收用户的测试结果,根据测试结果生成该用户的技能节点,所述技能节点的文本内容为关键词;
生成知识图谱模块:根据该用户的技能节点生成用户的知识图谱并上传。
进一步的,所述生成技能节点模块中还包括:
接收测试结果子模块:接收用户的答卷、用户的答卷时间;
判定子模块:判断用户的答卷时间是否超过规定时间,若超过,则删除该用户的测试结果,若不超过,则执行分析子模块;
分析子模块:根据专属测试卷的标准答案,对该用户的答卷进行分析,所述分析结果为该用户对专属测试卷的试题的正确率;
生成技能节点子模块:根据该用户的试题的正确率生成该用户的技能节点。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。
Claims (10)
1.一种基于知识图谱的岗位筛选方法,其特征在于,所述岗位筛选方法包括以下步骤:
S1:接收岗位内容,对岗位内容进行解析并提取技能关键词,根据技能关键词生成一套专属测试卷发送至用户;
S2:接收用户的测试结果,根据测试结果生成该用户的技能节点,所述技能节点的文本内容为技能关键词;
S3:根据该用户的技能节点生成用户的知识图谱并上传。
2.根据权利要求1所述的一种基于知识图谱的岗位筛选方法,其特征在于,在步骤S1中,根据岗位内容进行解析,将岗位内容通过关键字匹配技术进行分块,再将分块后的岗位内容形成技能关键词,根据技能关键词生成一套专属测试卷发送至用户。
3.根据权利要求2所述的一种基于知识图谱的岗位筛选方法,其特征在于,所述专属测试卷的试题的与技能关键词相匹配,在步骤S1中,统计技能关键词的出现频率,根据技能关键词的出现频率按照降序排序生成一套专属测试卷。
4.根据权利要求1所述的一种基于知识图谱的岗位筛选方法,其特征在于,所述测试结果包括用户的答卷、用户的答卷时间。
5.根据权利要求4所述的一种基于知识图谱的岗位筛选方法,其特征在于,所述S2中具体包括以下步骤:
S21:接收用户的答卷、用户的答卷时间;
S22:判断用户的答卷时间是否超过规定时间,若超过,则删除该用户的测试结果,若不超过,则转到步骤S23;
S23:根据专属测试卷的标准答案,对该用户的答卷进行分析,所述分析结果为该用户对专属测试卷的试题的正确率;
S24:根据该用户的试题的正确率生成该用户的技能节点。
6.根据权利要求5所述的一种基于知识图谱的岗位筛选方法,其特征在于,所述根据该用户的试题的正确率生成该用户的技能节点的具体过程为:
分析用户的试题的正确率,根据用户对同一个技能关键词的试题的正确率进行判定,若该正确率超过阈值,则将与该技能关键词相匹配的技能节点生成红色且文本内容为该技能关键词的技能节点。
7.根据权利要求6所述的一种基于知识图谱的岗位筛选方法,其特征在于,所述根据该用户的技能节点生成用户的知识图谱并上传的具体过程为:
将用户的个人信息作为该知识图谱的中心节点,将技能节点作为中心节点向外延伸的分节点,所述技能节点通过边与中心节点连接,将与技能节点相匹配的技能关键词作为该技能节点的边的属性。
8.根据权利要求1所述的一种基于知识图谱的岗位筛选方法,其特征在于,所述岗位内容包括岗位名称,岗位描述。
9.一种基于知识图谱的岗位筛选系统,其特征在于,包括
生成专属测试卷模块:接收岗位内容解析并提取技能关键词,根据技能关键词生成一套专属测试卷发送至用户;
生成技能节点模块:接收用户的测试结果,根据测试结果生成该用户的技能节点,所述技能节点的文本内容为关键词;
生成知识图谱模块:根据该用户的技能节点生成用户的知识图谱并上传。
10.根据权利要求9所述的一种基于知识图谱的岗位筛选系统,其特征在于,所述生成技能节点模块中还包括:
接收测试结果子模块:接收用户的答卷、用户的答卷时间;
判定子模块:判断用户的答卷时间是否超过规定时间,若超过,则删除该用户的测试结果,若不超过,则执行分析子模块;
分析子模块:根据专属测试卷的标准答案,对该用户的答卷进行分析,所述分析结果为该用户对专属测试卷的试题的正确率;
生成技能节点子模块:根据该用户的试题的正确率生成该用户的技能节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240264.3A CN116362703A (zh) | 2023-03-14 | 2023-03-14 | 一种基于知识图谱的岗位筛选方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240264.3A CN116362703A (zh) | 2023-03-14 | 2023-03-14 | 一种基于知识图谱的岗位筛选方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116362703A true CN116362703A (zh) | 2023-06-30 |
Family
ID=86939811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310240264.3A Pending CN116362703A (zh) | 2023-03-14 | 2023-03-14 | 一种基于知识图谱的岗位筛选方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116362703A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118013245A (zh) * | 2024-04-09 | 2024-05-10 | 杭州东方网升科技股份有限公司 | 一种基于深度学习模型的匹配度评估方法 |
-
2023
- 2023-03-14 CN CN202310240264.3A patent/CN116362703A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118013245A (zh) * | 2024-04-09 | 2024-05-10 | 杭州东方网升科技股份有限公司 | 一种基于深度学习模型的匹配度评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Angelidis et al. | Multiple instance learning networks for fine-grained sentiment analysis | |
CN104834668B (zh) | 基于知识库的职位推荐系统 | |
CN110597988A (zh) | 一种文本分类方法、装置、设备及存储介质 | |
Turoff et al. | Computer support for group versus individual decisions | |
Bekkerman et al. | High-precision phrase-based document classification on a modern scale | |
Liu et al. | A new method for knowledge and information management domain ontology graph model | |
CN106572001B (zh) | 一种智能客服的对话方法及系统 | |
CN106503074B (zh) | 一种题目细化分类方法 | |
US11687826B2 (en) | Artificial intelligence (AI) based innovation data processing system | |
US20180357608A1 (en) | Creating Job Profiles Using a Data Driven Approach | |
CN107818130A (zh) | 一种搜索引擎的建立方法及系统 | |
CN111737485A (zh) | 基于知识图谱、深度学习的人岗匹配方法、人岗匹配系统 | |
CN116362703A (zh) | 一种基于知识图谱的岗位筛选方法及系统 | |
CN110532363A (zh) | 一种基于决策树的任务导向型自动对话方法 | |
Silva et al. | Process analytics approach for R&D project selection | |
KR20200145299A (ko) | 온라인 면접 동영상 분석 및 소셜미디어 정보분석 기반 지능형 채용지원 플랫폼 | |
Cui | Application of deep learning and target visual detection in English vocabulary online teaching | |
CN113723853A (zh) | 岗位胜任力需求数据处理方法及装置 | |
CN117271767A (zh) | 基于多智能体的运维知识库的建立方法 | |
CN116775879A (zh) | 大语言模型的微调训练方法、合同风险评审方法及系统 | |
Wang et al. | Analysing CV corpus for finding suitable candidates using knowledge graph and BERT | |
CN113742496B (zh) | 一种基于异构资源融合的电力知识学习系统及方法 | |
Kabeer et al. | Predicting the vector impact of change-an industrial case study at brightsquid | |
CN1367446A (zh) | 汉语个人简历信息处理系统和方法 | |
CN108509588A (zh) | 一种基于大数据的律师评估方法及推荐方法 |
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 |