CN117078221A - 基于ai的招聘方法、装置、设备和存储介质 - Google Patents
基于ai的招聘方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN117078221A CN117078221A CN202311117983.2A CN202311117983A CN117078221A CN 117078221 A CN117078221 A CN 117078221A CN 202311117983 A CN202311117983 A CN 202311117983A CN 117078221 A CN117078221 A CN 117078221A
- Authority
- CN
- China
- Prior art keywords
- recruitment
- job
- interaction information
- job seeker
- interview
- 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
- 230000007115 recruitment Effects 0.000 title claims abstract description 235
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000003993 interaction Effects 0.000 claims abstract description 260
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000004891 communication Methods 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 19
- 230000002452 interceptive effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 3
- 101150054987 ChAT gene Proteins 0.000 description 2
- 101100203187 Mus musculus Sh2d3c gene Proteins 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- 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
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
- G06Q10/1097—Task assignment
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种基于AI的招聘方法、装置、设备和存储介质，应用于招聘端对应的AI服务模块，AI服务模块配置有AI语言模型用于代替招聘端与求职端交互，包括：获取招聘端与求职端的历史问答信息和/或求职简历；若根据历史问答信息和/或求职简历确述求职端的求职者与招聘端的当前岗位招聘要求匹配，则向求职端发送第一交互信息；接收求职端响应于第一交互信息发送的第二交互信息；根据第二交互信息中与第一交互信息相关联的至少一条目标交互信息的上下文语义，确定招聘端与求职端的面试预约结果；将面试预约结果发送给招聘端和求职端，以使招聘端和求职端基于面试预约结果进行招聘相关的后续交互，实现自动、高效、准确的面试预约。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于AI的招聘方法、装置、设备和存储介质。
背景技术
目前招聘平台可以让招聘者发布人才需求职位信息，同时求职者可以上传自己个人简历。招聘者可以主动联系符合招聘条件的求职者，求职者也可以主动联系有求职意向的招聘者。在招聘过程中，针对符合招聘条件的求职者，招聘者通常需要人工主动的与求职者约定面试相关信息，比如：面试时间、面试地点等，效率较低，且不便于管理面试预约情况。
发明内容
本发明实施例提供一种基于AI的招聘方法、装置、设备和存储介质，用以实现自动、高效、准确的面试预约。
第一方面，本发明实施例提供一种基于AI的招聘方法，应用于招聘端对应的AI服务模块，所述AI服务模块配置有AI语言模型用于代替所述招聘端与求职端交互，所述方法包括：
获取招聘端与求职端的历史问答信息和/或求职简历；
若根据所述历史问答信息和/或所述求职简历确定所述求职端的求职者与所述招聘端的当前岗位招聘要求匹配，则向所述求职端发送第一交互信息；
接收所述求职端响应于所述第一交互信息发送的第二交互信息；
根据所述第二交互信息中与所述第一交互信息相关联的至少一条目标交互信息的上下文语义，确定所述招聘端与所述求职端的面试预约结果；
将所述面试预约结果发送给所述招聘端和所述求职端，以使所述招聘端和所述求职端基于所述面试预约结果进行招聘相关的后续交互。
第二方面，本发明实施例提供一种基于AI的招聘装置，应用于招聘端对应的AI服务模块，所述AI服务模块配置有AI语言模型用于代替所述招聘端与求职端交互，所述装置包括：
获取模块，用于获取招聘端与求职端的历史问答信息和/或求职简历；
交互模块，用于若根据所述历史问答信息和/或所述求职简历确定所述求职端的求职者与所述招聘端的当前岗位招聘要求匹配，则向所述求职端发送第一交互信息；接收所述求职端响应于所述第一交互信息发送的第二交互信息；根据所述第二交互信息中与所述第一交互信息相关联的至少一条目标交互信息的上下文语义，确定所述招聘端与所述求职端的面试预约结果；
发送模块，用于将所述面试预约结果以预设方式发送给所述招聘端和所述求职端，以使所述招聘端和所述求职端基于所述面试预约结果进行招聘相关的后续交互。
第三方面，本发明实施例提供一种电子设备，包括：存储器、处理器、通信接口；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器至少可以实现如第一方面所述的基于AI的招聘方法。
第四方面，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如第一方面所述的基于AI的招聘方法。
在本发明实施例提供的方案中，招聘端对应有AI服务模块，该AI服务模块配置有AI语言模型，可用于代替招聘端与求职端交互。在招聘的面试预约场景中，AI服务模块获取招聘端与求职端的历史问答信息和/或求职简历，并根据历史问答信息和/或招聘简历判断求职端的求职者与招聘端的当前岗位招聘要求是否匹配。若匹配，则向求职端发送第一交互信息，并接收求职端响应于第一交互信息发送的第二交互信息。之后，根据第二交互信息中与第一交互信息相关联的至少一条目标交互信息的上下文语义，确定招聘端与求职端的面试预约结果。最后，将面试预约结果发送给招聘端和求职端，以使招聘端和求职端基于面试预约结果进行招聘相关的后续交互。
本方案中，在进行面试预约时，通过AI服务模块代替招聘端与求职端进行交互，能够实现自动化的面试预约，在进行面试预约的过程中，AI服务模块能够基于求职端针对第一交互信息回答的第二交互信息的上下文语义，正确理解求职端的面试意愿，从而高效、准确的进行面试预约。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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他的附图。
图1为本发明实施例提供的一种基于AI的招聘服务系统的结构示意图；
图2为本发明实施例提供的一种基于AI的招聘方法的流程图；
图3为本发明实施例提供的一种面试预约结果的示意图；
图4为本发明实施例提供的另一种基于AI的招聘方法的流程图；
图5为本发明实施例提供的又一种基于AI的招聘方法的流程图；
图6为本发明实施例提供的一种基于AI的招聘装置的结构示意图；
图7为与图6所示实施例提供的基于AI的招聘装置对应的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例中所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。
图1为本发明实施例提供的一种基于AI的招聘服务系统的结构示意图。如图1所示，该系统包括：招聘端、求职端，以及招聘端对应的AI服务模块。其中，AI服务模块配置有AI语言模型用于代替招聘端与求职端交互，招聘端与求职端之间的交互指与招聘业务相关的交互，比如：岗位咨询、面试预约等等。本实施例中不对招聘端与求职端之间交互的具体形式进行限制，例如，可以是基于应用程序的聊天交互，也可以是基于运营商提供的通信服务的短信交互等。求职端和招聘端之间的交互可以涉及家政领域、货车司机领域、租房领域、卖方卖房领域、搬家领域等多种不同领域。
本实施例中，招聘端和求职端可以是诸如PC机、笔记本电脑、智能手机等终端设备，终端设备上部署有相应的与招聘相关的应用程序。基于终端设备上部署的应用程序，招聘方通过招聘端可与求职端的求职者之间进行通信，比如：招聘方向求职者发送面试预约邀请，求职者向招聘方投递求职简历等。
实际应用中，招聘方对应的AI服务模块可灵活进行部署，比如：AI服务模块可以独立部署在招聘端对应的终端设备上，或者独立部署在服务器上，或者分布式的部署在招聘端对应的终端设备以及服务器上。其中，服务器是指为招聘端与求职端提供通信服务的电子设备，可以是包含一独立主机的物理服务器，或者也可以为虚拟服务器，或者也可以为云端服务器或服务器集群。
本方案中，AI服务模块配置有AI语言模型用于代替招聘端与求职端交互，所谓代替求职端可以通俗的理解为将原本需要招聘端的招聘者进行的工作交由AI服务模块来完成，所谓交互包括但不限于对求职端发送的问题进行应答，以及向求职端发送问题。
可选地，从AI语言模型采用的技术来看，AI语言模型的类型包含但不限于：监督学习模型、半监督学习模型、无监督学习模型、强化学习模型、卷积神经网络(ConvolutionalNeural Networks，CNN)模型、递归神经网络(Recurrent Neural Networks，RNN)模型、生成式模型或异常检测模型等。从AI语言模型实现的功能来看，AI语言模型包括但不限于：自然语言理解模型、图像或视频理解模型、聊天模型、智能客服模型、AI搜索引擎以及多模态图片生成模型等等。进一步，AI语言模型实现为：大语言模型(Large Language Mode l，LLM)，LLM是一种使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务，如文本分类、问答、对话等。
AI服务模块在代替招聘端与求职端进行交互时，根据招聘的具体流程可以将交互过程划分为三个阶段：第一阶段，招聘端与求职端通过交互获取彼此的基本信息；第二阶段，招聘端或求职端中的任一方在认为对端与自身的目标要求匹配的情况下，进行面试预约；第三阶段，招聘端的招聘方对求职端的求职者进行面试，完成招聘。本方案所针对第二阶段中的面试预约场景介绍AI服务模块在招聘过程中的应用，以下将结合具体实施例，进行具体说明。
图2为本发明实施例提供的一种基于AI的招聘方法的流程图，应用于招聘端对应的AI服务模块，如图2所示，可以包括如下步骤：
201、获取招聘端与求职端的历史问答信息和/或求职简历。
202、若根据历史问答信息和/或求职简历确定求职端的求职者与招聘端的当前岗位招聘要求匹配，则向求职端发送第一交互信息。
203、接收求职端响应于第一交互信息发送的第二交互信息。
204、根据第二交互信息中与第一交互信息相关联的至少一条目标交互信息的上下文语义，确定招聘端与求职端的面试预约结果。
205、将面试预约结果发送给招聘端和求职端，以使招聘端和求职端基于面试预约结果进行招聘相关的后续交互。
本实施例中，先假设招聘端与求职端之间已经进行了基本的问答交互，获取到了彼此与招聘相关的基本信息；或者假设求职端已经预先了解了招聘端的基本信息并向招聘端投递了求职简历，也即招聘端与求职端已经完成了招聘交互过程中的第一阶段——获取彼此的基本信息。
基于上述假设，进一步地，AI服务模块需要代替招聘端与求职端进行面试预约。在进行面试预约时，首先，AI服务模块需要获取求职端对应求职者的求职简历，和/或，历招聘端与求职端的历史问答信息，也即第一阶段的交互问答信息，以根据历史问答信息和/或求职简历判断求职端的求职者与招聘端的当前岗位招聘要求是否匹配。比如：若求职简历和/或历史问答信息中表明求职者工作年限为3年，而当前岗位招聘要求为工作年限5年以上，则认为求职端的求职者与招聘端的当前岗位招聘要求不匹配。可选地，当历史问答信息中存在级联的问题时，若求职端只回答了部分问题，则根据求职端答复的问题对应的答案确定求职端的求职者与招聘端的当前岗位招聘要求是否匹配。
当求职端的求职者与招聘端的当前岗位招聘要求不匹配时，AI服务模块向求职端反馈不符合面试预约要求的消息通知，结束当前招聘流程。当求职端的求职者与招聘端的当前岗位招聘要求匹配时，AI服务模块向求职端发送第一交互信息，以与求职端进行面试预约。
其中，第一交互信息泛指向求职端发送的用于确定面试时间、面试地点等与面试预约要素相关的交互信息。可选地，第一交互信息可以通过语音、文字、卡片等不同形式发送给求职端。
求职端在接收到第一交互信息后，响应于第一交互消息，发送第二交互消息。其中，第二交互消息用于反映求职端的求职者的面试意愿，比如：期望面试时间、期望面试地点等。
可选地，第一交互信息和第二交互信息可以是问答的形式，比如：第一交互信息为“7月18号可以来面试吗？”，第二交互信息可以是“可以”或者“不可以”等，由此通过简单问答，并对问答交互信息进行关键词提取，即可确定面试预约的时间、地点等信息。或者，可选地，第一交互信息中也可直接包含多个预设选项以供求职端选择，此时，第二交互消息即为求职端选择的目标选项，比如：第一交互信息为“请在下列3个日期中选择可以进行面试的日期：7月17日、7月18日、7月19日”，求职端可通过例如选择7月18日这一选项的方式，触发第二交互信息“7月18日”，可见，通过对预设选项进行选择，也能够确定面试预约的时间、地点等信息。
但是，实际应用中，由于语言表达的多样性，求职端发送的第二交互消息往往会出现“答非所问”的情况，即针对某一条第一交互消息，交互端可能对应的发送多条第二交互消息，仅通过对某一条第二交互信息进行关键词提取并不能准确获取求职端的面试意愿。另外，通过预设选项的方式又不够灵活，可能出现求职端需要从大量选项中选择出符合自身面试意愿的选项的情形。因此，上述两种方式均不利于面试预约成功率的提高。
基于此，本方案中，AI服务模块根据第二交互信息中与第一交互信息相关联的至少一条目标交互信息的上下文语义，确定招聘端与求职端的面试预约结果。比如：当第一交互信息是针对面试时间时，则从第二交互信息中确定出与面试时间相关的至少一条信息作为目标交互信息，并基于目标交互信息的上下文语义确定面试时间。
举例来说，假设第一交互信息为“7月18号可以来面试吗？”，第二交互消息为“不可以”、“往后推三天可以”、“我想去xx大厦面试”。基于此假设可知，第一交互消息为面试时间，第二交互消息中与面试时间相关的目标交互消息为：“不可以”、“往后推三天可以”，基于第一交互消息和目标交互消息的上下文，可以确定求职端的期望面试时间为7月21日。
可选地，为了进一步提高面试预约的准确度，可以先根据第二交互信息中与第一交互信息相关联的至少一条目标交互信息的上下文语义，向求职端发送第三交互信息。其中，第三交互信息为基于至少一条目标交互信息的上下文语义对第一交互信息的更新结果。然后，接收求职端响应于第三交互信息发送的第四交互信息；最后，根据第四交互信息中与第三交互信息相关联的至少一条目标交互信息的上下文语义，确定招聘端与求职端的面试预约结果。
其中，第三交互信息与第一交互信息类似，用于确定面试时间、面试地点等与面试预约要素相关的交互信息。第四交互信息与第二交互信息类似，用于反映求职端的求职者的面试意愿。
承接于上述假设，对第一交互信息更新后的第三交互信息可以为“确定7月21号可以来面试吗？”，对应地，第四交互信息为“确定”，由此便约定了面试时间为7月21日。面试地点等面试预约要素的确定方式与面试时间的确定方式类似，本实施例不再一一进行举例说明。
在确定面试预约结果之后，将面试预约结果发送给招聘端和求职端，以使招聘端和求职端基于面试预约结果进行招聘相关的后续交互，即进行招聘过程中的第三阶段，以完成当前招聘。图3为本发明实施例提供的一种面试预约结果的示意图，如图3所示，面试预约结果中包含有招聘端和求职端双方约定的面试岗位、面试时间、面试地点等面试预约相关的要素。需要说明的是，图3仅为示例性说明，实际应用中面试结果可以根据实际需求灵活进行配置。另外，本实施例中不对面试预约结果的发送形式进行限制，比如：面试预约结果可以以应用程序内消息弹窗的形式发送给求职端和招聘端，也可以短信、邮件等形式发送给求职端和招聘端。
本方案中，在进行面试预约时，通过AI服务模块代替招聘端与求职端进行交互，一方面能够实现自动化的面试预约，解决了人工约面效率低下的问题；另一方面，在进行面试预约的过程中，AI服务模块能够基于求职端针对第一交互信息回答的第二交互信息中与第一交互信息相关的至少一条目标交互信息的上下文语义，正确理解求职端的面试意愿，从而高效、准确的进行面试预约，提高面试预约的成功率。
图4为本发明实施例提供的另一种基于AI的招聘方法的流程图，应用于招聘端对应的AI服务模块，如图4所示，可以包括如下步骤：
401、获取招聘端与求职端的历史问答信息和/或求职简历，其中，历史问答信息或求职简历中包括与面试预约相关的目标要素。
402、若根据历史问答信息和/或求职简历确定求职端的求职者与招聘端的当前岗位招聘要求匹配，则根据目标要素向求职端发送与目标要素匹配的第一交互信息。
403、接收求职端响应于第一交互信息发送的第二交互信息。
404、根据第二交互信息中与第一交互信息相关联的至少一条目标交互信息的上下文语义，确定招聘端与求职端的面试预约结果。
405、将面试预约结果发送给招聘端和求职端，以使招聘端和求职端基于面试预约结果进行招聘相关的后续交互。
本实施例中，步骤401、步骤403至步骤405的具体实施过程可参考前述实施例，在此不再进行赘述。
本实施例中，仍先假设招聘端与求职端之间已经进行了基本的问答交互，获取到了彼此与招聘相关的基本信息；或者假设求职端已经预先了解了招聘端的基本信息并向招聘端投递了求职简历，也即招聘端与求职端已经完成了招聘交互过程中的第一阶段——获取彼此的基本信息。
可以理解的是，历史问答信息和求职简历中可能包含有一些与面试预约相关的目标要素，比如：求职端的求职者的预计就业时间、经常居住地等等，这些目标要素也反映了求职端求职者的面试意愿，在招聘端与求职端进行面试预约的过程中，基于目标要素能够使得AI服务模块更加智能，辅助招聘端快速准确的与求职端确定面试预约结果。
具体实施过程中，在根据历史问答信息和/或求职简历确定求职端的求职者与招聘端的当前岗位招聘要求匹配后，进一步地，若历史问答信息和/或求职简历中包含与面试预约相关的目标要素，则根据目标要素，向求职端发送与目标要素匹配的第一交互信息。
展开来说，若目标要素为与地点相关的面试预约要素，则向求职端发送用于确定面试地点的第一交互信息时，第一交互信息对应的面试地点与目标要素对应的地点匹配，比如：目标要素对应的地点与第一交互信息对应的面试地点之间的距离小于设定距离。若目标要素为与时间相关的面试预约要素，则向求职端发送用于确定面试时间的第一交互信息时，第一交互信息对应的面试时间与目标要素对应的时间匹配，比如：目标要素对应的时间在第一交互信息对应的面试时间的时间范围内，或者目标要素对应的时间与第一交互信息对应的面试时间的时间差小于设定差值。
为便于理解，举例来说，在进行招聘时，同一岗位对应的可能有多个不同的工作地点，在进行面试预约时，通常约定的面试地点也即相应的工作地点。但是，实际的应用过程中，至少存在以下两种情形会对面试地点的确定产生影响。第一种情形，某一工作岗位对应的工作地点数量过多，招聘端需要与求职端进行多次交互才能确定面试地点；第二种情形，求职端的求职者当前的居住地并不在未来期望的工作地点，且从当前居住的去往未来期望的工作地点进行面试存在诸多不便。
因此，本实施中，若AI服务模块从历史问答信息或求职简历中获取到与地点相关的目标要素，比如：求职者当前居住地，则可以根据当前居住地对应的地址，向求职端发送与当前居住地的地址匹配的第一交互信息，比如第一交互信息为“请从地点A、地点B和地点C中选择面试地点”，其中，地点A、地点B和地点C为当前岗位对应的多个面试地点中，距离求职者当前居住地距离最近的3个面试地点。
另外，若AI服务模块从历史问答信息或求职简历中获取到与地点相关的目标要素不止一个，比如：目标要素为求职者当前居住地以及未来期望的工作地点，则根据多个与地点相关的目标要素，向求职端发送与目标要素匹配的第一交互信息。
具体地，当求职者当前居住地与未来期望的工作地点在同一区域范围内时，则向求职端发送与当前居住地的地址匹配的第一交互信息，或者向求职端发送与未来期望的工作地点的地址匹配的第一交互信息。当求职者当前居住地与未来期望的工作地点不在同一区域范围内时，则先向求职端发送用于确定面试地点范围的第一交互信息，再向求职端发送与面试地点范围匹配的第一交互信息。比如：若根据求职端对用于确定面试地点范围的第一交互信息的响应，确定面试地点范围为求职者当前居住地，则向求职端发送与当前居住地的地址匹配的第一交互信息；若根据求职端对用于确定面试地点范围的第一交互信息的响应，确定面试地点范围为未来期望的工作地点，则向求职端发送与未来期望的工作地点的地址匹配的第一交互信息。
当AI服务模块从历史问答信息或求职简历中获取到的目标要素与时间相关时，对应的面试时间的确定方式与面试地点的确定过程类似。举例来说，假设目标要素为求职者的预计就业时间为8月1日，招聘端当前岗位的3个招聘周期对应的面试时间区间分别为“5月1日至5月30日”、“7月1日至7月15日”、“9月15日至9月30日”。由于“7月1日至7月15日”这一面试时间区间与求职者的预计就业时间8月1日之间的时间差值最小，因此，向求职端发送与求职者的预计就业时间匹配的第一交互信息可以为“请在7月1日至7月15日之间选择面试日期”。或者，由于“5月1日至5月30日”、“7月1日至7月15日”对应的面试时间区间均在求职者的预计就业时间8月1日之前，因此，向求职端发送与求职者的预计就业时间匹配的第一交互信息可以为“请在5月1日至5月30日或7月1日至7月15日中选择面试日期”。
基于上述举例，本实施中，AI服务模块在代替招聘端与求职端进行交互以预约面试的过程中，通过结合历史问答信息或求职简历中与面试预约相关的目标要素，增加了确定求职端面试意愿的参考信息，从而能够向求职端发送更加贴合求职端求职者面试意愿的第一交互信息，根据与目标要素匹配的第一交互信息，求职端能够更加快速、准确的表达自己的面试意愿，提高面试预约的成功率。
前述实施例介绍了AI服务模块代替招聘端与求职端进行交互，通过发送第一交互信息，并理解第二交互信息中与第一交互信息相关联的至少一条目标交互信息的上下文语义，确定面试预约结果的具体过程。其中，AI服务模块一方面用于基于第二交互信息中与第一交互信息相关联的至少一条目标交互信息的上下文语义，确定求职端的面试意愿；另一方面，用于确定向求职端发送的第一交互信息对应的与面试预约相关的要素内容。本方案中，在面试预约的场景中，AI服务模块还可用于控制是否向求职端发送第一交互信息，以及发送何种类型的第一交互信息，以下进行具体说明。
在实际的面试预约场景中，并不是所有与招聘端的当前岗位招聘要求匹配的求职端都能进行面试预约，一般地，招聘端的各招聘岗位对应的面试预约数量是有限的，比如：约定的面试预约人数和招聘人数的比例为2：1，若某一岗位要招聘10个人，则在进行面试预约时，对应的预设的面试预约数量为20，即仅能与20个人进行面试预约；或者预定某岗位要面试200人，招聘时间为20天，每天能够预约的面试数量为10人等。
本实施例中，AI服务模块在代替招聘端进行面试预约的过程中，可以实时统计当前岗位已预约的面试数量，并判断当前岗位已预约的面试数量与招聘端预设的面试预约数量的大小关系。其中，统计的粒度可以是当前岗位总的已预约面试数量这种粗粒度的，也可以是当前岗位一天或者一个时段的已预约面试数量这种细粒度的。
可选地，若当前岗位已预约的面试数量小于招聘端预设的面试预约数量，则表明仍有多余的面试预约指标，可向求职端发送进行当前岗位面试预约的第一交互消息，以与求职端完成面试预约。若当前岗位已预约的面试数量等于招聘端预设的面试预约数量，则表明没有多余的面试预约指标，此种情形下，即使求职端的求职者与招聘端的当前岗位招聘要求匹配，也不再向求职端发送第一交互信息，即不再与求职端进行面试预约。
实际应用中，招聘端同时招聘的多个岗位之间往往可能存在关联，比如：不同岗位对应的招聘要求相同，当求职端的求职者与招聘端当前岗位的招聘要求匹配时，可能与当前岗位关联的其他岗位的招聘要求也匹配。
为了加速招聘流程，快速完成招聘，可选地，若当前岗位已预约的面试数量等于招聘端预设的面试预约数量，则向求职端发送进行其他岗位面试预约的第一交互消息，其中，其他岗位与当前岗位关联，且其他岗位已预约的面试数量小于招聘端针对其他岗位预设的面试预约数量。
本实施中，AI服务模块通过对已预约的面试数量的统计，可以即时的获取当前的面试预约数量，基于当前的面试预约数量与预设的面试预约数量，能够自动的预约符合要求的面试数量，节约人力统计成本。
在实际的面试预约场景中，还存在需要对已预约的面试进行取消或修改的情形，为了增加面试预约的灵活性，AI服务模块在通过与求职端交互确定面试预约结果时，会先判断求职端的求职者与招聘端之间是否存在已预约的面试。若求职端的求职者与招聘端之间不存在已预约的面试，则向求职端发送第一交互信息，以与求职端完成面试预约；若求职端的求职者与招聘端之间存在已预约的面试，且已预约的面试对应于当前岗位，则向求职端发送第五交互信息，其中，第五交互信息用于辅助求职端修改或取消已预约的面试。比如：若检测到求职端已预约当前岗位(岗位x)的面试，则向求职端发送第五交互消息“是否要修改或取消岗位x的面试预约”，之后求职端可基于第五交互消息修改岗位x的面试预约时间、地点等，或取消岗位x的面试预约。
可选地，本方案中基于AI的招聘方法，还包括：响应于求职端对已预约的面试的修改或取消操作，更新当前岗位已预约的面试数量；向与当前岗位招聘要求匹配且未预约成功的求职者的求职端发送面试预约请求；根述求职端对面试预约请求的响应，向求职端发送第一交互信息。
可以理解的是，预设的面试预约数量一定的情况下，已预约的面试数量会随着新的求职端面试预约成功而减少，随着已预约面试的修改或取消而增加。在已预约面试数量会发生动态变化的情况下，当有多余的面试预约指标时，及时的通知求职端，向求职端发送面试预约请求，并在求职端相应同意进行面试预约的情况下发送第一交互信息，有利于与足够数量的求职端进行面试预约，保证最终的招聘结果。
在前述实施例中，均假设招聘端与求职端之间已经进行了基本的问答交互，获取到了彼此与招聘相关的基本信息；或者求职端已经预先了解了招聘端的基本信息并向招聘端投递了求职简历。但是，实际应用过程中，求职端也可在未与招聘端进行交互且未投递求职简历的情况下，直接向招聘端发送面试预约请求，如下图5所示。
图5为本发明实施例提供的又一种基于AI的招聘方法的流程图，应用于招聘端对应的AI服务模块，如图5所示，可以包括如下步骤：
501、响应于求职端的面试预约请求，若未获取到招聘端与求职端的历史问答信息和求职简历，则向求职端发送第六交互信息，以基于求职端与第六交互信息的交互结果确定求职端的求职者与招聘端的当前岗位招聘要求是否匹配。
502、若求职端的求职者与招聘端的当前岗位招聘要求匹配，则向求职端发送第一交互信息。
503、接收求职端响应于第一交互信息发送的第二交互信息。
504、根据第二交互信息中与第一交互信息相关联的至少一条目标交互信息的上下文语义，确定招聘端与求职端的面试预约结果。
505、将面试预约结果发送给招聘端和求职端，以使招聘端和求职端基于面试预约结果进行招聘相关的后续交互。
其中，步骤502至步骤505的具体实施过程可参考前述实施例，本实施例中不再进行赘述。
本实施例中，第六交互信息可以是预设的问题或答案，第六交互信息用于获取判断求职端的求职者与招聘端的当前岗位招聘要求是否匹配的评价指标，比如：第六交互消息可以为“您目前的工作年限是多少”、“您是否有犯罪记录等”。第六交互信息、求职端与第六交互信息的交互结果相当于前述实施例中已获取到历史问答信息。
可选地，若在确定面试预约结果后，确定求职端未向招聘端发送求职简历，则可根据第六交互信息以及求职端与第六交互信息的交互结果，生成求职端的求职简历并发送给招聘端；或者，向求职端发送提示信息，提示求职端向招聘端投递求职简历。
本方案中，AI服务模块在代替招聘端进行面试预约时，可以由招聘端在求职端符合设定条件的情况下主动触发，也可以响应于求职端发起的面试预约请求被动触发，本实施例中，并不对面试预约的触发方式进行限制。
需要说明的是，本方案的多个实施例相互之间可以进行组合。
以下将详细描述本发明的一个或多个实施例的基于AI的招聘装置。本领域技术人员可以理解，这些装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图6为本发明实施例提供的一种基于AI的招聘装置的结构示意图，应用于招聘端对应的AI服务模块，所述AI服务模块配置有AI语言模型用于代替所述招聘端与求职端交互，如图6所示，该装置包括：获取模块11、交互模块12、发送模块13。
获取模块11，用于获取招聘端与求职端的历史问答信息和/或求职简历；
交互模块12，用于若根据所述历史问答信息和/或所述求职简历确定所述求职端的求职者与所述招聘端的当前岗位招聘要求匹配，则向所述求职端发送第一交互信息；接收所述求职端响应于所述第一交互信息发送的第二交互信息；根据所述第二交互信息中与所述第一交互信息相关联的至少一条目标交互信息的上下文语义，确定所述招聘端与所述求职端的面试预约结果；
发送模块13，用于将所述面试预约结果以预设方式发送给所述招聘端和所述求职端，以使所述招聘端和所述求职端基于所述面试预约结果进行招聘相关的后续交互。
可选地，所述交互模块12，具体用于根据所述第二交互信息中与所述第一交互信息相关联的至少一条目标交互信息的上下文语义，向所述求职端发送第三交互信息，所述第三交互信息为基于所述至少一条目标交互信息的上下文语义对所述第一交互信息的更新结果；接收所述求职端响应于所述第三交互信息发送的第四交互信息；根据所述第四交互信息中与所述第三交互信息相关联的至少一条目标交互信息的上下文语义，确定所述招聘端与所述求职端的面试预约结果。
可选地，所述历史问答信息或求职简历中包括与面试预约相关的目标要素。所述交互模块12，还具体用于根据所述目标要素，向所述求职端发送与所述目标要素匹配的第一交互信息。
可选地，所述交互模块12，还具体用于若所述当前岗位已预约的面试数量小于所述招聘端预设的面试预约数量，则向所述求职端发送进行所述当前岗位面试预约的第一交互消息；若所述当前岗位已预约的面试数量等于所述招聘端预设的面试预约数量，则向所述求职端发送进行其他岗位面试预约的第一交互消息，所述其他岗位与所述当前岗位关联。
可选地，所述交互模块12，还具体用于若所述求职端的求职者与所述招聘端之间不存在已预约的面试，则向所述求职端发送第一交互信息；若所述求职端的求职者与所述招聘端之间存在已预约的面试，且已预约的面试对应于所述当前岗位，则向所述求职端发送第五交互信息，所述第五交互信息用于辅助求职端修改或取消已预约的面试。
可选地，所述交互模块12，还用于响应于求职端对已预约的面试的修改或取消操作，更新所述当前岗位已预约的面试数量；向与所述当前岗位招聘要求匹配且未预约成功的求职者的求职端发送面试预约请求；根据所述求职端对所述面试预约请求的响应，向所述求职端发送第一交互信息。
可选地，所述获取模块11，还用于响应于求职端的面试预约请求，若未获取到所述招聘端与所述求职端的历史问答信息和求职简历，则向所述求职端发送第六交互信息，以基于所述求职端与第六交互信息的交互结果确定所述求职端的求职者与所述招聘端的当前岗位招聘要求是否匹配。
图6所示装置可以执行前述实施例中介绍的步骤，详细的执行过程和技术效果参见前述实施例中的描述，在此不再赘述。
在一个可能的设计中，上述图6所示基于AI的招聘装置的结构可实现为一电子设备，如图7所示，该电子设备可以包括：存储器21、处理器22、通信接口23。其中，存储器21上存储有可执行代码，当所述可执行代码被处理器22执行时，使处理器22至少可以实现如前述实施例中提供的基于AI的招聘方法。
另外，本发明实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如前述实施例中提供的基于AI的招聘方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于AI的招聘方法，其特征在于，应用于招聘端对应的AI服务模块，所述AI服务模块配置有AI语言模型用于代替所述招聘端与求职端交互，所述方法包括：
获取招聘端与求职端的历史问答信息和/或求职简历；
若根据所述历史问答信息和/或所述求职简历确定所述求职端的求职者与所述招聘端的当前岗位招聘要求匹配，则向所述求职端发送第一交互信息；
接收所述求职端响应于所述第一交互信息发送的第二交互信息；
根据所述第二交互信息中与所述第一交互信息相关联的至少一条目标交互信息的上下文语义，确定所述招聘端与所述求职端的面试预约结果；
将所述面试预约结果发送给所述招聘端和所述求职端，以使所述招聘端和所述求职端基于所述面试预约结果进行招聘相关的后续交互。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第二交互信息中与所述第一交互信息相关联的至少一条目标交互信息的上下文语义，确定所述招聘端与所述求职端的面试预约结果，包括：
根据所述第二交互信息中与所述第一交互信息相关联的至少一条目标交互信息的上下文语义，向所述求职端发送第三交互信息，所述第三交互信息为基于所述至少一条目标交互信息的上下文语义对所述第一交互信息的更新结果；
接收所述求职端响应于所述第三交互信息发送的第四交互信息；
根据所述第四交互信息中与所述第三交互信息相关联的至少一条目标交互信息的上下文语义，确定所述招聘端与所述求职端的面试预约结果。
3.根据权利要求1所述的方法，其特征在于，所述历史问答信息或求职简历中包括与面试预约相关的目标要素，所述向所述求职端发送第一交互信息，包括：
根据所述目标要素，向所述求职端发送与所述目标要素匹配的第一交互信息。
4.根据权利要求1所述的方法，其特征在于，所述向所述求职端发送第一交互信息，包括：
若所述当前岗位已预约的面试数量小于所述招聘端预设的面试预约数量，则向所述求职端发送进行所述当前岗位面试预约的第一交互消息；
若所述当前岗位已预约的面试数量等于所述招聘端预设的面试预约数量，则向所述求职端发送进行其他岗位面试预约的第一交互消息，所述其他岗位与所述当前岗位关联。
5.根据权利要求1所述的方法，其特征在于，所述向所述求职端发送第一交互信息，包括：
若所述求职端的求职者与所述招聘端之间不存在已预约的面试，则向所述求职端发送第一交互信息；
若所述求职端的求职者与所述招聘端之间存在已预约的面试，且已预约的面试对应于所述当前岗位，则向所述求职端发送第五交互信息，所述第五交互信息用于辅助求职端修改或取消已预约的面试。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
响应于求职端对已预约的面试的修改或取消操作，更新所述当前岗位已预约的面试数量；
向与所述当前岗位招聘要求匹配且未预约成功的求职者的求职端发送面试预约请求；
根据所述求职端对所述面试预约请求的响应，向所述求职端发送第一交互信息。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
响应于求职端的面试预约请求，若未获取到所述招聘端与所述求职端的历史问答信息和求职简历，则向所述求职端发送第六交互信息，以基于所述求职端与第六交互信息的交互结果确定所述求职端的求职者与所述招聘端的当前岗位招聘要求是否匹配。
8.一种基于AI的招聘装置，其特征在于，应用于招聘端对应的AI服务模块，所述AI服务模块配置有AI语言模型用于代替所述招聘端与求职端交互，包括：
获取模块，用于获取招聘端与求职端的历史问答信息和/或求职简历；
交互模块，用于若根据所述历史问答信息和/或所述求职简历确定所述求职端的求职者与所述招聘端的当前岗位招聘要求匹配，则向所述求职端发送第一交互信息；接收所述求职端响应于所述第一交互信息发送的第二交互信息；根据所述第二交互信息中与所述第一交互信息相关联的至少一条目标交互信息的上下文语义，确定所述招聘端与所述求职端的面试预约结果；
发送模块，用于将所述面试预约结果以预设方式发送给所述招聘端和所述求职端，以使所述招聘端和所述求职端基于所述面试预约结果进行招聘相关的后续交互。
9.一种电子设备，其特征在于，包括：存储器、处理器、通信接口；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至7中任一项所述的基于AI的招聘方法。
10.一种非暂时性机器可读存储介质，其特征在于，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1至7中任一项所述的基于AI的招聘方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311117983.2A CN117078221A (zh) | 2023-08-31 | 2023-08-31 | 基于ai的招聘方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311117983.2A CN117078221A (zh) | 2023-08-31 | 2023-08-31 | 基于ai的招聘方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117078221A true CN117078221A (zh) | 2023-11-17 |
Family
ID=88702180
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311117983.2A Pending CN117078221A (zh) | 2023-08-31 | 2023-08-31 | 基于ai的招聘方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117078221A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829797A (zh) * | 2023-12-27 | 2024-04-05 | 广州谢大家科技有限公司 | 一种基于ai的教育招聘信息管理服务平台、方法及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110060021A (zh) * | 2019-02-28 | 2019-07-26 | 广州仕享网络科技有限公司 | 一种便于快速面试的招聘方法、设备、介质 |
| CN110874710A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种招聘辅助方法及装置 |
| CN111460813A (zh) * | 2020-03-04 | 2020-07-28 | 北京网聘咨询有限公司 | 招聘信息和求职简历匹配的方法及系统 |
| CN112541329A (zh) * | 2019-09-20 | 2021-03-23 | 上海大岂网络科技有限公司 | 简历创建方法、装置、电子设备 |
| CN114238607A (zh) * | 2021-12-17 | 2022-03-25 | 北京斗米优聘科技发展有限公司 | 深度交互式ai智能求职顾问方法、系统及存储介质 |
| CN116431925A (zh) * | 2023-05-09 | 2023-07-14 | 上海渔米可禧文化传媒有限公司 | 一种求职共享交互方法、系统、电子设备和存储介质 |
-
2023
- 2023-08-31 CN CN202311117983.2A patent/CN117078221A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110874710A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种招聘辅助方法及装置 |
| CN110060021A (zh) * | 2019-02-28 | 2019-07-26 | 广州仕享网络科技有限公司 | 一种便于快速面试的招聘方法、设备、介质 |
| CN112541329A (zh) * | 2019-09-20 | 2021-03-23 | 上海大岂网络科技有限公司 | 简历创建方法、装置、电子设备 |
| CN111460813A (zh) * | 2020-03-04 | 2020-07-28 | 北京网聘咨询有限公司 | 招聘信息和求职简历匹配的方法及系统 |
| CN114238607A (zh) * | 2021-12-17 | 2022-03-25 | 北京斗米优聘科技发展有限公司 | 深度交互式ai智能求职顾问方法、系统及存储介质 |
| CN116431925A (zh) * | 2023-05-09 | 2023-07-14 | 上海渔米可禧文化传媒有限公司 | 一种求职共享交互方法、系统、电子设备和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 玛氏校园在线: "轻松预约AI智能面试，你要的信息都在这里", pages 1 - 5, Retrieved from the Internet <URL:https://zhuanlan.zhihu.com/p/87189193> * |
| 詹坤林: "58 同城AI Lab 2022 年度回顾:一份AI 中台产品应用手册", pages 1 - 14, Retrieved from the Internet <URL:https://maimai.cn/article/detail?fid=1769550390&efid=ufBOJ1vIOPU_MQesVPQIjQ> * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117829797A (zh) * | 2023-12-27 | 2024-04-05 | 广州谢大家科技有限公司 | 一种基于ai的教育招聘信息管理服务平台、方法及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8639650B1 (en) | Profile-responsive system for information exchange in human- and device-adaptive query-response networks for task and crowd management, distributed collaboration and data integration | |
| US20100241581A1 (en) | System and Method for Interactive Interview and Recruitment | |
| US8498904B2 (en) | Method, system, and program storage device for efficient fulfillment of work assignments | |
| US9135558B1 (en) | Generating models based on response rates of users/experts using probabilities, and random numbers | |
| CN111080234A (zh) | 启发式对话招聘方法及系统 | |
| US20080172381A1 (en) | Method and system for connecting service providers with service requestors | |
| US20230214778A1 (en) | Dynamic Automated Real-Time Management of Virtual Interviews between Job Providers and Qualified Job Seekers | |
| EP3905162A2 (en) | Schedule management service system and method | |
| CN114490975B (zh) | 用户问题的标注方法及装置 | |
| US11861533B2 (en) | Network-based work assignment platform | |
| US20230196256A1 (en) | System and method for management of a talent network | |
| CN116503033A (zh) | 招聘数据处理方法、系统、计算机设备及存储介质 | |
| KR20220144323A (ko) | 인공지능을 이용한 맞춤형 법률 서비스 제공방법, 서버 및 컴퓨터프로그램 | |
| CN114418641A (zh) | 存量客户访问工单的自动派发方法、装置及电子设备 | |
| KR20200093151A (ko) | 네트워크를 이용한 전문 기술 인력 관리시스템 및 방법 | |
| CN111652569B (zh) | 一种在线招聘会视频面谈实现方法、设备、系统和存储介质 | |
| KR102653240B1 (ko) | 간호사 인력 해외 취업을 위한 제공 시스템 | |
| CN117078221A (zh) | 基于ai的招聘方法、装置、设备和存储介质 | |
| CN111667303A (zh) | 智能订单生成方法、装置、设备和介质 | |
| CN111680961B (zh) | 一种空中双选会视频面谈实现方法和设备 | |
| CN111626684B (zh) | 智能税务处理方法、装置、终端和介质 | |
| CN112598399A (zh) | 一种信息处理方法及装置 | |
| CN111191053A (zh) | 一种用于动物沟通培训服务的系统及实现方法 | |
| US11941500B2 (en) | System for engagement of human agents for decision-making in a dynamically changing environment | |
| KR102499770B1 (ko) | 인공지능 기반 학습 시스템 및 그 방법 |
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 |