CN117094690A - 信息处理方法、电子设备及存储介质 - Google Patents

信息处理方法、电子设备及存储介质 Download PDF

Info

Publication number
CN117094690A
CN117094690A CN202311120691.4A CN202311120691A CN117094690A CN 117094690 A CN117094690 A CN 117094690A CN 202311120691 A CN202311120691 A CN 202311120691A CN 117094690 A CN117094690 A CN 117094690A
Authority
CN
China
Prior art keywords
resume
information
job seeker
scene
target
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
Application number
CN202311120691.4A
Other languages
English (en)
Inventor
刘飞
刘孟
向美太
孙良艳
康盼盼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing 58 Information Technology Co Ltd
Original Assignee
Beijing 58 Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing 58 Information Technology Co Ltd filed Critical Beijing 58 Information Technology Co Ltd
Priority to CN202311120691.4A priority Critical patent/CN117094690A/zh
Publication of CN117094690A publication Critical patent/CN117094690A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/194—Calculation of difference between files
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Human Computer Interaction (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供一种信息处理方法、电子设备及存储介质。在本申请实施例中，识别求职者的简历描述信息所属的业务场景，并查询引导词库确定简历描述信息所属的业务场景的引导词，以及对简历描述信息和对应的引导词进行融合，得到上下文融合内容，利用大语言模型对上下文融合内容进行回复，得到润色后的简历描述信息；对润色后的简历描述信息进行结构化处理得到结构化的简历文本。由此，可以生成质量较好的简历文本，简历文本可以较好地引起招聘者的关注，提高求职成功率。

Description

信息处理方法、电子设备及存储介质
技术领域
本申请涉及人工智能技术领域，尤其涉及一种信息处理方法、电子设备及存储介质。
背景技术
目前，很多网络平台提供网络招聘服务，求职者可以在网络平台发布简历，以供招聘者查看；求职者还可以浏览招聘者在网络平台发布的职位信息，针对满意的职位信息，求职者向发布满意的职位信息的招聘者投递简历，以进行求职。实际应用中，受限于求职者的文化水平，用户制作的简历的质量较低，难以引起招聘者的关注，造成求职成功率较低。
发明内容
本申请的多个方面提供一种信息处理方法、电子设备及存储介质，用以提高简历质量，帮助提升求职成功率。
本申请实施例提供一种信息处理方法，包括：获取文本形式的简历描述信息，简历描述信息用于描述求职者的特点；识别简历描述信息所属的目标业务场景；根据目标业务场景查询引导词库，以获取目标业务场景的目标引导词，其中，引导词库包括多个业务场景的引导词，引导词用于引导大语言模型针对对应的业务场景进行有针对性地回复；将简历描述信息和目标引导词进行融合，得到上下文融合内容；将上下文融合内容输入大语言模型，以获取大语言模型输出的第一回复内容，其中，第一回复内容是大语言模型对上下文融合内容进行回复得到，第一回复内容包括目标简历描述信息，目标简历描述信息相对于简历描述信息进行了润色处理；对目标简历描述信息进行结构化处理，以得到求职者的简历文本。
本申请实施例还提供一种电子设备，包括：存储器和处理器；存储器，用于存储计算机程序；处理器耦合至存储器，用于执行计算机程序以用于执行信息处理方法中的步骤。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被处理器执行时，致使处理器能够实现信息处理方法中的步骤。
在本申请实施例中，识别求职者的简历描述信息所属的业务场景，并查询引导词库确定简历描述信息所属的业务场景的引导词，以及对简历描述信息和对应的引导词进行融合，得到上下文融合内容，利用大语言模型对上下文融合内容进行回复，得到润色后的简历描述信息；对润色后的简历描述信息进行结构化处理得到结构化的简历文本。由此，可以生成质量较好的简历文本，简历文本可以较好地引起招聘者的关注，提高求职成功率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的一种示例性的应用场景图；
图2为本申请实施例提供的一种信息处理方法的流程图；
图3为本申请实施例提供的另一种信息处理方法的流程图；
图4为本申请实施例提供的另一种示例性的应用场景图；
图5为本申请实施例提供的一种信息处理装置的结构示意图；
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请的实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的访问关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A，B可以是单数或者复数。在本申请的文字描述中，字符“/”一般表示前后关联对象是一种“或”的关系。此外，在本申请实施例中，“第一”、“第二”、“第三”、等只是为了区分不同对象的内容而已，并无其它特殊含义。
目前，很多网络平台提供网络招聘服务，求职者可以在网络平台发布简历，以供招聘者查看；求职者还可以浏览招聘者在网络平台发布的职位信息，针对满意的职位信息，求职者向发布满意的职位信息的招聘者投递简历，以进行求职。实际应用中，受限于求职者的文化水平，用户制作的简历的质量较低，难以引起招聘者的关注，造成求职成功率较低。
为此，本申请实施例提供一种信息处理方法、电子设备及存储介质。在本申请实施例中，识别求职者的简历描述信息所属的业务场景，并查询引导词库确定简历描述信息所属的业务场景的引导词，以及对简历描述信息和对应的引导词进行融合，得到上下文融合内容，利用大语言模型对上下文融合内容进行回复，得到润色后的简历描述信息；对润色后的简历描述信息进行结构化处理得到结构化的简历文本。由此，可以生成质量较好的简历文本，简历文本可以较好地引起招聘者的关注，提高求职成功率。
图1为本申请实施例提供的一种示例性的应用场景图。参见图1，在网络招聘场景中，网络平台的服务端提供网络招聘服务，参见图1中的①所示，招聘者通过其终端设备安装的招聘客户端触发职位信息的发布操作，服务端响应职位信息的发布操作，对外发布招聘者提供的职位信息，以吸引各个求职者关注并投递简历，实现招聘者可以招聘到合适的人才。求职者通过其终端设备安装的求职客户端触发简历生成操作，服务端响应简历生成操作，生成求职者的简历。求职者还可以通过求职客户端触发简历发布操作，服务端响应简历发布操作，对外发布求职者的简历，以供招聘者查看。求职者还可以在求职客户端中浏览招聘者发布的职位信息，针对满意的职位信息，求职者向发布满意的职位信息的招聘者投递简历，以进行求职。
实际应用中，求职者的简历的质量好坏直接影响求职成功率。为此，引入LLM(Large Language Model，大语言模型)进行简历的润色，提高简历的质量。其中，LLM是指一类大型的自然语言处理模型，该模型具有大量的参数，以实现更好的性能和泛化能力。LLM通常使用Transformer架构，并通过在大规模文本数据上进行预训练来学习自然语言的特征和结构，这使得它们能够在各种NLP(Natural Language Processing，自然语言处理)任务中表现出色，例如文本生成、情感分析、问答系统、翻译等。Transformer架构是一个基于多头注意力机制的模型，由Encoder(编码器)和Decoder(解码器)两个部分组成。
具体而言，在求职者有简历生成需求时，求职者可以通过语音输入方式或文本输入方式在求职客户端中输入描述求职者特点的简历描述信息，该简历描述信息描述了用户的基本信息、教育背景、工作经验、项目经历和求职意向等特点，例如，简历描述信息为“我是王##，基本信息是广东人，30岁，教育背景是大专，工作经历是在多个知名酒店做过糕点师，项目经历是制作过大型宴会的生日蛋糕,求职意向是糕点师”。
参见图1中的②所示，求职者触发求职客户端向服务端发送包括简历描述信息的简历生成请求。服务端响应于求职者触发的简历生成请求，解析简历生成请求以获取简历描述信息，若简历描述信息是语音形式的简历描述信息，则将语音形式的简历描述信息进行语音文本转换(Speech To Text，STT)，得到文本形式的简历描述信息。服务端分析简历描述信息所属的业务场景并确定所属的业务场景关联的引导词，引导词用于引导大语言模型针对对应的业务场景进行有针对性地回复；服务端将简历描述信息和引导词进行融合，得到上下文融合内容。参见图1中的③所示，服务端将上下文融合内容输入大语言模型，大语言模型对上下文融合内容进行回复，得到润色后的简历描述信息。参见图1中④所示，大语言模型将润色后的简历描述信息提供给服务端；参见图1中⑤和⑥所示，服务端根据润色后的简历描述信息生成简历文本，并将简历文本推送给求职者，以供求职者查看。求职者还可以对简历文本进行修改，以进一步完善简历文本，提高简历文本质量，进而促进求职成功率。
需要说明的是，图1所示的应用场景仅仅为一种示例性的应用场景，本申请实施例并不限制应用场景。本申请实施例不对图1中包括的设备进行限定，也不对图1中设备之间的位置关系进行限定。
在本申请实施例中，终端设备例如为手机、平板电脑、台式计算机、可穿戴式智能设备、智能家居设备等。服务器例如为单个服务器、多个服务器组成的分布式服务器集群、云服务器等等。终端设备可以通过有线网络或者无线网络与服务端进行交互。例如，有线网络可以包括同轴电缆、双绞线和光纤等，无线网络可以是2G(2Generation，2代)网络、3G(3Generation，3代)网络、4G(4Generation，4代)网络或者5G(5Generation，5代)网络、无线保真(Wireless Fidelity，简称WIFI)网络等。本申请对交互的具体类型或者具体形式并不做限定，只要其能够实现终端设备与服务端交互的功能即可。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图2为本申请实施例提供的一种信息处理方法的流程图。该方法可由信息处理执行，该装置可由软件和/或硬件组成，并一般可以配置在电子设备中。在一些可选的实施例中，该装置还可以配置到提供AI(Artificial Intelligence，人工智能)服务的AI助手模块中。
参见图2，该方法可以包括以下步骤：
201、获取文本形式的简历描述信息，简历描述信息用于描述求职者的特点。
在本实施例中，简历描述信息用于描述求职者的特点，简历描述信息描述了用户的基本信息、教育背景、工作经验、项目经历和求职意向等特点。例如，例如，简历描述信息为“我是王##，基本信息是广东人，30岁，教育背景是大专，工作经历是在多个知名酒店做过糕点师，项目经历是制作过大型宴会的生日蛋糕,求职意向是糕点师”。
实际应用中，求职者可以以文本输入方式输入文本形式的简历描述信息，进一步可选的，为了便于求职者轻松制作简历，提高简历制作效率，还支持求职者语音输入简历描述信息。基于此，可以获取求职者的语音数据，对语音数据进行语音转文本(Speech-to-Text，STT)处理，得到文本形式的简历描述信息。
具体举例来说，求职者触发终端设备中的求职客户端展示简历制作页面，在简历制作页面上以文本输入方式输入文本形式的简历描述信息，或者，求职者触发简历制作页面上的语音控件，利用终端设备的麦克风采集求职者说出的表征简历描述信息的语音数据，对语音数据进行语音转文本处理，可以得到文本形式的简历描述信息。
202、识别简历描述信息所属的目标业务场景。
在本实施例中，业务场景反映求职分类，业务场景例如包括但不限于：餐饮场景、旅游场景、医疗检测场景、房产中介场景等等。在此，将简历描述信息所属的业务场景称作为目标业务场景。进一步可选的，为了准确识别简历描述信息所属的目标业务场景，可以对简历描述信息进行语义理解，获取语义理解结果；将语义理解结果与各个业务场景下的场景词进行匹配；若存在与语义理解结果匹配的场景词，则将匹配的场景词对应的业务场景作为目标业务场景。
具体而言，业务场景下的场景词是描述业务场景的特点的词汇，例如，餐饮场景的场景词包括糕点、牛排、炸薯条、中餐、西餐等等。旅游场景包括：瀑布、宾馆、沙滩、岛屿、旅行社。医疗检测场景包括：牙医、血压、胃痛、护士、内科医生和外科医生等等。房产中介场景包括：地铁房、暖气、煤气、押金、电梯等等。
在本实施例中，通过对简历描述信息进行语义理解，可以得到表征求职者的求职意向的语义理解结果。将语义理解结果与各个业务场景下的场景词进行匹配，根据匹配结果，确定简历描述信息所属的目标业务场景。具体而言，在将语义理解结果与各个业务场景下的场景词进行匹配时，可以计算语义理解结果与各个业务场景下的场景词之间的相似度；若存在相似度大于按需设定的相似度阈值的场景词，则确定存在与语义理解结果匹配的场景词。若不存在相似度大于按需设定的相似度阈值的场景词，则确定不存在与语义理解结果匹配的场景词。针对存在与语义理解结果匹配的场景词的情况，可以从相似度大于预设相似度阈值的场景词中任选一个场景词，并将选中的场景词对应的业务场景作为目标业务场景。进一步可选的，为了准确识别简历描述信息所属的目标业务场景，还可以在相似度大于预设相似度阈值的场景词中选择相似度最大的场景词，将相似度最大的场景词对应的业务场景作为目标业务场景。
实际应用中，将语义理解结果与各个业务场景下的场景词进行匹配后，可能不存在与语义理解结果匹配的场景词。进一步可选的，为了可靠地确定简历描述信息所属的目标业务场景，将语义理解结果与各个业务场景下的场景词进行匹配后,若不存在与语义理解结果匹配的场景词，则将简历描述信息输入大语言模型，获取大语言模型输出的第二回复内容，其中，第二回复内容是大语言模型对简历描述信息进行回复得到；将第二回复内容与各个业务场景下的场景词进行匹配，并将与第二回复内容匹配的场景词对应的业务场景作为目标业务场景。
在本实施例中，引入大语言模型对简历描述信息进行回复，回复内容可以更好地体现求职者的求职意向。在此，将大语言模型对简历描述信息进行回复得到的回复内容称作为第二回复内容。具体而言，在将第二回复内容与各个业务场景下的场景词进行匹配时，可以计算第二回复内容与各个业务场景下的场景词之间的相似度；将相似度最大的场景词作为与第二回复内容匹配的场景词，并将与第二回复内容匹配的场景词对应的业务场景作为目标业务场景。
203、根据目标业务场景查询引导词库，以获取目标业务场景的目标引导词，其中，引导词库包括多个业务场景的引导词，引导词用于引导大语言模型针对对应的业务场景进行有针对性地回复。
在本实施例中，预先确定多个业务场景的引导词，并基于多个业务场景的引导词创建引导词库。各个业务场景的引导词按需灵活设置，引导词用于引导大语言模型针对对应的业务场景进行有针对性地回复。例如，餐饮场景的引导词为：请突出求职者擅长的菜系、请描述求职的成本控制情况等等。
旅游场景的引导词为请突出求职者的服务态度、请突出求职者的突发事件处理能力。医疗检测场景的引导词为：请突出求职者的沟通能力、求突出求职者的奉献精神。房产中介场景的引导词为：求突出求职者的带看次数、签约成功率等等。
在创建引导词库之后，根据目标业务场景查询引导词库，将从引导词库查询到的与目标业务场景对应的引导词作为目标引导词。
204、将简历描述信息和目标引导词进行融合，得到上下文融合内容。
实际应用中，可以分别对简历描述信息和目标引导词进行编码，得到简历描述信息的向量表示和目标引导词的向量表示；对简历描述信息的向量表示和目标引导词的向量表示进行诸如向量相加或向量拼接等融合处理，得到一个综合的上下文表示，在此将所得的上下文表示称作为上下文融合内容。
值得注意的是，通过融合处理，可以生成更全面、丰富的上下文融合内容，进而辅助大语言模型进行更准确地、更有针对性地回复。
205、将上下文融合内容输入大语言模型，以获取大语言模型输出的第一回复内容，其中，第一回复内容是大语言模型对上下文融合内容进行回复得到，第一回复内容包括目标简历描述信息，目标简历描述信息相对于简历描述信息进行了润色处理。
具体而言，大语言模型对输入的上下文融合内容进行回复，在此，将大语言模型输出的回复内容称作为第一回复内容。第一回复内容中包括的目标简历描述信息相对于简历描述信息进行了润色处理。进一步可选的，为了获取质量较好的简历，目标简历描述信息相对于简历描述信息进行了以下至少一种润色处理：突出求职者的专业背景、技能、教育背景、工作经验、项目经验中至少一种的优势；进行拼写和语法检查。
206、对目标简历描述信息进行结构化处理，以得到求职者的简历文本。
在本实施例中，通过结构化处理，可以得到结构化的简历文本，结构化的简历文本可以较好地突出求职者的特点，引起招聘者的注意，提高求职成功率。结构化的简历文本包括多个字段，每个字段对应一种简历描述信息。例如，结构化的简历文本包括：基本信息字段、教育背景字段、工作经验字段、项目经历字段和求职意向字段等，基本信息字段的字段值记录用户的基本信息，教育背景字段的字段值记录用户的教育背景、工作经验字段的字段值记录用户的工作经验、项目经历字段的字段值记录用户的项目经历和求职意向字段记录用户的求职意向等等。
本申请实施例提供的技术方案，识别求职者的简历描述信息所属的业务场景，并查询引导词库确定简历描述信息所属的业务场景的引导词，以及对简历描述信息和对应的引导词进行融合，得到上下文融合内容，利用大语言模型对上下文融合内容进行回复，得到润色后的简历描述信息；对润色后的简历描述信息进行结构化处理得到结构化的简历文本。由此，可以生成质量较好的简历文本，简历文本可以较好地引起招聘者的关注，提高求职成功率。
图3为本申请实施例提供的另一种信息处理方法的流程图。该方法可由信息处理执行，该装置可由软件和/或硬件组成，并一般可以配置在电子设备中。在一些可选的实施例中，该装置还可以配置到提供AI(Artificial Intelligence，人工智能)服务的AI助手模块中。
参见图3，该方法可以包括以下步骤：
301、获取文本形式的简历描述信息，简历描述信息用于描述求职者的特点。
302、识别简历描述信息所属的目标业务场景。
303、根据目标业务场景查询引导词库，以获取目标业务场景的目标引导词，其中，引导词库包括多个业务场景的引导词，引导词用于引导大语言模型针对对应的业务场景进行有针对性地回复。
304、将简历描述信息和目标引导词进行融合，得到上下文融合内容。
305、将上下文融合内容输入大语言模型，以获取大语言模型输出的第一回复内容，其中，第一回复内容是大语言模型对上下文融合内容进行回复得到，第一回复内容包括目标简历描述信息，目标简历描述信息相对于简历描述信息进行了润色处理。
306、对目标简历描述信息进行结构化处理，以得到求职者的简历文本。
本申请实施例中的步骤301至306的实现方式可以参见前述实施例中的步骤201至206的实现方式，在此不再赘述。
307、向求职者推送简历文本。
308、响应于求职者触发的发布操作，发布简历文本。
在本实施例中，向求职者推送简历文本，以供求职者查看。若求职者对简历文本较为满意，求职者可以直接在网络平台发布该简历文本。进一步可选的，在步骤308之前，还可以向求职者推送第一回复内容中的简历完善建议信息；响应于求职者基于简历完善建议信息发起的修改操作，对简历文本进行修改。
具体而言，大语言模型回复的第一回复内容除了包括润色后的目标简历描述信息，还可以包括简历完善建议信息，简历完善建议信息可以引导求职者继续完善简历，提高简历文本的质量。基于此，既向求职者推送简历文本，还向求职者推送简历完善建议信息，以引导求职者基于简历完善建议信息修改简历文本。
309、响应于求职者触发的简历投递操作，向发布目标职位信息的招聘方投递简历文本。
具体而言，目标职位信息是多个招聘方在网络平台中发布的多个职位信息中一个或多个，目标职位信息例如为某公司的主厨、司机、搬运工等等。求职者可以向感兴趣的目标职位信息进行简历投递，也即向发布目标职位信息的招聘方投递简历文本。
进一步可选的，在步骤309之前，还可以通过推荐系统从简历文本中抽取求职者的画像信息；通过推荐系统从多个招聘方发布的多个职位信息中，选择与目标业务场景相匹配的职位信息；通过推荐系统利用画像信息和求职者的历史求职行为数据，对选择的职位信息进行召回，并将召回的职位信息作为目标职位信息；向求职者推送目标职位信息。
其中，历史求职行为数据包括但不限于：求职者历史浏览过的职位信息、求职者历史投递过简历的职位信息、求职者历史面试过的职位信息、求职者历史被邀请面试的职位信息等等。
可以理解的是，推荐系统综合多种信息选择求职者更高兴趣的目标职位信息，有效地增加了求职者求职成功率。
进一步可选的，选择与目标业务场景相匹配的职位信息时，可以选择与求职者的唯一标识信息和目标业务场景相匹配的职位信息。其中，求职者的唯一标识信息例如包括但不限于：求职者的IMEI(国际移动设备识别码，International Mobile EquipmentIdentity)、UID(User Identification，用户身份证明)。
310、响应于求职者触发的针对目标职位信息的投递结果查看操作，向求职者推送第一回复内容中的面试技巧信息。
在本实施例中，在求职者针对目标职位信息投递简历文本后，求职者可以查看投递结果，投递结果例如被招聘者查看、招聘者邀请面试或招聘者拒绝求职者等等。
为了提高求职成功率，大语言模型回复的第一回复内容除了包括润色后的目标简历描述信息，还可以包括面试技巧信息，面试技巧信息例如入座礼仪、回答问题的礼节或自我介绍的分寸等等。当求职查看投递结果时，推送面试技巧信息，既可以减少信息推送对求职者的打扰，又可以提高面试技巧信息推送的触达率。
本申请实施例提供的技术方案，识别求职者的简历描述信息所属的业务场景，并查询引导词库确定简历描述信息所属的业务场景的引导词，以及对简历描述信息和对应的引导词进行融合，得到上下文融合内容，利用大语言模型对上下文融合内容进行回复，得到润色后的简历描述信息；对润色后的简历描述信息进行结构化处理得到结构化的简历文本。由此，可以生成质量较好的简历文本，简历文本可以较好地引起招聘者的关注，提高求职成功率。进一步，在求职者针对目标职位信息投递简历文本并查看投递结果时，推送大语言模型回复的面试技巧信息，既可以减少信息推送对求职者的打扰，又可以提高面试技巧信息推送的触达率，提高求职成功率。
图4为本申请实施例提供的另一种示例性的应用场景图。参见图4，求职者与APP(Application)客户端(例如求职客户端)进行录入交互，以语音录入方式或文本录入方式录入求职语料(也即描述求职者特点的简历描述信息)，通过SDK(Software DevelopmentKit，软件开发工具包)发送给APP服务端，APP服务端调用语料API(ApplicationProgramming Interface,应用程序编程接口)发送给算法系统，算法系统对求职语料进行文本挖掘，挖掘出求职语料所属的目标业务场景，算法系统获取目标业务场景对应的引导词，根据目标业务场景对应的引导词和求职语料进行融合(也可以理解为提示词优化)，得到上下文融合内容，上下文融合内容作为优化后的提示词输入大语言模型，大语言模型输出润色后的简历描述信息、面试技巧信息、简历完善信息等等。推荐系统基于求职者的画像信息、历史求职行为信息和目标业务场景，从招聘者发布的多个职位信息确定向求职者推荐的职位信息。APP服务端通过润色数据API将润色后简历描述信息从算法系统转发给APP应用端，APP应用端基于简历描述信息生成结构化简历文本；APP服务端通过推荐API将推荐的职位信息从算法系统转发给APP应用端，当然，APP服务端还可以通过其他API将面试技巧信息、简历完善信息等更多信息从算法系统转发给APP应用端。求职者可以基于简历完善信息修改结构化简历文本，并发布简历文本。求职者还可以查看面试技巧信息，求职者还可以查看推荐的职位信息，并向发布推荐的职位信息的招聘者投递简历文本。
图5为本申请实施例提供的一种信息处理装置的结构示意图。参见图5，该装置可以包括：
获取模块51，用于获取文本形式的简历描述信息，简历描述信息用于描述求职者的特点；
识别模块52，用于识别简历描述信息所属的目标业务场景；
查询模块53，用于根据目标业务场景查询引导词库，以获取目标业务场景的目标引导词，其中，引导词库包括多个业务场景的引导词，引导词用于引导大语言模型针对对应的业务场景进行有针对性地回复；
融合模块54，用于将简历描述信息和目标引导词进行融合，得到上下文融合内容；
回复模块55，用于将上下文融合内容输入大语言模型，以获取大语言模型输出的第一回复内容，其中，第一回复内容是大语言模型对上下文融合内容进行回复得到，第一回复内容包括目标简历描述信息，目标简历描述信息相对于简历描述信息进行了润色处理；
结构化处理模块56，用于对目标简历描述信息进行结构化处理，以得到求职者的简历文本。
进一步可选的，识别模块52具体用于：对简历描述信息进行语义理解，获取语义理解结果；将语义理解结果与各个业务场景下的场景词进行匹配；若存在与语义理解结果匹配的场景词，则将匹配的场景词对应的业务场景作为目标业务场景。
进一步可选的，识别模块52还用于：若不存在与语义理解结果匹配的场景词，则将简历描述信息输入大语言模型，获取大语言模型输出的第二回复内容，其中，第二回复内容是大语言模型对简历描述信息进行回复得到；将第二回复内容与各个业务场景下的场景词进行匹配，并将与第二回复内容匹配的场景词对应的业务场景作为目标业务场景。
进一步可选的，获取模块51，具体用于获取求职者的语音数据；对语音数据进行语音转文本处理，得到文本形式的简历描述信息。
进一步可选的，上述装置还包括：
推送模块，用于向求职者推送简历文本；
发布模块，用于响应于求职者触发的发布操作，发布简历文本；
投递模块，用于响应于求职者触发的简历投递操作，向发布目标职位信息的招聘方投递简历文本；
推送模块，还用于响应于求职者触发的针对目标职位信息的投递结果查看操作，向求职者推送第一回复内容中的面试技巧信息。
进一步可选的，上述装置还包括：修改模块；
推送模块，还用于向求职者推送第一回复内容中的简历完善建议信息；
修改模块，用于响应于求职者基于简历完善建议信息发起的修改操作，对简历文本进行修改。
进一步可选的，上述装置还包括：推荐模块，用于通过推荐系统从简历文本中抽取求职者的画像信息；通过推荐系统从多个招聘方发布的多个职位信息中，选择与目标业务场景相匹配的职位信息；通过推荐系统利用画像信息和求职者的历史求职行为数据，对选择的职位信息进行召回，并将召回的职位信息作为目标职位信息；
推送模块，还用于向求职者推送目标职位信息。
进一步可选的，目标简历描述信息相对于简历描述信息进行了以下至少一种润色处理：突出求职者的专业背景、技能、教育背景、工作经验、项目经验中至少一种的优势；进行拼写和语法检查。
进一步可选的，上述装置应用于提供AI服务的AI助手模块。
图4所示的装置可以执行图2或图3所示的方法，其实现原理和技术效果不再赘述。对于上述实施例中的图4所示的装置其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
需要说明的是，上述实施例所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤201至步骤206的执行主体可以为设备A；又比如，步骤201和202的执行主体可以为设备A，步骤203至步骤206的执行主体可以为设备B；等等。
另外，在上述实施例及附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如201、202等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
需要说明的是，本申请所涉及的用户信息(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。
图6为本申请实施例提供的一种电子设备的结构示意图。如图6所示，该电子设备包括：存储器61和处理器62；
存储器61，用于存储计算机程序，并可被配置为存储其它各种数据以支持在计算平台上的操作。这些数据的示例包括用于在计算平台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61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(Static Random-AccessMemory，SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable read only memory，EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)，可编程只读存储器(Programmable read-only memory，PROM)，只读存储器(Read-Only Memory，ROM)，磁存储器，快闪存储器，磁盘或光盘。
处理器62，与存储器61耦合，用于执行存储器61中的计算机程序，以用于执行信息处理方法中的步骤。
进一步，如图6所示，该电子设备还包括：通信组件63、显示器64、电源组件65、音频组件66等其它组件。图6中仅示意性给出部分组件，并不意味着电子设备只包括图6所示组件。另外，图6中虚线框内的组件为可选组件，而非必选组件，具体可视电子设备的产品形态而定。本实施例的电子设备可以实现为台式电脑、笔记本电脑、智能手机或IOT(物联网，Internet of things)设备等终端设备，也可以是常规服务器、云服务器或服务器阵列等服务端设备。若本实施例的电子设备实现为台式电脑、笔记本电脑、智能手机等终端设备，可以包含图6中虚线框内的组件；若本实施例的电子设备实现为常规服务器、云服务器或服务器阵列等服务端设备，则可以不包含图6中虚线框内的组件。
关于处理器执行各动作的详细实施过程可参见前述方法实施例或设备实施例中的相关描述，在此不再赘述。
相应地，本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被执行时能够实现上述方法实施例中可由电子设备执行的各步骤。
相应地，本申请实施例还提供一种计算机程序产品，包括计算机程序/指令，当计算机程序/指令被处理器执行时，致使处理器能够实现上述方法实施例中可由电子设备执行的各步骤。
上述通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络，如WiFi(WirelessFidelity，无线保真)、2G(2Generation，2代)、3G(3Generation，3代)、4G(4Generation，4代)/LTE(long Term Evolution，长期演进)、5G(5Generation，5代)等移动通信网络，或它们的组合。在一个示例性实施例中，通信组件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，通信组件还包括近场通信(Near FieldCommunication，NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RadioFrequency Identification，RFID)技术，红外数据协会(The Infrared DataAssociation，IrDA)技术，超宽带(Ultra Wide Band，UWB)技术，蓝牙(Bluetooth，BT)技术和其他技术来实现。
上述显示器包括屏幕，其屏幕可以包括液晶显示器(Liquid Crystal Display，LCD)和触摸面板(Touch Panel，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。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。
上述电源组件，为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理系统，一个或多个电源，及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
上述音频组件，可被配置为输出和/或输入音频信号。例如，音频组件包括一个麦克风(microphone，MIC)，当音频组件所在设备处于操作模式，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或经由通信组件发送。在一些实施例中，音频组件还包括一个扬声器，用于输出音频信号。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请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读存储介质(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。
本申请是参照根据本申请实施例的方法、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存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。
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。
在一个典型的配置中，计算设备包括一个或多个处理器(Central ProcessingUnit，CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RandomAccess Memory，RAM)和/或非易失性内存等形式，如只读存储器(Read Only Memory，ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变化内存(Phase Change RAM，PRAM)、静态随机存取存储器(Static Random-Access Memory，SRAM)、动态随机存取存储器(DynamicRandom Access Memory，DRAM)、其他类型的随机存取存储器(Random Access Memory，RAM)、只读存储器(Read Only Memory，ROM)、电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(Digital versatiledisc，DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (11)

1.一种信息处理方法，其特征在于，包括：
获取文本形式的简历描述信息，所述简历描述信息用于描述求职者的特点；
识别所述简历描述信息所属的目标业务场景；
根据所述目标业务场景查询引导词库，以获取所述目标业务场景的目标引导词，其中，所述引导词库包括多个业务场景的引导词，所述引导词用于引导大语言模型针对对应的业务场景进行有针对性地回复；
将所述简历描述信息和所述目标引导词进行融合，得到上下文融合内容；
将所述上下文融合内容输入所述大语言模型，以获取所述大语言模型输出的第一回复内容，其中，所述第一回复内容是所述大语言模型对所述上下文融合内容进行回复得到，所述第一回复内容包括目标简历描述信息，所述目标简历描述信息相对于所述简历描述信息进行了润色处理；
对所述目标简历描述信息进行结构化处理，以得到所述求职者的简历文本。
2.根据权利要求1所述的方法，其特征在于，识别所述简历描述信息所属的目标业务场景包括：
对所述简历描述信息进行语义理解，获取语义理解结果；
将所述语义理解结果与各个业务场景下的场景词进行匹配；
若存在与所述语义理解结果匹配的场景词，则将匹配的场景词对应的业务场景作为所述目标业务场景。
3.根据权利要求2所述的方法，其特征在于，还包括：
若不存在与所述语义理解结果匹配的场景词，则将所述简历描述信息输入所述大语言模型，获取所述大语言模型输出的第二回复内容，其中，所述第二回复内容是所述大语言模型对所述简历描述信息进行回复得到；
将所述第二回复内容与各个业务场景下的场景词进行匹配，并将与所述第二回复内容匹配的场景词对应的业务场景作为所述目标业务场景。
4.根据权利要求1所述的方法，其特征在于，获取文本形式的简历描述信息包括：
获取所述求职者的语音数据；
对所述语音数据进行语音转文本处理，得到文本形式的简历描述信息。
5.根据权利要求1所述的方法，其特征在于，对所述目标简历描述信息进行结构化处理，以得到所述求职者的简历文本之后，还包括：
向所述求职者推送所述简历文本；
响应于所述求职者触发的发布操作，发布所述简历文本；
响应于所述求职者触发的简历投递操作，向发布目标职位信息的招聘方投递所述简历文本；
响应于所述求职者触发的针对目标职位信息的投递结果查看操作，向所述求职者推送所述第一回复内容中的面试技巧信息。
6.根据权利要求5所述的方法，其特征在于，响应于所述求职者触发的发布操作，发布所述简历文本之前，还包括：
向所述求职者推送所述第一回复内容中的简历完善建议信息；
响应于所述求职者基于所述简历完善建议信息发起的修改操作，对所述简历文本进行修改。
7.根据权利要求5所述的方法，其特征在于，响应于所述求职者触发的简历投递操作，向发布目标职位信息的招聘方投递所述简历文本之前，还包括：
通过推荐系统从所述简历文本中抽取所述求职者的画像信息；
通过所述推荐系统从多个招聘方发布的多个职位信息中，选择与所述目标业务场景相匹配的职位信息；
通过所述推荐系统利用所述画像信息和所述求职者的历史求职行为数据，对选择的职位信息进行召回，并将召回的职位信息作为所述目标职位信息；
向所述求职者推送所述目标职位信息。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述目标简历描述信息相对于所述简历描述信息进行了以下至少一种润色处理：
突出所述求职者的专业背景、技能、教育背景、工作经验、项目经验中至少一种的优势；
进行拼写和语法检查。
9.根据权利要求1至7任一项所述的方法，其特征在于，应用于提供AI服务的AI助手模块。
10.一种电子设备，其特征在于，包括：存储器和处理器；所述存储器，用于存储计算机程序；所述处理器耦合至所述存储器，用于执行所述计算机程序以用于执行权利要求1-9任一项所述方法中的步骤。
11.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被处理器执行时，致使所述处理器能够实现权利要求1-9任一项所述方法中的步骤。
CN202311120691.4A 2023-08-31 2023-08-31 信息处理方法、电子设备及存储介质 Pending CN117094690A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311120691.4A CN117094690A (zh) 2023-08-31 2023-08-31 信息处理方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311120691.4A CN117094690A (zh) 2023-08-31 2023-08-31 信息处理方法、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN117094690A true CN117094690A (zh) 2023-11-21

Family

ID=88780136

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311120691.4A Pending CN117094690A (zh) 2023-08-31 2023-08-31 信息处理方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117094690A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455430A (zh) * 2023-08-31 2024-01-26 北京五八信息技术有限公司 基于ai的简历信息处理方法、装置、设备及存储介质
CN117455430B (zh) * 2023-08-31 2024-05-17 北京五八信息技术有限公司 基于ai的简历信息处理方法、装置、设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455430A (zh) * 2023-08-31 2024-01-26 北京五八信息技术有限公司 基于ai的简历信息处理方法、装置、设备及存储介质
CN117455430B (zh) * 2023-08-31 2024-05-17 北京五八信息技术有限公司 基于ai的简历信息处理方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
US10586541B2 (en) Communicating metadata that identifies a current speaker
KR101909807B1 (ko) 메시지 입력 방법 및 장치
CN107832433B (zh) 基于对话交互的信息推荐方法、装置、服务器和存储介质
US10484320B2 (en) Technology for multi-recipient electronic message modification based on recipient subset
US10621181B2 (en) System and method for screening social media content
US20140294167A1 (en) Terminal, server, and method for actively providing information based on communication contents
CN108268450B (zh) 用于生成信息的方法和装置
WO2017186050A1 (zh) 人机智能问答系统的断句识别方法和装置
CN112929253B (zh) 一种虚拟形象交互方法和装置
KR20220000046A (ko) 대화형 지능 서비스 제공 챗봇 제작 시스템 및 방법
CN111382264A (zh) 会话质量评价方法、装置及电子设备
CN111639162A (zh) 信息交互方法和装置、电子设备和存储介质
CN115840841A (zh) 多模态对话方法、装置、设备及存储介质
US10387548B2 (en) Systems and methods for transcript processing
US10410655B2 (en) Estimating experienced emotions
CN113111658A (zh) 校验信息的方法、装置、设备和存储介质
CN116016779A (zh) 语音通话翻译辅助方法、系统、计算机设备和存储介质
CN117094690A (zh) 信息处理方法、电子设备及存储介质
US20190251493A1 (en) Suggesting people qualified to provide assistance with regard to an issue identified in a file
US11842372B2 (en) Systems and methods for real-time processing of audio feedback
CN113869969A (zh) 问答信息处理、商品信息展示方法、设备及存储介质
CN113961680A (zh) 基于人机交互的会话处理方法及装置、介质、电子设备
CN114363103A (zh) 一种处理会议信息的方法、装置及计算机可读介质
CN117455430B (zh) 基于ai的简历信息处理方法、装置、设备及存储介质
CN114610752B (zh) 基于表格问答的回复生成及模型训练方法、装置及设备

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