CN116821315A - 一种在大数据中实现人企双向匹配的方法及系统 - Google Patents
一种在大数据中实现人企双向匹配的方法及系统 Download PDFInfo
- Publication number
- CN116821315A CN116821315A CN202310686624.2A CN202310686624A CN116821315A CN 116821315 A CN116821315 A CN 116821315A CN 202310686624 A CN202310686624 A CN 202310686624A CN 116821315 A CN116821315 A CN 116821315A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- data
- job
- gene
- team
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000002457 bidirectional effect Effects 0.000 title claims abstract description 13
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 139
- 238000011156 evaluation Methods 0.000 claims abstract description 83
- 230000002068 genetic effect Effects 0.000 claims abstract description 49
- 230000007115 recruitment Effects 0.000 claims abstract description 45
- 238000003745 diagnosis Methods 0.000 claims abstract description 39
- 230000000007 visual effect Effects 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种在大数据中实现人企双向匹配的方法及系统,其方法包括:基于求职用户端界面向云端发送携带人企匹配的连接请求;云端基于所述企业属性参数匹配出企业基因数据库;云端基于工作属性参数从企业基因数据库中构建出知识问答图谱;基于可视化评测问卷接收求职用户端所产生的基因评测数据;基于所述评测数据生成个人基因诊断数据;基于工作属性参数获取工作属性所对应的团队基因数据;分析所述个人基因诊断数据和团队基因数据的相似度;基于所述相似度值数据和预设相似度阈值条件将求职用户生成求职推荐列表反馈到招聘用户端界面。本发明实施例通过收集各个求职用户端的能力集从而提高企业招聘的效率和降低运营成本。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种在大数据中实现人企双向匹配的方法。
背景技术
目前网络招聘通过招聘人员通过网络招聘平台发布职位的信息,然后等待求职者的应聘。求职者在网络招聘平台完善个人简历之后,通过平台的搜索引擎查询相关的职位信息,然后选择感兴趣的职位进行投递。在收到职位的应聘申请之后,招聘人员审核求职者的简历是否符合职位的要求,若该简历符合要求则进行更深一步的了解,常见方式是预约面试;否则忽略或者拒绝该求职者的应聘申请。在这个求职交互过程当中,网络招聘平台的搜索引擎起着关键的作用,检索结果的好坏直接影响着求职者投递简历的多寡。目前的招聘者仅仅通过简历只是简单了解到求职者的过往经历,但其无法有效针对求职者的能力集进行评价或者评估,使得其无法有效了解求职者是否能与企业基因或者团队模式是否相匹配,势必会造成企业对时间、精力、运营成本的损耗。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种在大数据中实现人企双向匹配的方法,通过收集各个求职用户端的能力集构建每个人的个人基因数据,并基于基因数据完成求职者和招聘者之间的双向匹配,从而提高企业招聘的效率和降低运营成本。
为了解决上述问题,本发明提出了一种在大数据中实现人企双向匹配的方法,所述方法包括:
基于求职用户端界面向云端发送携带人企匹配的连接请求,所述连接请求中包括企业属性参数和工作属性参数;
云端基于所述企业属性参数匹配出企业基因数据库;
云端基于工作属性参数从企业基因数据库中构建出知识问答图谱,并基于知识问答图谱形成可视化评测问卷反馈至求职用户端界面;
基于可视化评测问卷接收求职用户端所产生的基因评测数据;
基于所述评测数据生成个人基因诊断数据;
基于工作属性参数获取工作属性所对应的团队基因数据;
分析所述个人基因诊断数据和团队基因数据的相似度,并获得相似度值匹配数据;
基于所述相似度值数据和预设相似度阈值条件将求职用户生成求职推荐列表反馈到招聘用户端界面。
所述云端基于所述企业属性参数匹配出企业基因数据库包括:
对所述连接请求的有效性进行识别;
在识别出所述连接请求为有效性后,基于企业属性参数匹配出企业基因数据库。
所述对所述连接请求的有效性进行识别包括:
云端在收到所述连接请求之后,基于所述连接请求生成第一用户认证请求,所述第一用户认证请求用于在云端的鉴权中心进行实名认证;
所述鉴权中心基于第一用户认证请求生成第一用户认证反馈值;
云端会根据所述第一用户认证反馈值判断所述连接请求是否具有有效性,若判断所述第一用户认证反馈值为有效时,则云端解析出连接请求中的企业属性参数和工作属性参数。
所述第一用户认证请求通过MD5信息摘要算法生成,或者所述第一用户认证请求通过安全散列算法SHA生成。
所述云端基于工作属性参数从企业基因数据库中构建出知识问答图谱,并基于知识问答图谱形成可视化评测问卷反馈至求职用户端界面包括:
通过工作属性参数获取所对应的知识图谱结构树,所述知识图谱结构树具有个人基因评测项目和个人基因评测项目下的权重值;
基于个人基因评测项目下的权重值从所对应的题库中采用随机抽取方式抽取与权重值所对应的知识问答题;
将所有核心基因评测项目所抽取的知识问题题汇聚成一个评测题库;
采用随机排列的方式将评测题库成型可视化评测问卷。
所述团队基因数据由若干个在职人员的个人基因诊断数据基于拟合模型成型团队基因数据。
所述分析所述个人基因诊断数据和团队基因数据的相似度包括:
将所述个人基因诊断数据和所述团队基因数据以企业基因诊断弓型显示在同一个的坐标系中;
在同一个坐标系下提取具有维度空间的个人基因特征值和团队基因特征值;
计算个人基因特征值和团队基因特征值之间的距离比较所述个人基因特征值和团队基因特征值的相似度。
所述基于所述相似度值数据和预设相似度阈值条件将求职用户生成求职推荐列表反馈到招聘用户端界面包括:
判断所述相似度值数据是否满足预设相似度阈值条件,并对求职用户进行满意度标记;
依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面。
所述依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面包括:
依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面;
依据满意度标记将不满足企业团队用户需求的求职用户进行数据过滤,不在求职推荐列表中进行展示。
相应的,本发明还提出了一种在大数据中实现人企双向匹配的系统,所述系统用于实现以上任一项所述的方法。
本发明实施例所涉及的在大数据中实现人企双向匹配的方法及系统,在求职用户建立连接请求之后,通过收集各个求职用户端的能力集构建每个人的个人基因数据,并基于基因数据完成求职者和招聘者之间的双向匹配,从而提高企业招聘的效率和降低运营成本;这种通过线上问卷做题收集求职用户进行基因测评数据,运用测评软件建立大数据分析模型生成个人基因数据库;该方法可以结合企业基因诊断评估数据,企业基因诊断评估数据及分析模型获得求职用户与工作岗位的匹配度情况,使得企业获取求职用户的评测行为更加精准,从而提高招聘的效率,减少人员成本损耗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,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它的附图。
图1是本发明实施例中的人企双向匹配的系统结构示意图;
图2是本发明实施例中的在大数据中实现人企双向匹配的方法流程图;
图3是本发明实施例中的企业基因诊断系统模型示意图;
图4是本发明实施例中的基于企业利润的企业基因诊断弓型示意图。
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。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它实施例,都属于本发明保护的范围。
具体的,图1示出了本发明实施例中的人企双向匹配的系统结构示意图,该系统包括若干个求职用户端、若干个招聘用户端和云端,所述若干个求职用户端中的每一个求职用户端可以访问云端上的数据完成对招聘用户的求职评测行为,所述若干个招聘用户端中的每一个招聘用户端可以基于云端所获取的求职评测行为来生成求职推荐列表界面供浏览参考。
需要说明的是,这里的每个求职用户端可以在互联网平台上浏览招聘用户所发布的招聘岗位,求职用户端会结合评测行为基于求职用户端界面向云端发送携带人企匹配的连接请求,所述连接请求中包括企业属性参数和工作属性参数;每个求职用户端可以接收可视化评测问卷,并在求职用户端界面上作答产生基因评测数据。
需要说明的是,这里的云端基于所述企业属性参数匹配出企业基因数据库;以及云端基于工作属性参数从企业基因数据库中构建出知识问答图谱,并基于知识问答图谱形成可视化评测问卷反馈至求职用户端界面;基于可视化评测问卷接收求职用户端所产生的基因评测数据;基于所述评测数据生成个人基因诊断数据;基于工作属性参数获取工作属性所对应的团队基因数据;分析所述个人基因诊断数据和团队基因数据的相似度,并获得相似度值匹配数据;基于所述相似度值数据和预设相似度阈值条件将求职用户生成求职推荐列表反馈到招聘用户端界面。
需要说明的是,这里的每个招聘用户端可以在互联网平台上设置企业基因评测模型,以及接收基于云端所运行的数据所产生的求职推荐列表,这些求职推荐列表可以呈现在招聘用户端界面,使得招聘方可以了解这些求职用户与工作岗位之间的匹配情况。
需要说明的是,所述云端基于所述企业属性参数匹配出企业基因数据库包括:对所述连接请求的有效性进行识别;在识别出所述连接请求为有效性后,基于企业属性参数匹配出企业基因数据库。
需要说明的是,所述对所述连接请求的有效性进行识别包括:云端在收到所述连接请求之后,基于所述连接请求生成第一用户认证请求,所述第一用户认证请求用于在云端的鉴权中心进行实名认证;所述鉴权中心基于第一用户认证请求生成第一用户认证反馈值;云端会根据所述第一用户认证反馈值判断所述连接请求是否具有有效性,若判断所述第一用户认证反馈值为有效时,则云端解析出连接请求中的企业属性参数和工作属性参数。
需要说明的是,所述第一用户认证请求通过MD5信息摘要算法生成,或者所述第一用户认证请求通过安全散列算法SHA生成。
需要说明的是,所述云端基于工作属性参数从企业基因数据库中构建出知识问答图谱,并基于知识问答图谱形成可视化评测问卷反馈至求职用户端界面包括:通过工作属性参数获取所对应的知识图谱结构树,所述知识图谱结构树具有个人基因评测项目和个人基因评测项目下的权重值;基于个人基因评测项目下的权重值从所对应的题库中采用随机抽取方式抽取与权重值所对应的知识问答题;将所有核心基因评测项目所抽取的知识问题题汇聚成一个评测题库;采用随机排列的方式将评测题库成型可视化评测问卷。
需要说明的是,所述团队基因数据由若干个在职人员的个人基因诊断数据基于拟合模型成型团队基因数据。
需要说明的是,所述分析所述个人基因诊断数据和团队基因数据的相似度包括:将所述个人基因诊断数据和所述团队基因数据以企业基因诊断弓型显示在同一个的坐标系中;在同一个坐标系下提取具有维度空间的个人基因特征值和团队基因特征值;计算个人基因特征值和团队基因特征值之间的距离比较所述个人基因特征值和团队基因特征值的相似度。
需要说明的是,所述基于所述相似度值数据和预设相似度阈值条件将求职用户生成求职推荐列表反馈到招聘用户端界面包括:判断所述相似度值数据是否满足预设相似度阈值条件,并对求职用户进行满意度标记;依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面。
需要说明的是,所述依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面包括:依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面;依据满意度标记将不满足企业团队用户需求的求职用户进行数据过滤,不在求职推荐列表中进行展示。
本发明实施例所涉及的在大数据中实现人企双向匹配的系统,在求职用户建立连接请求之后,通过收集各个求职用户端的能力集构建每个人的个人基因数据,并基于基因数据完成求职者和招聘者之间的双向匹配,从而提高企业招聘的效率和降低运营成本;这种通过线上问卷做题收集求职用户进行基因测评数据,运用测评软件建立大数据分析模型生成个人基因数据库;该方法可以结合企业基因诊断评估数据,企业基因诊断评估数据及分析模型获得求职用户与工作岗位的匹配度情况,使得企业获取求职用户的评测行为更加精准,从而提高招聘的效率,减少人员成本损耗。
具体的,图2示出了本发明实施例中的在大数据中实现人企双向匹配的方法流程图,具体包括:
S201、基于求职用户端界面向云端发送携带人企匹配的连接请求;
该连接请求中包括企业属性参数和工作属性参数;
需要说明的是,若干个求职用户端上的每一个求职用户都可以浏览招聘用户所设置的招聘信息,这些招聘信息被设置在云端,云端可以支持良好的用户交互性能,使得每个招聘用户所发布的招聘信息能够被推送到每个求职用户所在的求职用户端上。
这里以第一求职用户浏览第一招聘用户所发布的招聘信息为例进行说明,第一招聘用户可以设置有A工作岗位、B工作岗位、C工作岗位、D工作岗位,每个工作岗位所具有的工作属性不一样,每个工作岗位会产生一个团队基因数据,这些团队基因数据是由该岗位所有成员的个人基因诊断数据融合成型。
这里的企业属性参数使得企业可以自定义一些企业基因数据库,这些企业基因数据库可以涵盖员工工作属性参数下的个人基因维度,这种整体规范性可以使得整体评测的效果趋势性一致。
S202、云端基于所述企业属性参数匹配出企业基因数据库;
图3示出了本发明实施例中的企业基因诊断系统模型示意图,企业基因诊断系统可以结合不同企业属性来设置相应的模型,这里的企业基因诊断系统是针对企业绩效与利润的10项核心基因为例进行说明,这10项核心基因涉及到员工的每个能力集参数,比如工作效率、工作饱和、规范执行、人员稳定、创新能力、专业能力、消极负面、市场能力、战略规划、目标管控等等,每个能力集参数代表一个企业的基因属性。
企业基因诊断系统针对这10项核心基因构建出若干个知识问答图谱,每个工作属性对10项核心基因所侧重的方向和内容也不相同,其需要因岗位来设置不同的知识问答图谱。
首先,每个企业的整体基因属性也会不相同,每个企业会结合整体基因属性针对不同的工作岗位形成一个工作岗位的团队基因数据,每个团队基因数据与工作岗位形成对应关系,那么新入职的员工需要融入到新团队时,需要形成个人基因诊断数据,然后个人基因诊断数据与团队基因数据进行匹配,若能满足匹配则说明其可以融入到工作岗位所在的团队中。
需要说明的是,云端在接收到连接请求之后,可以对所述连接请求的有效性进行识别,云端在收到所述连接请求之后,基于所述连接请求生成第一用户认证请求,所述第一用户认证请求用于在云端的鉴权中心进行实名认证,这种能够保障到求职用户所作的基因诊断数据的有效性。每个求职用户会在鉴权中心进行实名认证注册,该鉴权中心基于第一用户认证请求生成第一用户认证反馈值,云端会根据所述第一用户认证反馈值判断所述连接请求是否具有有效性,若判断所述第一用户认证反馈值为有效时,则云端解析出连接请求中的企业属性参数和工作属性参数,并基于企业属性参数匹配出企业基因数据库。
需要说明的是,这里所生成的第一用户认证请求可以是通过信息摘要算法(Message-Digest Algorithm,MD5)生成的,也可以通过安全散列算法(Secure HashAlgorithm,SHA)生成的,还可以是通过任一一种能进行加密的方式生成第一用户认证请求,具体此处不做具体限定。
需要说明的是,在收到连接请求之后,云端识别出求职用户信息,该求职用户信息可以经过MD5哈希函数进行加密生成第一用户认证请求,并将该第一用户认证请求发送至鉴权中心,鉴权中心获取自身的待验证值,并将该待验证值经过MD5哈希函数加密获取待验证值加密结果。鉴权中心根据第一用户认证请求与待验证值加密结果进行对比获取对比结果;当对比一致时,对比结果可以为1或true等;当对比不一致时,对比结果可以为0或false等;该对比结果作为第一用户认证反馈值,鉴权中心将第一认证反馈值反馈至云端。
这里首先对连接请求进行有效性认定,使得后续整个评测数据的可靠性得到了保障,也结合用户行为的真实有效的评测得到了相应的依据。
S203、云端基于工作属性参数从企业基因数据库中构建出知识问答图谱,并基于知识问答图谱形成可视化评测问卷反馈至求职用户端界面;
每个企业基因数据库可以树形结构表示法来构建出知识问答图谱,由于每个企业基因数据库具有相应的树形结构表示法来完成,即可通过工作属性参数获取所对应的知识图谱结构树,该知识图谱结构树具有个人基因评测项目和个人基因评测项目下的权重值,比如知识图谱结构树下有10项核心基因评测项目,每个核心基因评测项目所赋予的权重值不同,该权重值表达了如何构建知识问答图谱,比如10项核心基因评测项目中的每个权重值都是10%时,这些权重值会影响到可视化评测问卷的成型过程,每个核心基因评测项目都涉及到相应的知识问答题,这些只是问答题都会预先被存储到每个核心基因评测项目的题库中,云端基于工作属性参数获取到知识图谱结构树时,会获取到每个核心基因评测项目的权重值,然后基于个人基因评测项目下的权重值从所对应的题库中采用随机抽取方式抽取与权重值所对应的知识问答题,最后将所有核心基因评测项目所抽取的知识问题题汇聚成一个评测题库,这个评测题库可以结合企业评测需求设定,比如50-200道知识问答题,在汇聚成一个评测题库之后,采用随机排列的方式将评测题库成型最终的可视化评测问卷。
这里采用权重值来针对不同的工作属性匹配所成型的评测问卷,使得其可以结合企业个性和求职用户个性来完成针对性的评测,使得人企双向可以具有较好的兼容性。
这里采用随机的方式抽取每个个人基因评测项目所对应的知识问答题,并将所汇聚的评测题库采用随机排列的方式成型可视化评测问卷,保障整个内容具有随机性,防止题目泄密而导致求职用户解读,也可以避免求职用户针对性研究题库进行解读而导致基因评测数据的失真。
S204、基于可视化评测问卷接收求职用户端所产生的基因评测数据;
S205、基于所述评测数据生成个人基因诊断数据;
S206、基于工作属性参数获取工作属性所对应的团队基因数据;
需要说明的是,图4示出了基于企业利润的企业基因诊断弓型示意图,该弓形示意图中示例有求职用户基于可视化评测问卷所成型的个人基因诊断数据,也包括招聘用户的团队基因数据,对应招聘用户来下的工作属性所对应的团队基因数据是由目前在职人员基于相应的评测数据所成型,即团队基因数据是由若干个在职人员经过所匹配的评测数据所拟合成型,即若干个在职人员的个人基因诊断数据基于拟合模型成型团队基因数据。
S207、分析所述个人基因诊断数据和团队基因数据的相似度,并获得相似度值匹配数据;
需要说明的是,该分析所述个人基因诊断数据和团队基因数据的相似度包括:将所述个人基因诊断数据和所述团队基因数据以企业基因诊断弓型显示在同一个的坐标系中;在同一个坐标系下提取具有维度空间的个人基因特征值和团队基因特征值;计算个人基因特征值和团队基因特征值之间的距离比较所述个人基因特征值和团队基因特征值的相似度。
通过图4所示的示意图,这里的个人基因特征值和团队基因特征值都可以位于相同坐标体系下,然后围绕坐标体系设定个人基因特征值所对应的取值起点和取值终点,以及围绕坐标体系设定团队基因特征值所对应的取值起点和取值终点,比如以每个特征值在X轴负向上的交点作为取值起点,围绕顺时针方向按照预设规则逐个特征值的提取形成一个维度空间数据,这一个维度空间数据包括一个个人基因特征值和一个团队基因特征值,然后这一组维度空间数据来进行相似度计算,在完成所有组的维度空间数据的相似度计算之后,其可以将所有维度空间数据的相似度值聚合形成个人基因诊断数据和团队基因数据的相似度。
需要说明的是,这里通过计算个人基因特征值和团队基因特征值的欧式距离来比较个人基因特征值和团队基因特征值的相似度,具体的,可以使用对比损失函数来表达特征值的欧式距离。
本发明实施例中采用对比损失函数(Contrastive Loss)来计算欧式距离,具体表达如下:
其中d=‖an-bn‖2,d代表两个样本特征的欧氏距离,an为一个样本,bn为一个样本;N代表同一批有几个数据,y为两个样本是否匹配的标签,y=1代表两个样本相似或者匹配,y=0则代表不匹配,margin为设定的阈值,L为所求的损失函数值,主要是用在维度空间中,即本来相似的样本,在经过特征提取后,在特征空间中,两个样本仍旧相似;而原本不相似的样本,在经过降维后,在特征空间中,两个样本仍旧不相似。
S208、基于所述相似度值数据和预设相似度阈值条件将求职用户生成求职推荐列表反馈到招聘用户端界面。
所述基于所述相似度值数据和预设相似度阈值条件将求职用户生成求职推荐列表反馈到招聘用户端界面包括:判断所述相似度值数据是否满足预设相似度阈值条件,并对求职用户进行满意度标记;依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面。
具体的,这里依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面包括:依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面;依据满意度标记将不满足企业团队用户需求的求职用户进行数据过滤,不在求职推荐列表中进行展示。
具体实施过程中,这里可以数据使用基于招聘用户的协同过滤算法进行计算,生成实时求职推荐列表至招聘用户端界面,即基于协同过滤算法将满足企业团队用户需求的求职用户生成求职推荐列表。
由于基于用户的协同过滤算法需要处理大量的数据,云端可以借助Hadoop框架进行计算。云端将满足企业团队用户需求的求职用户使用Javascript编写代码进行埋点,并将求职用户行为信息存放到云端的.log文件中;使用flume框架将采集到的求职用户日志信息存放到HDFS(Hadoop分布式文件系统)中;使用HiveQL进行数据清洗将数据存放在Hbase数据库中;利用spark集群计算引擎在云端进行边缘计算大数据平台的搭建,将满足企业团队用户需求的求职用户数据使用基于协同过滤算法计算,并将结果存放在Hive仓库中,并通过Sqoop导入MySQL数据库;根据计算结果,生成求职用户生成求职推荐列表返回给用户。
本发明实施例中采用协同过滤算法可以提升招聘岗位的有效性,从而针对求职用户到招聘用户间的智能推荐,为招聘用户提供更加合适的求职用户。
本发明实施例所涉及的在大数据中实现人企双向匹配的系统,在求职用户建立连接请求之后,通过收集各个求职用户端的能力集构建每个人的个人基因数据,并基于基因数据完成求职者和招聘者之间的双向匹配,从而提高企业招聘的效率和降低运营成本;这种通过线上问卷做题收集求职用户进行基因测评数据,运用测评软件建立大数据分析模型生成个人基因数据库;该方法可以结合企业基因诊断评估数据,企业基因诊断评估数据及分析模型获得求职用户与工作岗位的匹配度情况,使得企业获取求职用户的评测行为更加精准,从而提高招聘的效率,减少人员成本损耗。
以上对本发明实施例进行了详细介绍,本文中采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种在大数据中实现人企双向匹配的方法,其特征在于,所述方法包括:
基于求职用户端界面向云端发送携带人企匹配的连接请求,所述连接请求中包括企业属性参数和工作属性参数;
云端基于所述企业属性参数匹配出企业基因数据库;
云端基于工作属性参数从企业基因数据库中构建出知识问答图谱,并基于知识问答图谱形成可视化评测问卷反馈至求职用户端界面;
基于可视化评测问卷接收求职用户端所产生的基因评测数据;
基于所述评测数据生成个人基因诊断数据;
基于工作属性参数获取工作属性所对应的团队基因数据;
分析所述个人基因诊断数据和团队基因数据的相似度,并获得相似度值匹配数据;
基于所述相似度值数据和预设相似度阈值条件将求职用户生成求职推荐列表反馈到招聘用户端界面。
2.如权利要求1所述的在大数据中实现人企双向匹配的方法,其特征在于,所述云端基于所述企业属性参数匹配出企业基因数据库包括:
对所述连接请求的有效性进行识别;
在识别出所述连接请求为有效性后,基于企业属性参数匹配出企业基因数据库。
3.如权利要求2所述的在大数据中实现人企双向匹配的方法,其特征在于,所述对所述连接请求的有效性进行识别包括:
云端在收到所述连接请求之后,基于所述连接请求生成第一用户认证请求,所述第一用户认证请求用于在云端的鉴权中心进行实名认证;
所述鉴权中心基于第一用户认证请求生成第一用户认证反馈值;
云端会根据所述第一用户认证反馈值判断所述连接请求是否具有有效性,若判断所述第一用户认证反馈值为有效时,则云端解析出连接请求中的企业属性参数和工作属性参数。
4.如权利要求3所述的在大数据中实现人企双向匹配的方法,其特征在于,所述第一用户认证请求通过MD5信息摘要算法生成,或者所述第一用户认证请求通过安全散列算法SHA生成。
5.如权利要求1所述的在大数据中实现人企双向匹配的方法,其特征在于,所述云端基于工作属性参数从企业基因数据库中构建出知识问答图谱,并基于知识问答图谱形成可视化评测问卷反馈至求职用户端界面包括:
通过工作属性参数获取所对应的知识图谱结构树,所述知识图谱结构树具有个人基因评测项目和个人基因评测项目下的权重值;
基于个人基因评测项目下的权重值从所对应的题库中采用随机抽取方式抽取与权重值所对应的知识问答题;
将所有核心基因评测项目所抽取的知识问题题汇聚成一个评测题库;
采用随机排列的方式将评测题库成型可视化评测问卷。
6.如权利要求1所述的在大数据中实现人企双向匹配的方法,其特征在于,所述团队基因数据由若干个在职人员的个人基因诊断数据基于拟合模型成型团队基因数据。
7.如权利要求6所述的在大数据中实现人企双向匹配的方法,其特征在于,所述分析所述个人基因诊断数据和团队基因数据的相似度包括:
将所述个人基因诊断数据和所述团队基因数据以企业基因诊断弓型显示在同一个的坐标系中;
在同一个坐标系下提取具有维度空间的个人基因特征值和团队基因特征值;
计算个人基因特征值和团队基因特征值之间的距离比较所述个人基因特征值和团队基因特征值的相似度。
8.如权利要求1至任一项所述的在大数据中实现人企双向匹配的方法,其特征在于,所述基于所述相似度值数据和预设相似度阈值条件将求职用户生成求职推荐列表反馈到招聘用户端界面包括:
判断所述相似度值数据是否满足预设相似度阈值条件,并对求职用户进行满意度标记;
依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面。
9.如权利要求8所述的在大数据中实现人企双向匹配的方法,其特征在于,所述依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面包括:
依据满意度标记将满足企业团队用户需求的求职用户生成求职推荐列表反馈到招聘用户端界面;
依据满意度标记将不满足企业团队用户需求的求职用户进行数据过滤,不在求职推荐列表中进行展示。
10.一种在大数据中实现人企双向匹配的系统,其特征在于,所述系统用于实现如权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686624.2A CN116821315B (zh) | 2023-06-09 | 2023-06-09 | 一种在大数据中实现人企双向匹配的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310686624.2A CN116821315B (zh) | 2023-06-09 | 2023-06-09 | 一种在大数据中实现人企双向匹配的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116821315A true CN116821315A (zh) | 2023-09-29 |
CN116821315B CN116821315B (zh) | 2024-02-23 |
Family
ID=88123391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310686624.2A Active CN116821315B (zh) | 2023-06-09 | 2023-06-09 | 一种在大数据中实现人企双向匹配的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116821315B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013246453A (ja) * | 2012-05-23 | 2013-12-09 | Aidem:Kk | 求人・求職活動支援システム及び求人・求職活動支援プログラム |
CN110008324A (zh) * | 2019-03-29 | 2019-07-12 | 上海大易云计算股份有限公司 | 一种基于自然语义分析的招聘聊天方法及系统 |
CN113434687A (zh) * | 2021-07-22 | 2021-09-24 | 高向咨询(深圳)有限公司 | 自动简历查找方法、自动招聘系统、计算机存储介质 |
CN113610499A (zh) * | 2021-08-09 | 2021-11-05 | 杜量 | 一种基于区块链的求职功能团队职业信用档案方法和系统 |
CN113822589A (zh) * | 2021-09-29 | 2021-12-21 | 北京世纪好未来教育科技有限公司 | 智能面试方法、装置、设备及存储介质 |
CN115018469A (zh) * | 2022-07-01 | 2022-09-06 | 佛山市蜂王人力资源有限公司 | 一种基于大数据的人才智能匹配系统 |
WO2022252014A1 (zh) * | 2021-05-30 | 2022-12-08 | 浙江省北大信息技术高等研究院 | 一种创新创业服务供给与需求智能匹配的方法 |
KR20230023480A (ko) * | 2021-08-10 | 2023-02-17 | 메타크레용(주) | 소셜네트워크(sns) 위치기반의 양방향 다이렉트 콜을 이용한 인력매칭시스템 |
-
2023
- 2023-06-09 CN CN202310686624.2A patent/CN116821315B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013246453A (ja) * | 2012-05-23 | 2013-12-09 | Aidem:Kk | 求人・求職活動支援システム及び求人・求職活動支援プログラム |
CN110008324A (zh) * | 2019-03-29 | 2019-07-12 | 上海大易云计算股份有限公司 | 一种基于自然语义分析的招聘聊天方法及系统 |
WO2022252014A1 (zh) * | 2021-05-30 | 2022-12-08 | 浙江省北大信息技术高等研究院 | 一种创新创业服务供给与需求智能匹配的方法 |
CN115481827A (zh) * | 2021-05-30 | 2022-12-16 | 浙江省北大信息技术高等研究院 | 一种创新创业服务供给与需求智能匹配的方法 |
CN113434687A (zh) * | 2021-07-22 | 2021-09-24 | 高向咨询(深圳)有限公司 | 自动简历查找方法、自动招聘系统、计算机存储介质 |
CN113610499A (zh) * | 2021-08-09 | 2021-11-05 | 杜量 | 一种基于区块链的求职功能团队职业信用档案方法和系统 |
KR20230023480A (ko) * | 2021-08-10 | 2023-02-17 | 메타크레용(주) | 소셜네트워크(sns) 위치기반의 양방향 다이렉트 콜을 이용한 인력매칭시스템 |
CN113822589A (zh) * | 2021-09-29 | 2021-12-21 | 北京世纪好未来教育科技有限公司 | 智能面试方法、装置、设备及存储介质 |
CN115018469A (zh) * | 2022-07-01 | 2022-09-06 | 佛山市蜂王人力资源有限公司 | 一种基于大数据的人才智能匹配系统 |
Non-Patent Citations (4)
Title |
---|
SACKETT, PR 等: "Which Personality Attributes Are Most Important in the Workplace?", PERSPECTIVES ON PSYCHOLOGICAL SCIENCE, pages 538 - 551 * |
吕宏玉;杨建林;: "基于在线评论的就业行业情报挖掘研究――以图书情报专业求职者为例", 情报理论与实践, no. 09, pages 63 - 71 * |
李永瑞;刘欣;毕妍;王子姝;黎翔;邱月波;王倩;: "关键职业群体胜任特征模型探析――以知识产权代理机构为例", 中国人力资源开发, no. 06, pages 38 - 41 * |
蒲皆秀;丁强;贺丽娟;: "多种测评方法在医院招聘中的应用", 江苏卫生事业管理, no. 06, pages 47 - 48 * |
Also Published As
Publication number | Publication date |
---|---|
CN116821315B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11546223B2 (en) | Systems and methods for conducting more reliable assessments with connectivity statistics | |
US9654593B2 (en) | Discovering signature of electronic social networks | |
CN109584094B (zh) | 一种人际路径快速定位系统、方法及介质 | |
US20120215795A1 (en) | System and Method For Intelligent Job Hunt | |
WO2021184776A1 (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
KR101559719B1 (ko) | 효과적인 마케팅을 도출하는 자동학습 시스템 및 방법 | |
CN111881302A (zh) | 基于知识图谱的银行舆情分析方法和系统 | |
CN110956210A (zh) | 一种基于ap聚类的半监督网络水军识别方法及系统 | |
US20170097986A1 (en) | Methods, systems and techniques for providing search query suggestions based on non-personal data and user personal data according to availability of user personal data | |
CN113254630A (zh) | 一种面向全球综合观测成果的领域知识图谱推荐方法 | |
CN111259167A (zh) | 用户请求风险识别方法及装置 | |
CN109783471A (zh) | 企业画像小程序化方法、装置、计算机设备及存储介质 | |
US20230119860A1 (en) | Matching system, matching method, and matching program | |
DE112016001597T5 (de) | Missbrauchserfassung für telefonnummernsuchen | |
CN116821315B (zh) | 一种在大数据中实现人企双向匹配的方法及系统 | |
US20230244359A1 (en) | Display of data in images as data structures | |
US20160217216A1 (en) | Systems, methods, and devices for implementing a referral search | |
Vega et al. | Detecting of topic-specific leaders in social networks | |
KR20130091391A (ko) | 콘텐츠 추천 서버 및 방법, 그리고 그 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체 | |
CN109146737B (zh) | 一种基于考试平台的智能交互方法和装置 | |
CN114490833A (zh) | 一种图计算结果可视化方法和系统 | |
CN113657083A (zh) | 面向意图计算与推理的dikw资源交互填充系统 | |
US20190304040A1 (en) | System and Method for Vetting Potential Jurors | |
TWI419071B (zh) | Active knowledge management system, method and computer program product for problem solving | |
CN111859191A (zh) | Gis服务聚合方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |