CN117151662A - 基于ai的岗位信息处理方法、装置、设备及存储介质 - Google Patents

基于ai的岗位信息处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN117151662A
CN117151662A CN202311118533.5A CN202311118533A CN117151662A CN 117151662 A CN117151662 A CN 117151662A CN 202311118533 A CN202311118533 A CN 202311118533A CN 117151662 A CN117151662 A CN 117151662A
Authority
CN
China
Prior art keywords
information
recruitment
target
interaction
post
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
CN202311118533.5A
Other languages
English (en)
Inventor
齐会敏
徐斌
詹坤林
李忠
刘中轩
何帅
桑海龙
贺琳
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 CN202311118533.5A priority Critical patent/CN117151662A/zh
Publication of CN117151662A publication Critical patent/CN117151662A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供一种基于AI的岗位信息处理方法、装置、设备及存储介质。在本申请实施例中，提供AI服务模块，辅助挖掘招聘用户的隐式招聘需求信息，结合招聘用户的显式招聘需求信息，生成招聘用户的目标岗位信息，减少了生成岗位信息的时间成本，提升了生成岗位信息的效率。进一步，AI服务模块还可以模拟招聘端与求职端进行交互，提高两端的交互效率，提升招聘效率。

Description

基于AI的岗位信息处理方法、装置、设备及存储介质
技术领域
本申请涉及人工智能技术领域，尤其涉及一种基于AI的岗位信息处理方法、装置、设备及存储介质。
背景技术
目前，招聘单位对应的招聘端可以在招聘平台上发布招聘岗位，通过招聘端主动联系符合招聘条件的求职者，招聘平台也可以主动向求职者对应的求职端推送招聘岗位。其中，在招聘时招聘者需要准备招聘岗位信息，并通过招聘岗位信息说明岗位的工作内容和工作要求等，以展示给求职端的求职者。
然而，准备岗位信息往往需要耗费招聘者大量的时间和精力，且结果常不能令招聘者满意，导致生成岗位信息的效率较低。
发明内容
本申请的多个方面提供一种基于AI的岗位信息处理方法、装置、设备及存储介质，用于提高生成岗位信息的效率。
本申请实施例提供一种基于AI的岗位信息处理方法，适用于配置有AI服务模块的招聘端，AI服务模块至少用于执行岗位信息处理方法，岗位信息处理方法包括：响应于在招聘端提供的AI交互页面上的岗位挖掘操作，确定招聘端对应的招聘用户提交的显式招聘需求信息；根据招聘用户的标识信息，获取招聘用户在历史招聘过程中的目标招聘记录信息，目标招聘记录信息至少包括：历史招聘过程中与求职用户的目标沟通信息以及针对历史岗位和/或求职用户的目标搜索信息；将目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到招聘用户的隐式招聘需求信息；根据显式招聘需求信息和隐式招聘需求信息，生成目标岗位信息，并发布目标岗位信息；以及在求职端向招聘端针对目标岗位信息发起交互的情况下，基于AI语言模型模拟招聘端与求职端进行至少一个轮次的交互。
本申请实施例还提供一种基于AI的岗位信息处理装置，装置包括：AI服务模块；AI服务模块，用于：响应于在招聘端提供的AI交互页面上的岗位挖掘操作，确定招聘端对应的招聘用户提交的显式招聘需求信息；根据招聘用户的标识信息，获取招聘用户在历史招聘过程中的目标招聘记录信息，目标招聘记录信息至少包括：历史招聘过程中与求职用户的目标沟通信息以及针对历史岗位和/或求职用户的目标搜索信息；将目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到招聘用户的隐式招聘需求信息；根据显式招聘需求信息和隐式招聘需求信息，生成目标岗位信息，并发布目标岗位信息；以及在求职端向招聘端针对目标岗位信息发起交互的情况下，基于AI语言模型模拟招聘端与求职端进行至少一个轮次的交互。
本申请实施例还提供一种基于AI的岗位信息处理设备，包括：存储器和处理器；存储器，用于存储AI服务模块对应的计算机程序；处理器，与存储器耦合，用于执行计算机程序，以实现本申请实施例提供的基于AI的岗位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，致使处理器实现本申请实施例提供的基于AI的岗位信息处理方法中的步骤。
在本申请实施例中，提供AI服务模块，辅助挖掘招聘用户的隐式招聘需求信息，结合招聘用户的显式招聘需求信息，生成招聘用户的目标岗位信息，减少了生成岗位信息的时间成本，提升了生成岗位信息的效率。进一步，AI服务模块还可以模拟招聘端与求职端进行交互，提高两端的交互效率，提升招聘效率。
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1a为本申请示例性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1b为本申请示例性实施例提供的一种基于AI的岗位信息处理方法的流程示意图；
图1c为本申请示例性实施例提供的一种提供招聘交互服务的AI服务方法的流程示意图；
图2a为本申请示例性实施例提供的一种交互界面的示意图；
图2b为本申请示例性实施例提供的另一种交互界面的示意图；
图2c为本申请示例性实施例提供的又一种交互界面的示意图；
图2d为本申请示例性实施例提供的一种AI呼叫服务的示意图；
图2e为本申请示例性实施例提供的一种配置AI服务模块的示意图；
图3a为本申请示例性实施例提供的一种AI交互页面的结构示意图；
图3b为本申请示例性实施例提供的另一种AI交互页面的结构示意图；
图4为本申请示例性实施例提供的一种基于AI的岗位信息处理装置的结构示意图；
图5为本申请示例性实施例提供的一种基于AI的岗位信息处理设备的结构示意图。
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。
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。本申请涉及的各种模型(包括但不限于语言模型或大模型)是符合相关法律和标准规定的。针对上述技术问题，在本申请实施例中，提供AI服务模块，辅助挖掘招聘用户的隐式招聘需求信息，结合招聘用户的显式招聘需求信息，生成招聘用户的目标岗位信息，减少了生成岗位信息的时间成本，提升了生成岗位信息的效率。进一步，AI服务模块还可以模拟招聘端与求职端进行交互，提高两端的交互效率，提升招聘效率。
以下结合附图，对本申请实施例提供的一种解决方案进行详细说明。
图1a为本申请示例性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1a所示，该系统包括：招聘端101和求职端102，以及该招聘端对应的人工智能(Artificial Intelligence，AI)服务模块103。其中，AI服务模块用于为招聘端提供招聘交互服务，招聘交互服务是指与招聘相关的交互服务，例如，聊天服务或短信服务等。求职端和招聘端可以涉及家政领域、货车司机领域、租房领域、卖方卖房领域、搬家领域等。
在本实施例中，并不对各端侧的部署实施进行限定。其中，招聘端101和求职端102可以分别部署在终端设备上。例如，可以在终端设备上部署招聘端101对应的招聘应用程序(APPlication，APP)，以实现将招聘端101部署在终端设备上，相应地，可以在终端设备上部署求职端102对应的求职APP，以实现将求职端102部署在终端设备上。可选地，招聘APP和求职APP可以是相同的APP。
另外，部署招聘端101和求职端102的终端设备可以通过服务端设备进行通信。AI服务模块103可以独立部署在服务端设备上，也可以独立部署在招聘端101对应的终端设备上，还可以分布式的部署在招聘端101对应的终端设备和服务端设备上，对此不做限定。
在本实施例中，AI服务模块主要用于为招聘端提供岗位信息处理服务，例如，岗位信息挖掘。下面提供一种基于AI的岗位信息处理方法。
图1b为本申请示例性实施例提供的一种基于AI的岗位信息处理方法的流程示意图，该方法适用于配置有AI服务模块的招聘端，该AI服务模块至少用于执行岗位信息处理方法，如图1b所示，该方法包括：
101b、响应于在招聘端提供的AI交互页面上的岗位挖掘操作，确定招聘端对应的招聘用户提交的显式招聘需求信息；
102b、根据招聘用户的标识信息，获取招聘用户在历史招聘过程中的目标招聘记录信息，目标招聘记录信息至少包括：历史招聘过程中与求职用户的目标沟通信息以及针对历史岗位和/或求职用户的目标搜索信息；
103b、将目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到招聘用户的隐式招聘需求信息；
104b、根据显式招聘需求信息和隐式招聘需求信息，生成目标岗位信息，并发布目标岗位信息；
105b、在求职端向招聘端针对目标岗位信息发起交互的情况下，基于AI语言模型模拟招聘端与求职端进行至少一个轮次的交互。
在本实施例中，招聘端提供有AI交互页面，招聘用户可以在该AI交互页面上与AI服务模块进行交互。如图3a和3b所示，以AI服务模块是AI助手为例进行图示，展示了招聘用户与AI助手进行交互的示意图。
在本实施例中，招聘用户可以在AI交互页面上发起岗位挖掘操作，AI服务模块可以响应于该岗位挖掘操作，确定招聘用户提交的显式求职需求信息。通常情况下，显式招聘需求信息具备结构化以及描述成本低的特点，可以从招聘岗位中获取，或者由求职用户进行描述。
其中，响应于岗位挖掘操作的方式并不限定。例如，AI交互页面上提供有输入框，招聘用户通过该输入框输入岗位挖掘指令以发起岗位挖掘操作，例如，帮我生成或修改岗位信息，AI服务模块可以识别招聘用户输入的岗位挖掘指令，确定招聘用户提交的显式招聘需求信息。例如，招聘用户输入“能不能帮我生成一个岗位信息”为例进行图示，并不限于此。又例如，AI服务模块具有语音识别功能，AI交互页面上提供有语音输入控件，招聘用户可以基于该语音输入控件输入语音指令，以发起岗位挖掘操作，AI服务模块识别输入的语音指令，确定招聘用户提交的显式招聘需求信息。
在本实施例中，招聘用户在历史招聘过程中可以生成目标招聘记录信息，目标招聘记录信息至少包括：历史招聘过程中招聘用户与求职用户的目标沟通信息以及招聘用户的目标搜索信息，招聘用户的目标搜索信息包括以下至少一种：针对历史岗位的目标搜索信息以及针对求职用户的目标搜索信息等。例如，在历史招聘过程中，招聘用户与求职用户的目标沟通信息包括以下至少一种：招聘用户与求职用户在交互页面上的交互信息、通话信息、短信或邮件等；针对历史岗位的搜索信息可以是：“中式厨师”、“城市名+中式厨师”或者“城市名+县/区名+中式厨师”；针对求职用户的目标搜索信息可以是：“张三+厨师”。
其中，招聘用户具有标识信息，例如，招聘用户的昵称、账号、身份编号(Identitydocument，ID)或者企业名称等。AI服务模块预先维护有多个招聘用户的标识信息与多个招聘用户在历史求职过程中的目标招聘记录信息的对应关系，基于此，AI服务模块可以根据求职用户的标识信息，获取招聘用户在历史招聘过程中的目标招聘记录信息。
在本实施例中，可以将目标招聘记录信息输入至AI语言模型进行数据挖掘，得到招聘用户的隐式招聘需求信息。其中，AI语言模型并不限定。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(Convolutional Neural 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 Model，LLM)，通用语言生成模型(General LanguageModel，GLM)、基于GLM架构的语言对话模型(ChatGLM-6B)或者上述模型的变形模型等。其中，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，是通向人工智能的一条重要途径。
其中，数据挖掘主要是通过AI语言模型使用各种算法，从目标招聘记录信息中提取出隐式招聘需求信息的过程。隐式招聘需求信息具备非结构化、描述成本高以及长尾效应(差异化、少量的需求)等特点，例如，隐式招聘需求信息可以是招聘偏好信息，具体可以是精确到县/区或街道等细粒度的工作地点信息、相关福利待遇或者对工作时间/地点的特殊需求等，隐式招聘需求信息需要招聘双方在反复沟通中进行确认、澄清或筛选。
在本实施例中，可以根据显式招聘需求信息和隐式招聘需求信息，生成目标岗位信息，从而在目标岗位信息中体现更为丰富的信息，有利于提高招聘效率。其中，目标岗位信息中可以体现全部的显式招聘需求信息，以及全部隐式招聘需求信息，也可以体现部分显式招聘需求信息，或者部分隐式招聘需求信息，对此不做限定。
在本实施例X1中，生成目标岗位信息之后，还可以发布该目标岗位信息，例如，将发布至求职平台或者招聘平台，以供求职用户针对该目标岗位信息发起与招聘用户的交互。在求职端向招聘端针对目标岗位信息发起交互的情况下，基于AI语言模型模拟招聘端与求职端进行至少一个轮次的交互，提高两端之间的沟通效率，进而提高招聘效率。其中，至少一个轮次的交互主要是模拟招聘端与求职端进行信息了解的过程，主要目的是进行双向或单向信息的了解。其中，在模拟招聘端与求职端进行至少一个轮次的交互的方式并不限定，凡是能够让两端进行交互的方式均适用于本申请实施例，例如，信息交互、语音交互、电话、微信、第三方即时通讯、邮件等。其中，关于至少一个轮次的交互可参见后续实施例。
其中，在求职端向招聘端针对目标岗位信息发起交互的情况下，AI服务模块模拟招聘端与求职端进行交互的触发时机并不限定，下面进行举例说明。
例如，在求职端向招聘端针对目标岗位信息发起交互的情况下，判断该招聘端是否进行应答，例如，在招聘端对应的APP处于后台运行状态的情况下，认为该招聘端未进行应答，又例如，在招聘端接收交互信息之后的设定时间内(如，1分钟)，该招聘端未针对该交互信息进行应答，则认为该招聘端未进行应答。若招聘端未进行应答，则基于AI语言模型模拟招聘端与求职端进行至少一个轮次的交互。
又例如，招聘用户可以指示AI服务模块进行模拟应答，向AI服务模块发送指示模拟应答的指令，AI服务模块响应于该指示模拟应答的指令，基于AI语言模型模拟招聘端与求职端进行至少一个轮次的交互。例如，在招聘端提供的AI交互页面上展示有启动控件，招聘用户可以触发该启动控件，以向AI服务模块发送指示模拟应答的指令。
在一可选实施例中，针对实施例X1中进行的至少一个轮次的交互信息，将该至少一个轮次的交互信息提供给招聘端，以供招聘端进行展示，例如，可以展示在AI交互页面上；向招聘端发送是否针对求职端进行预约面试的问询信息；招聘用户针对该问询信息执行回复操作，例如，可以在AI交互页面上输入文本指令或语音指令，文本指令可以是“可以预约”或者“不预约”；相应地，AI服务模块可以响应于针对该问询信息的回复操作，在回复操作指示预约面试的情况下，向求职端发送面试需求信息；在求职端根据面试需求信息返回预约信息的情况下，接收求职端返回的预约信息。其中，面试需求信息可以是面试确认信息、面试时间信息以及面试地点信息中的至少一种。预约信息可以实现为预约好的面试信息，例如预约时间以及预约地点等。
在本申请实施例中，提供AI服务模块，辅助挖掘招聘用户的隐式招聘需求信息，结合招聘用户的显式招聘需求信息，生成招聘用户的目标岗位信息，减少了生成岗位信息的时间成本，提升了生成岗位信息的效率。进一步，AI服务模块还可以模拟招聘端与求职端进行交互，提高两端的交互效率，提升招聘效率。
在一可选实施例X2，AI服务模块可以根据目标岗位信息为招聘用户筛选合适简历，降低招聘用户筛选简历信息以及确认简历信息等的沟通成本，提升筛选效率，无需在等待中消耗精力，提升招聘用户的招聘体验。具体地，招聘用户可以在AI交互页面上发起简历筛选操作，例如，通过语音或者文字的方式在AI交互页面上提交进行简历筛选的语音指令或者文本指令，例如，文本指令可以是：“帮我筛选合适的简历”。
相应地，AI服务模块可以响应于在AI交互页面上的简历筛选操作，根据目标岗位信息，从已发布的简历信息中筛选与目标岗位信息适配的至少一个候选简历信息。例如，将目标岗位信息与已发布的简历信息进行匹配，计算目标岗位信息与已发布简历信息的匹配度，若匹配度高于设定的匹配度阈值，则将该已发布的简历信息作为候选简历信息。针对任一候选简历信息，基于AI语言模型，模拟招聘端与该任一候选简历信息对应的求职端进行至少一个轮次的交互，提高两端之间的沟通效率，进而提高求职效率。
需要说明的是，AI服务模块模拟招聘端进行交互的过程可以是确定候选简历信息之后自动执行的，也可以是在招聘用户在AI交互页面上发起交互指令的情况下，响应于招聘用户的交互指令，模拟招聘端与求职端进行交互。交互的方式可参见前述实施例。
在一可选实施例中，响应于在招聘端提供的AI交互页面上的岗位挖掘操作，确定招聘端对应的招聘用户提交的显式招聘需求信息的实施方式，并不限定。例如，招聘用户可以在AI交互页面上输入显式招聘需求信息。相应地，AI服务模块可以响应于在招聘端提供的AI交互页面上的输入操作，获取招聘端对应的招聘用户提交的显式招聘需求信息，具体可参见前述，在此不再赘述。又例如，响应于在招聘端提供的AI交互页面上的岗位挖掘操作，获取招聘端已发布的岗位信息；从已发布的岗位信息中确定招聘用户的显式招聘需求信息。例如，从已发布的岗位信息中提取或识别招聘用户的显式招聘需求信息。
在一可选实施例中，根据招聘用户的标识信息，可以获取招聘用户在历史招聘过程中的历史沟通记录和历史搜索记录；其中，历史沟通记录中包括招聘用户与各个求职用户的历史沟通记录，根据求职用户的属性信息、求职用户的账户类型信息以及与目标岗位信息适配设定内容类型中的至少一种，从历史沟通记录中选择与求职用户相关的信息作为目标沟通信息；其中，求职用户的属性信息可以包含但不限于：求职用户的昵称、工作地点、薪资范围以及工作时间等，例如，从历史沟通记录中选择求职用户的设定属性信息作为目标沟通信息。求职用户的账户类型信息可以是求职用户的账户等级，该账户等级可以体现求职用户的信誉度以及使用时长等，或者，求职用户的账户类型可以是会员或者非会员，对此不做限定。例如，可以确定信誉度高于设定信誉度阈值的设定求职用户，信誉度阈值可以是80％、95％或98％等，将招聘用户与该设定求职用户的历史沟通记录作为目标沟通信息，或者选择招聘用户与账户类型是会员的求职用户的历史沟通记录作为目标沟通信息。与目标岗位信息适配的设定内容类型可以是目标岗位信息中的岗位类型、薪资水平、工作城市、福利待遇等，将历史沟通记录中与目标岗位信息适配的设定内容类型相关的信息作为目标沟通信息。从历史搜索记录中选择与历史岗位和求职用户中的至少一种相关的信息作为目标搜索信息。与历史岗位相关的信息可以是招聘用户的历史招聘岗位相关的信息，其中，与求职用户相关的信息可以是求职用户的属性信息，详细可参见前述。
在一可选实施例中，传统机器模型构建过程中，需要大量的标注数据，而单个岗位或简历的数据较为稀疏，具备典型的长尾效应，大部分的求职用户和招聘用户仅有少量对话数据，不足以支撑传统机器学习的模型训练，使得传统机器模型精确度较低。AI语言模型具备强大的语言理解和零样本(zero-shot)处理能力，通过设计提示(prompt)，不需要训练，即可完成数据挖掘、信息抽取、文本匹配、对话模拟的功能。因此，可以在AI语言模型中采用提示学习(Prompt Learning)的方式进行数据挖掘，使得在不显著改变AI语言模型的结构和参数的情况下，通过向AI语言模型的输入增加“提示模板”的方式，来更好的实现AI语言模型的数据挖掘能力。提示模板主要用于引导AI语言模型输出设定类型的内容。
基于此，可以将目标招聘记录信息输入至AI语言模型，针对目标沟通信息和目标搜索信息采用不同的路径进行解析。
其中，针对目标沟通信息，采用预先训练的第一提示模板，对该目标沟通信息进行解析，得到求职用户和招聘用户分别对应的第一交互信息和第二交互信息。其中，第一提示模板至少包括：求职用户和招聘用户相关的提示信息，例如，提示信息可以是标识信息、声纹信息或其它提示信息。其中，该第一交互信息和第二交互信息的信息形态可以是卡片承载的图文信息、问答对信息、动图、链接信息，也可以是语音信息或语音交互控件等。从第一交互信息和第二交互信息中，提取与目标岗位信息适配的目标交互信息，为了便于区分和描述，将与目标岗位信息适配的目标交互信息称为第一目标交互信息；从第一目标交互信息中解析出求职用户的至少一个问题信息，以及招聘用户针对至少一个问题进行答复得到的至少一个答案信息，以得到至少一个第一问答对。
其中，针对目标搜索信息，采用预先生成的第二提示模板对目标搜索信息进行解析，得到与目标岗位信息适配的至少一个搜索关键字。其中，第二提示模板中至少包括与招聘相关的提示信息，例如，求职者的工作时间、工作技能以及个人经历等招聘相关的提示信息。例如，搜索关键字可以是“技能A1”、“个人项目经历A2”或“接受出差”；根据搜索关键字生成至少一个第二问答对，例如，搜索关键字为：“技能A1”，第二问答对可以是：【掌握什么技能？】，【技能A1】；搜索关键字为：“个人项目经历A2”，第二问答对可以是：【有什么工作经历？】，【个人项目经历A2】；搜索关键字为：“接受出差”，第二问答对可以是：【是否接受不定期出差？】【接受出差】。
其中，根据至少一个第一问答对和至少一个第二问答对，生成招聘用户的隐式招聘需求信息。例如，将全部第一问答对和全部第二问答对直接作为招聘用户的隐式招聘需求信息。又例如，将部分第一问答对和部分第二问答对作为招聘用户的隐式招聘需求信息。
在一可选实施例中，以问答对的方式对隐式招聘需求信息和显式招聘需求信息进行表达，在显式招聘需求信息的基础上，增加表达隐式招聘需求信息和显式招聘需求信息的问答对，以得到目标岗位信息。其中，表达隐式招聘需求信息的问答对可以实现为上述第一问答对和第二问答对；显式招聘需求信息可以分为两部分，一部分采用信息项及其描述信息的形式进行表达，例如，将显式招聘需求信息中部分描述信息及其所属类别体现在目标岗位信息中，如，描述信息为厨师，A市，要求有过5年鲁菜，信息项—描述信息实现为：岗位：厨师；工作地点：A市；工作经验要求：5年鲁菜。另一部分采用问答对的形式进行表达，例如，【期望工作时间？】，【上午10点至晚上9点】。在图3a和图3b分别展示了目标岗位信息中的问答对，在图3a中展示的是岗位信息对应的问答对，图3b展示的是职位偏好(招聘偏好)对应的问答对。在图3a和图3b中并未区分问答对属于显式招聘需求信息或者隐式招聘需求信息。需要说明的是，在图3a和图3b中，AI交互页面包括两个区域，一个是交互区，另一个是展示区，在交互区，招聘用户与招聘助手进行交互，在展示区展示目标简历信息，并支持对问答对进行编辑，其中图3a和图3b仅为示例性，并不限于此。
在一可选实施例中，针对实施例X1和实施例X2中至少一个轮次的交互信息，将至少一个轮次的交互信息作为目标招聘记录信息；将目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到新的隐式招聘需求信息；关于在AI语言模型中进行数据挖掘的实施方式可参见前述；根据新的隐式招聘需求信息，对目标岗位信息进行更新，不断对目标岗位信息进行完善、补充和丰富，提高招聘效率。
其中，关于实施例X1和实施例X2中AI服务模块模拟招聘端与求职端进行至少一个轮次的交互的过程并不限定。下面进行示例性说明。
图1c为本申请示例性实施例提供的一种提供招聘交互服务的AI服务方法的流程示意图，如图1c所示，该方法包括：
101c、在求职端向招聘端发起第一交互信息的情况下，基于AI语言模型生成与第一交互信息对应的第二交互信息；
102c、将第二交互信息分别发送给求职端，以代替招聘端针对第一交互信息进行应答，并在招聘端的交互界面上按照交互顺序展示第一交互信息和第二交互信息；
103c、从第一交互信息和第二交互信息中，识别与招聘岗位适配的目标交互信息；
104c、根据目标交互信息，确定求职用户与招聘岗位之间的匹配度；
105c、在匹配度满足设定的第一匹配度要求的情况下，代替招聘端向求职端发送呼叫请求，以与求职端进行招聘相关的后续交互。
其中，步骤103c和步骤104c中的招聘岗位可以实现为图1b所示实施例中的目标岗位信息。为了便于区分和描述，将与招聘岗位适配的目标交互信息称为第二目标交互信息。
在本实施例中，AI服务模块为求职端和招聘端提供招聘交互服务主要分为两个阶段，第一阶段的交互主要是模拟求职端或招聘端中的任一端与对端进行信息了解的过程，主要目的是进行双向或单向信息的了解，例如，实施例X1和实施例X2中至少一个轮次的交互；第二阶段的交互主要是求职用户与招聘岗位匹配中后的进一步信息交互，主要是进行语音沟通、约面试等。其中，在每个阶段的交互方式并不限定，凡是能够让两端进行交互的方式均适用于本申请实施例，例如，信息交互、语音交互、电话、微信、第三方即时通讯、邮件等。
在本实施例中，针对第一阶段的交互，在求职端向招聘端发起交互信息的情况下，AI服务模块可以模拟招聘端针对该交互信息进行应答，提高两端的交互效率。为了便于区分和描述，在该求职端向招聘端发送的交互信息的情况下，将该求职端发送给招聘端的交互信息称为第一交互信息，将该招聘端返回给该求职端的交互信息称为第二交互信息。第一交互信息和第二交互信息的信息形态可以是卡片承载的图文信息、问答对信息、动图、链接信息，也可以是语音信息或语音交互控件等。其中，对于求职端，AI服务模块会提供一些前序服务，例如，为求职用户搜集各种招聘信息，并将这些招聘信息展示在求职端的交互界面上；求职用户可以选择其中任一招聘信息，然后进入与该招聘信息对应的招聘端的会话过程。同理，对于招聘端，AI服务模块也会提供相应地前序服务，例如，为招聘用户搜集各种求职信息，并将这些求职信息展示在招聘端的交互界面上；招聘用户可以选择其中任一求职信息，然后进入与该求职信息对应的求职端的会话过程。除了采用应用(APP)内将招聘信息展示在交互界面上提供给求职者的消息方式之外，短信或邮件等交互也同样适用。
例如，在图2a中，AI服务模块向求职端发送招聘岗位，求职端点击招聘岗位以进入与招聘端的聊天交互页面上，AI服务模块提供：“暂不考虑”控件和“可以聊聊”控件，求职端响应于对该“可以聊聊”控件的触发操作，向招聘端发送第一交互信息，该第一交互信息实现为“可以聊聊”，该AI服务模块模拟招聘端通过弹窗的形式，向该任一端(如，求职端)返回第二交互信息。
在本实施例中，AI服务模块可以采用AI语言模型模拟该招聘端针对第一交互信息进行应答。关于AI语言模型的介绍可参见前述。
在本实施例中，在求职端向招聘端发送第一交互信息的情况下，基于AI语言模型生成与第一交互信息对应的第二交互信息。例如，可以按照该AI语言模型的入参格式，将第一交互信息输入至该AI语言模型中，由AI语言模型输出与该第一交互信息对应的第二交互信息。又例如，可以根据第一交互信息获取招聘岗位信息，将该招聘岗位信息输入至该AI语言模型中，由该AI语言模型输出与该招聘岗位信息相关的第二交互信息。AI服务模块可以将第二交互信息分别发送给求职端，以代替招聘端针对第一交互信息进行应答。进一步，该招聘端的交互界面上按照交互顺序展示第一交互信息和第二交互信息。具体地，该求职端在向招聘端发送第一交互信息的情况下，接收AI服务模块发送的第二交互信息，并在其交互界面上展示第一交互信息和第二交互信息；该对端在接收到第一交互信息的情况下，接收AI服务模块发送的第二交互信息，并在其交互界面上展示第一交互信息和第二交互信息。可选地，还可以将求职端与招聘端进行一轮或多轮交互得到的第一交互信息和第二交互信息进行存储。
其中，交互页面可以是求职端或者招聘端对应的APP中的页面，也可以是APP内嵌在第三方即时通讯应用中的页面，此时，需要对AI服务模块、APP以及第三方即时通讯应用进行打通，实现AI服务模块、APP以及第三方即时通讯应用之间的通信连接。例如通过套接字(socket)进行打通。
可选地，AI服务模块提供招聘交互服务的触发时机并不限定。下面进行举例说明。
例如，在求职端向招聘端发起第一交互信息的情况下，判断该招聘端是否针对第一交互信息进行应答，例如，在招聘端对应的APP处于后台运行状态的情况下，认为该招聘端未针对第一交互信息进行应答，又例如，在招聘端接收第一交互信息之间的设定时间内(如，1分钟)，该招聘端未针对第一交互信息输出第二交互信息，则认为该招聘端未针对第一交互信息进行应答。若招聘端未针对第一交互信息进行应答，则基于AI语言模型生成与第一交互信息对应的第二交互信息。
又例如，招聘端用户可以指示AI服务模块进行模拟应答，向AI服务模块发送指示模拟应答的指令，AI服务模块响应于招聘端指示模拟应答的指令，基于AI语言模型生成与第一交互信息对应的第二交互信息。例如，在该求职端与招聘端的交互页面上展示有启动控件，招聘端用户可以触发该启动控件，以向AI服务模块发送指示模拟应答的指令。
在本实施例中，针对第二阶段的交互，AI服务模块在模拟招聘端进行应答的过程中，会涉及与招聘岗位相关的交互信息，AI服务模块可以从第一交互信息和第二交互信息中，识别与招聘岗位适配的第二目标交互信息，并根据第二目标交互信息，确定求职用户与招聘岗位之间的匹配度，匹配度可以是20％、50％或80％等，对此不做限定。求职用户与招聘岗位之间的匹配度越高，表示求职用户越适合该招聘岗位。其中，匹配度需要满足一定的匹配度要求，例如，匹配度大于设定的匹配度阈值，匹配度阈值可以是40％、70％或85％等。
在该匹配度满足设定的匹配度要求的情况下，在求职端和招聘端之间建立交互通道，并控制求职端和招聘端通过该交互通道进行招聘相关的后续交互。其中，交互通道并不限定，例如，可以是语音通话、视频通话或打电话等。
可选地，通过AI服务模块分别于求职端和招聘端之间建立音视频通道，以实现在求职端和招聘端之间建立音视频通道，AI服务模块分别呼叫求职端和招聘端，以在求职端和招聘端呼叫接通的情况下，控制求职端和招聘端通过该音视频通道进行招聘相关的音视频通话。
例如，在图2d中，在该匹配度满足设定的匹配度要求的情况下，Ai服务模块分别呼叫求职端和招聘端，其中，呼叫方式并不限定。例如，可以先呼叫招聘端，再呼叫求职端；也可以先呼叫求职端，再呼叫招聘端，也可以同时呼叫招聘端和求职端。在图2d中，在该匹配度满足设定的匹配度要求的情况下，AI服务模块可以先呼叫招聘端，在招聘端同意转接求职端的情况下，AI服务模块呼叫求职端，实现招聘端与求职端的连接，以进行招聘相关的后续交互。
下面对呼叫过程进行举例说明：a)接通求职端后播报语音：“【求职用户姓名】你好，我是AI助手，看到你对【招聘岗位名称】的工作比较感兴趣，现在方便吗，可以帮您转接电话和招聘端聊一聊，可以么？”求职端回复“可以”的情况下，AI服务模块向求职端输出语音提示：“好，现在为您转接电话”。若转接招聘端成功，则双方开始对话；若转接中求职端挂断，本次通话自动结束；若转接中招聘端挂断/超时未接，均向求职端输出提示：“对不起，对方可能在忙，您稍后主动电话联系他”。若求职端不同意转接电话，回复“拒绝”，则AI服务模块回复：“嗯嗯，好的，您之后可在APP上再看看岗位信息，就先不打扰了哈，再见”。
可选地，若AI服务模块向招聘端发起呼叫时，招聘端处于占线状态，则延迟设定时间(如，3分钟)后再次呼叫。
在本实施例中，AI服务模块面向招聘端和求职端提供招聘交互服务，在求职端向招聘端发起交互信息的情况下，AI服务模块模拟招聘端针对该第一交互信息进行应答，提高两端之间的沟通效率，进一步，根据与招聘岗位相关的交互信息，确定求职用户与招聘岗位之间的匹配度；在匹配度满足设定的匹配度要求的情况下，控制求职端和招聘端进行招聘相关的后续交互，提高两端之间的交互效率，进而提高招聘和求职效率。
其中，由于受用户活跃周期及主观意愿等限制，需要在任一端发起交互的情况下，对端应尽快应答，提高连接效率，并先探知信息，前置判断是否要进一步沟通。AI服务模块可以模拟对端进行应答，以建立招聘端和求职端之间的连接，该模拟应答过程，可以作为求职端和招聘端双方确认意向的前置服务场景。
以求职端连接招聘端为例进行说明：
a、在求职端主动表达交互意向时，招聘端不在线，AI服务模块代替招聘端进行前置问询等一系列关乎求职意向、人岗匹配度的问题，期待快速得到求职端的在线反馈；
b、基于求职端反馈的内容，评估求职端的意向匹配度，并判断当次连接是否需助力推进(如，强提醒招聘端快速联系求职端)
c、整理求职端反馈的结构化内容，自动完善求职简历信息，例如，将反馈的结构化内容自动更新到求职用户的简历信息中，辅助下一次推荐匹配。
在本实施例中，求职用户与招聘岗位之间的匹配度需要满足的匹配度要求并不限定。例如，设置第一匹配度阈值和第二匹配度阈值，第一匹配度阈值小于第二匹配度阈值，第一匹配度阈值可以是20％、50％或70％等，相应地，第二匹配度阈值可以是30％、60％或90％等，该第一匹配度要求可以是大于设定的第一匹配度阈值，且小于设定的第二匹配度阈值，第二匹配度要求是大于或等于设定的第二匹配度阈值。在匹配度满足设定的第一匹配度要求的情况下，认为求职用户和招聘用户之间还需要进一步进行招聘相关的后续交互，在求职端和招聘端之间建立交互通道，并控制求职端和招聘端通过交互通道进行招聘相关的后续交互。
可选地，在匹配度满足设定的第二匹配度要求的情况下，认为求职用户与招聘岗位之间匹配度较高，可以进行预约面试，则根据招聘端针对招聘岗位预先配置的面试需求信息，向求职端发送面试预约请求，以模拟招聘端与求职端进行面试预约；以及接收求职端提供的预约信息，将预约信息提供给招聘端，以供招聘端根据预约信息进行面试。其中，面试需求信息可以是面试确认信息、面试时间信息以及面试地点信息中的至少一种。预约信息可以实现为预约好的面试信息，例如预约时间以及预约地点等。
在一可选实施例中，第二交互信息中包括：问题信息，在第二交互信息发送给该求职端的情况下，由该求职端对该问题信息进行答复。可选地，第二交互信息中还包括：问题信息对应的多个候选答案，以供该求职端从多个候选答案中选择。
基于此，获取招聘用户的历史记录信息，该历史记录信息包括以下至少一种：针对招聘岗位的历史语音通话、历史聊天记录以及历史搜索记录。将招聘用户的历史记录信息输入至AI语言模型，在AI语言模型中，根据该招聘用户的历史记录信息，生成至少一个问题信息。针对每个问题信息，生成多个候选答案；以卡片形式对每个问题信息及其多个候选答案进行组织，以得到与该第一交互信息对应的第二交互信息。或者，将该每个问题信息作为与该第一交互信息对应的第二交互信息。例如，在图2b-2c中，第二交互信息中包括：问题信息和多个候选答案，其中，针对招聘端提供的问题信息，图2b和图2c中展示了单选答案、多选答案以及手动输入答案的情况，该单选答案、多选答案以及手动输入的答案可作为第一交互信息。除此之外，第二交互信息除了以卡片形式呈现之外，也可以通过语音或其它类型的交互方式进行呈现。
可选地，AI服务模块退出模拟应答的流程并不限定。例如，该求职端在设定时间内未针对AI服务模块提供的第二交互信息进行应答，则AI服务模块退出模拟应答服务；该求职端退出交互界面，则AI服务模块退出模拟应答服务；该求职端针对AI服务模块提供的第二交互信息回答完毕之后，退出交互界面，AI服务模块退出模拟应答服务，并将聊天记录中的第一交互信息和第二交互信息保存。
可选地，根据招聘用户的历史记录信息，生成至少一个问题信息的具体实施方式，包括：从招聘用户的历史记录信息中，识别或提取招聘用户的隐式需求信息；隐式需求信息具备非结构化以及描述成本高等特点，例如，隐式需求信息可以是工作地点信息(具体到区或街道等)、性别或者相关福利待遇等。隐式需求信息需要招聘双方在反复沟通中进行筛选。从招聘用户的岗位信息中获取招聘用户的显式需求信息，显式需求信息具备结构化，描述成本低，可以从招聘岗位或者求职简历中获取。根据该隐式需求信息、显式需求信息以及岗位类型信息中的至少一种，生成至少一个问题信息。针对岗位类型信息，例如，在岗位类型信息可以包含但不限于：厨师、保姆、保洁或司机等。其中，可以预先根据岗位类型信息设定至少一个与该岗位类型信息适配的至少一个问题信息。针对隐式需求信息或显式需求信息，可以将隐式需求信息或显式需求信息作为问题信息的一部分，例如，隐式需求信息实现为：工作地点为A区，则针对隐式需求信息，生成的问题信息可以是：“您期望的工作地点是哪个区？”。
在本实施例中，从第一交互信息和第二交互信息中识别与招聘岗位适配的第二目标交互信息的实施方式并不限定。在一可选实施例中，在招聘端和求职端的交互过程中，将首次出现招聘岗位对应的关键字之后的交互信息均作为第二目标交互信息，其中，招聘岗位对应的关键字可以是“岗位名称”、“咱们聊一下吧”或者“可以聊聊”等。在另一可选实施例中，在招聘端和求职端的交互过程中，以弹窗的形式针对招聘岗位进行问答，将弹窗中的交互信息作为第二目标交互信息。
在一可选实施例中，第二目标交互信息包含：招聘用户的问题信息和求职用户的第一答案；根据第二目标交互信息，确定求职用户与招聘岗位之间的匹配度的实施方式，包括：根据招聘用户的问题信息，从招聘用户的隐式需求信息和显式需求信息中，获取招聘用户的第二答案；将第一答案和第二答案进行匹配，得到第一答案和第二答案之间的匹配度作为求职用户与招聘岗位之间的匹配度。其中，招聘用户的问题信息的数量可以是一个和多个，相应地，第一答案也可以是一个或多个，第二答案也可以是一个或多个。在招聘用户的问题信息为多个情况下，可以将多个第一答案与多个第二答案之间的匹配度进行加权平均，得到求职用户与招聘岗位之间的匹配度。
在一可选实施例中，在控制求职端和招聘端通过交互通道进行招聘相关的后续交互过程中，可以在招聘端的交互界面上展示通话接听界面，通话接听界面上展示有第一通知信息，以供招聘用户查看；该第一通知信息包括以下至少一种：岗位信息和求职用户的信息。
在另一可选实施例中，在控制求职端和招聘端通过交互通道进行招聘相关的后续交互过程中，可以在求职端的交互界面上展示通话接听界面，通话接听界面上展示有第二通知信息，以供求职用户查看；第二通知信息包括以下至少一种：岗位信息和招聘用户的信息。
在又一可选实施例中，在控制求职端和招聘端通过交互通道进行招聘相关的后续交互过程中，可以在招聘端的交互界面上展示通话接听界面，通话接听界面上展示有第一通知信息，同时，在求职端的交互界面上展示通话接听界面，通话接听界面上展示有第二通知信息。
可选地，在招聘端与求职端进行招聘相关的后续交互之后，还可以向求职端和招聘端分别发送短信，以提示求职用户和招聘用户与招聘相关的信息。
在一可选实施例中，AI服务模块还可以面向招聘端提供生成招聘岗位的服务，具体地，招聘用户可以在招聘端输入岗位描述信息和招聘需求信息。岗位描述信息是招聘岗位的基本信息，招聘需求信息是针对求职用户的需求信息。以招聘岗位是司机为例，岗位描述信息可以是车辆信息、工作时间信息以及工作城市信息等，招聘需求信息可以是针对求职用户的年龄、驾驶年龄以及驾照信息等。针对招聘端，AI服务模块可以接收招聘端发送的岗位描述信息和招聘需求信息，根据岗位描述信息和招聘需求信息，生成招聘端的招聘岗位，并将招聘岗位发布给各个求职端。例如，将岗位描述信息和招聘需求信息，按照一定的格式填充至岗位模板中，得到招聘端的招聘岗位。
在另一可选实施例中，AI服务模块还可以面向求职端提供生成求职简历的服务，求职用户可以输入简历描述信息，AI服务模块针对求职端，接收求职端发送的简历描述信息，根据该简历描述信息，生成求职端的简历并发布给各个招聘端。
在又一可选实施例中，AI服务模块还可以面向招聘端提供生成招聘岗位的服务，同时，面向求职端提供生成求职简历的服务，详细可参见前述实施例，在此不再赘述。
在一可选实施例中，可以预先在求职端或招聘端配置是否激活AI服务模块。例如，在求职端和招聘端上提供有AI服务配置页面，可以在求职端和招聘端的任一端的AI服务配置页面上发起服务激活操作，针对求职端和招聘端激活提供招聘交互服务的AI服务模块。例如，AI服务配置页面上包括：激活控件，服务激活操作可以实现为针对该激活控件的点击操作。例如，在图2e所示，对AI服务模块进行示例性展示，以AI服务模块是AI招聘助手，AI招聘助手包括：AI自动应答服务和AI呼叫服务为例进行图示，但并不限于此。其中，AI自动应答服务是AI服务模块模拟该对端进行应答的服务，AI呼叫服务是在匹配度满足设定的第一匹配度要求的情况下，在求职端和招聘端之间建立交互通道，并控制求职端和招聘端通过交互通道进行招聘相关的后续交互的服务。在图2e中还包括：AI自动应答服务对应的第一激活控件，以及AI呼叫服务对应的第二激活控件。在图2e中，示例性的展示了：在求职用户针对招聘岗位有沟通意向，但招聘用户不在线时可以开启AI呼叫服务；当有求职用户主动发起第一交互信息，但招聘用户无法应答时可以启动AI自动问答服务。其中，当求职用户对招聘岗位感兴趣且具有较高匹配度时，AI呼叫服务可以辅助招聘端自动与求职用户进行电话沟通，大幅提升招聘效率。其中，当招聘端无法及时应答求职端的交互信息时，AI自动问答服务可以辅助了解一些求职用户的求职信息，并引导求职用户投递简历或电话沟通，辅助筛选合适的应聘者。
在一可选实施例中，可以预先在求职端或招聘端购买AI服务模块，使得AI服务模块可以面向求职端和招聘端提供招聘交互服务。在求职端和招聘端可以提供AI服务选择页面，AI服务页面上包括待选择的AI服务，可以在求职端和招聘端中的任一端的AI服务选择页面上发起针对该待选择的AI服务的选择操作，AI服务模块可以响应于AI服务选择页面上的选择操作，确定针对求职端和招聘端激活与选择操作对应的AI服务模块。
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203的执行主体可以为设备；又比如，步骤201和202的执行主体可以为设备，步骤203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。
图4为本申请示例性实施例提供的一种的结构示意图，如图4所示，该装置包括：AI服务模块40。
AI服务模块40，用于响应于在招聘端提供的AI交互页面上的岗位挖掘操作，确定招聘端对应的招聘用户提交的显式招聘需求信息；根据招聘用户的标识信息，获取招聘用户在历史招聘过程中的目标招聘记录信息，目标招聘记录信息至少包括：历史招聘过程中与求职用户的目标沟通信息以及针对历史岗位和/或求职用户的目标搜索信息；将目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到招聘用户的隐式招聘需求信息；根据显式招聘需求信息和隐式招聘需求信息，生成目标岗位信息，并发布目标岗位信息；以及在求职端向招聘端针对目标岗位信息发起交互的情况下，基于AI语言模型模拟招聘端与求职端进行至少一个轮次的交互。
在一可选实施例中，AI服务模块具体用于：响应于在招聘端提供的AI交互页面上的输入操作，获取招聘端对应的招聘用户提交的显式招聘需求信息；或者，响应于在招聘端提供的AI交互页面上的岗位挖掘操作，获取招聘端已发布的至少一个岗位信息，并将已发布的至少一个岗位信息提供给招聘端；响应于针对任一岗位信息的确认操作，从任一岗位信息中获取显式招聘需求信息。
在一可选实施例中，AI服务模块具体用于：根据招聘用户的标识信息，获取招聘用户的历史沟通记录和历史搜索记录；根据求职用户的属性信息、求职用户的账户类型信息以及与目标岗位信息适配设定内容类型中的至少一种，从历史沟通记录中选择与求职用户相关的信息作为目标沟通信息；从历史搜索记录中选择与历史岗位和/或求职用户相关的信息作为目标搜索信息。
在一可选实施例中，AI服务模块具体用于：将目标招聘记录信息输入至AI语言模型，采用预先生成的第一提示模板，对目标沟通信息进行解析，得到求职用户和招聘用户分别对应的第一交互信息和第二交互信息，第一提示模板中至少包括与求职用户和招聘用户相关的提示信息；从第一交互信息和第二交互信息中，提取与目标岗位信息适配的目标交互信息；从目标交互信息中解析出求职用户的至少一个问题信息，以及招聘用户针对至少一个问题进行答复得到的至少一个答案信息，以得到至少一个第一问答对；采用预先生成的第二提示模板对目标搜索信息进行解析，得到与目标岗位信息适配的至少一个搜索关键字；根据搜索关键字生成至少一个第二问答对；第二提示模板中至少包括与招聘相关的提示信息；根据至少一个第一问答对和至少一个第二问答对，生成招聘用户的隐式招聘需求信息。
在一可选实施例中，AI服务模块具体用于：以问答对的方式对隐式招聘需求信息和显式招聘需求信息进行表达；在显式招聘需求信息的基础上，增加表达隐式招聘需求信息和显式招聘需求信息的问答对，以得到目标岗位信息。
在一可选实施例中，AI服务模块还用于：将至少一个轮次的交互信息提供给招聘端，以供招聘端进行展示；向招聘端发送是否针对求职端进行预约面试的问询信息；响应于针对问询信息的回复操作，在回复操作指示预约面试的情况下，向求职端发送面试需求信息，以及接收求职端返回的预约信息。
在一可选实施例中，AI服务模块还用于：将至少一个轮次的交互信息作为目标招聘记录信息；将目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到新的隐式招聘需求信息；根据新的隐式招聘需求信息，对目标岗位信息进行更新。
关于本申请实施例提供的图4所示装置中各步骤的详细实施方式以及有益效果已经在前述实施例中进行了详细描述，此处将不做详细阐述说明。
图5为本申请示例性实施例提供的一种基于AI的岗位信息处理设备的结构示意图，如图5所示，该设备包括：存储器54和处理器55。
存储器54，用于存储AI服务模块对应的计算机程序，并可被配置为存储其它各种数据以支持在基于AI的岗位信息处理设备上的操作。这些数据的示例包括用于在基于AI的岗位信息处理设备上操作的任何应用程序或方法的指令等。
处理器55，与存储器54耦合，用于执行存储器54中的计算机程序，以用于：响应于在招聘端提供的AI交互页面上的岗位挖掘操作，确定招聘端对应的招聘用户提交的显式招聘需求信息；根据招聘用户的标识信息，获取招聘用户在历史招聘过程中的目标招聘记录信息，目标招聘记录信息至少包括：历史招聘过程中与求职用户的目标沟通信息以及针对历史岗位和/或求职用户的目标搜索信息；将目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到招聘用户的隐式招聘需求信息；根据显式招聘需求信息和隐式招聘需求信息，生成目标岗位信息，并发布目标岗位信息；以及在求职端向招聘端针对目标岗位信息发起交互的情况下，基于AI语言模型模拟招聘端与求职端进行至少一个轮次的交互。
在一可选实施例中，处理器55在响应于在招聘端提供的AI交互页面上的岗位挖掘操作，确定招聘端对应的招聘用户提交的显式招聘需求信息时，具体用于：响应于在招聘端提供的AI交互页面上的输入操作，获取招聘端对应的招聘用户提交的显式招聘需求信息；或者，响应于在招聘端提供的AI交互页面上的岗位挖掘操作，获取招聘端已发布的至少一个岗位信息，并将已发布的至少一个岗位信息提供给招聘端；响应于针对任一岗位信息的确认操作，从任一岗位信息中获取显式招聘需求信息。
在一可选实施例中，处理器55在根据招聘用户的标识信息，获取招聘用户在历史招聘过程中的目标招聘记录信息时，具体用于：根据招聘用户的标识信息，获取招聘用户的历史沟通记录和历史搜索记录；根据求职用户的属性信息、求职用户的账户类型信息以及与目标岗位信息适配设定内容类型中的至少一种，从历史沟通记录中选择与求职用户相关的信息作为目标沟通信息；从历史搜索记录中选择与历史岗位和/或求职用户相关的信息作为目标搜索信息。
在一可选实施例中，处理器55在将目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到招聘用户的隐式招聘需求信息时，具体用于：将目标招聘记录信息输入至AI语言模型，采用预先生成的第一提示模板，对目标沟通信息进行解析，得到求职用户和招聘用户分别对应的第一交互信息和第二交互信息，第一提示模板中至少包括与求职用户和招聘用户相关的提示信息；从第一交互信息和第二交互信息中，提取与目标岗位信息适配的目标交互信息；从目标交互信息中解析出求职用户的至少一个问题信息，以及招聘用户针对至少一个问题进行答复得到的至少一个答案信息，以得到至少一个第一问答对；采用预先生成的第二提示模板对目标搜索信息进行解析，得到与目标岗位信息适配的至少一个搜索关键字；根据搜索关键字生成至少一个第二问答对；第二提示模板中至少包括与招聘相关的提示信息；根据至少一个第一问答对和至少一个第二问答对，生成招聘用户的隐式招聘需求信息。
在一可选实施例中，处理器55在根据显式招聘需求信息和隐式招聘需求信息，生成目标岗位信息时，具体用于：以问答对的方式对隐式招聘需求信息和显式招聘需求信息进行表达；在显式招聘需求信息的基础上，增加表达隐式招聘需求信息和显式招聘需求信息的问答对，以得到目标岗位信息。
在一可选实施例中，处理器55还用于：将至少一个轮次的交互信息提供给招聘端，以供招聘端进行展示；向招聘端发送是否针对求职端进行预约面试的问询信息；响应于针对问询信息的回复操作，在回复操作指示预约面试的情况下，向求职端发送面试需求信息，以及接收求职端返回的预约信息。
在一可选实施例中，处理器55还用于：将至少一个轮次的交互信息作为目标招聘记录信息；将目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到新的隐式招聘需求信息；根据新的隐式招聘需求信息，对目标岗位信息进行更新。
关于本申请实施例提供的图5所示设备中各步骤的详细实施方式以及有益效果已经在前述实施例中进行了详细描述，此处将不做详细阐述说明。
进一步，如图5所示，该基于AI的岗位信息处理设备还包括：通信组件56、显示器57、电源组件58、音频组件59等其它组件。图5中仅示意性给出部分组件，并不意味着基于AI的岗位信息处理设备只包括图5所示组件。另外，图5中虚线框内的组件为可选组件，而非必选组件，具体可视基于AI的岗位信息处理设备的产品形态而定。本实施例的基于AI的岗位信息处理设备可以实现为台式电脑、笔记本电脑、智能手机或IOT设备等终端设备。
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图1b所示方法实施例中可由会话状态同步设备执行的各步骤。
上述存储器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-Access Memory，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。
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，2G、3G、4G/LTE、5G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 Field Communication，NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(Radio Frequency Identification，RFID)技术，红外数据协会(InfraredData Association，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(TouchPanel，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、只读光盘(Compact Disc Read-Only Memory，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(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，但不限于相变内存(Phase-change Random AccessMemory，PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(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 Video Disc，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 (10)

1.一种基于AI的岗位信息处理方法，其特征在于，适用于配置有AI服务模块的招聘端，所述AI服务模块至少用于执行所述岗位信息处理方法，所述岗位信息处理方法包括：
响应于在所述招聘端提供的AI交互页面上的岗位挖掘操作，确定所述招聘端对应的招聘用户提交的显式招聘需求信息；
根据所述招聘用户的标识信息，获取所述招聘用户在历史招聘过程中的目标招聘记录信息，所述目标招聘记录信息至少包括：历史招聘过程中与求职用户的目标沟通信息以及针对历史岗位和/或求职用户的目标搜索信息；
将所述目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到所述招聘用户的隐式招聘需求信息；
根据所述显式招聘需求信息和所述隐式招聘需求信息，生成目标岗位信息，并发布所述目标岗位信息；以及
在求职端向招聘端针对所述目标岗位信息发起交互的情况下，基于AI语言模型模拟所述招聘端与所述求职端进行至少一个轮次的交互。
2.根据权利要求1所述的方法，其特征在于，响应于在所述招聘端提供的AI交互页面上的岗位挖掘操作，确定所述招聘端对应的招聘用户提交的显式招聘需求信息，包括：
响应于在所述招聘端提供的AI交互页面上的输入操作，获取所述招聘端对应的招聘用户提交的显式招聘需求信息；
或者，
响应于在所述招聘端提供的AI交互页面上的岗位挖掘操作，获取所述招聘端已发布的至少一个岗位信息，并将所述已发布的至少一个岗位信息提供给所述招聘端；
响应于针对任一岗位信息的确认操作，从所述任一岗位信息中获取显式招聘需求信息。
3.根据权利要求1所述的方法，其特征在于，根据所述招聘用户的标识信息，获取所述招聘用户在历史招聘过程中的目标招聘记录信息，包括：
根据所述招聘用户的标识信息，获取所述招聘用户的历史沟通记录和历史搜索记录；
根据求职用户的属性信息、求职用户的账户类型信息以及与目标岗位信息适配设定内容类型中的至少一种，从所述历史沟通记录中选择与求职用户相关的信息作为目标沟通信息；
从所述历史搜索记录中选择与历史岗位和/或求职用户相关的信息作为目标搜索信息。
4.根据权利要求3所述的方法，其特征在于，将所述目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到所述招聘用户的隐式招聘需求信息，包括：
将目标招聘记录信息输入至AI语言模型，采用预先生成的第一提示模板，对所述目标沟通信息进行解析，得到所述求职用户和所述招聘用户分别对应的第一交互信息和第二交互信息，所述第一提示模板中至少包括与求职用户和招聘用户相关的提示信息；
从所述第一交互信息和所述第二交互信息中，提取与所述目标岗位信息适配的目标交互信息；
从所述目标交互信息中解析出求职用户的至少一个问题信息，以及招聘用户针对所述至少一个问题进行答复得到的至少一个答案信息，以得到至少一个第一问答对；
采用预先生成的第二提示模板对所述目标搜索信息进行解析，得到与目标岗位信息适配的至少一个搜索关键字；根据所述搜索关键字生成至少一个第二问答对；所述第二提示模板中至少包括与招聘相关的提示信息；
根据所述至少一个第一问答对和至少一个第二问答对，生成所述招聘用户的隐式招聘需求信息。
5.根据权利要求1所述的方法，其特征在于，根据所述显式招聘需求信息和所述隐式招聘需求信息，生成目标岗位信息，包括：
以问答对的方式对所述隐式招聘需求信息和所述显式招聘需求信息进行表达；
在所述显式招聘需求信息的基础上，增加表达所述隐式招聘需求信息和所述显式招聘需求信息的问答对，以得到目标岗位信息。
6.根据权利要求1所述的方法，其特征在于，还包括：
将所述至少一个轮次的交互信息提供给所述招聘端，以供所述招聘端进行展示；
向所述招聘端发送是否针对所述求职端进行预约面试的问询信息；
响应于针对所述问询信息的回复操作，在所述回复操作指示预约面试的情况下，向所述求职端发送面试需求信息，以及接收求职端返回的预约信息。
7.根据权利要求1所述的方法，其特征在于，还包括：
将所述至少一个轮次的交互信息作为目标招聘记录信息；
将所述目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到新的隐式招聘需求信息；
根据所述新的隐式招聘需求信息，对所述目标岗位信息进行更新。
8.一种基于AI的岗位信息处理装置，其特征在于，所述装置包括：AI服务模块；所述AI服务模块，用于：
响应于在招聘端提供的AI交互页面上的岗位挖掘操作，确定所述招聘端对应的招聘用户提交的显式招聘需求信息；
根据所述招聘用户的标识信息，获取所述招聘用户在历史招聘过程中的目标招聘记录信息，所述目标招聘记录信息至少包括：历史招聘过程中与求职用户的目标沟通信息以及针对历史岗位和/或求职用户的目标搜索信息；
将所述目标招聘记录信息输入至AI语言模型中进行数据挖掘，得到所述招聘用户的隐式招聘需求信息；
根据所述显式招聘需求信息和所述隐式招聘需求信息，生成目标岗位信息，并发布所述目标岗位信息；以及
在求职端向招聘端针对所述目标岗位信息发起交互的情况下，基于AI语言模型模拟所述招聘端与所述求职端进行至少一个轮次的交互。
9.一种基于AI的岗位信息处理设备，其特征在于，包括：存储器和处理器；所述存储器，用于存储AI服务模块对应的计算机程序；所述处理器，与所述存储器耦合，用于执行所述计算机程序，以实现权利要求1-7中任一项所述方法中的步骤。
10.一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，致使所述处理器实现权利要求1-7中任一项所述方法中的步骤。
CN202311118533.5A 2023-08-31 2023-08-31 基于ai的岗位信息处理方法、装置、设备及存储介质 Pending CN117151662A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311118533.5A CN117151662A (zh) 2023-08-31 2023-08-31 基于ai的岗位信息处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311118533.5A CN117151662A (zh) 2023-08-31 2023-08-31 基于ai的岗位信息处理方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN117151662A true CN117151662A (zh) 2023-12-01

Family

ID=88909477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311118533.5A Pending CN117151662A (zh) 2023-08-31 2023-08-31 基于ai的岗位信息处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN117151662A (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
CN117709914A (zh) * 2024-02-05 2024-03-15 天津徙木科技有限公司 一种岗位的匹配方法和系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010186237A (ja) * 2009-02-10 2010-08-26 Nippon Telegr & Teleph Corp <Ntt> 多人数思考喚起型対話装置、多人数思考喚起型対話方法、多人数思考喚起型対話プログラム並びにそのプログラムを記録したコンピュータ読み取り可能な記録媒体
CN106408257A (zh) * 2016-09-18 2017-02-15 长沙军鸽软件有限公司 一种机器人实现智能招聘的方法
CN107967592A (zh) * 2017-10-12 2018-04-27 如是科技（大连）有限公司 招聘启事的辅助处理方法及装置
WO2019107678A1 (ko) * 2017-11-28 2019-06-06 (주)엔터랩 채용 정보 추천 방법 및 이 방법이 적용된 기기 및 시스템
CN110162754A (zh) * 2019-04-11 2019-08-23 平安科技（深圳）有限公司 一种岗位描述文档的生成方法及设备
CN111080234A (zh) * 2019-11-25 2020-04-28 苏州思必驰信息科技有限公司 启发式对话招聘方法及系统
CN113868538A (zh) * 2021-10-19 2021-12-31 北京字跳网络技术有限公司 信息处理方法、装置、设备及介质
CN114971537A (zh) * 2022-05-10 2022-08-30 东莞市超次元网络科技有限公司 基于互联网技术的求职订单推送方法、装置及存储介质
CN116128461A (zh) * 2023-04-04 2023-05-16 北京华品博睿网络技术有限公司 一种用于在线招聘的双向推荐系统及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010186237A (ja) * 2009-02-10 2010-08-26 Nippon Telegr & Teleph Corp <Ntt> 多人数思考喚起型対話装置、多人数思考喚起型対話方法、多人数思考喚起型対話プログラム並びにそのプログラムを記録したコンピュータ読み取り可能な記録媒体
CN106408257A (zh) * 2016-09-18 2017-02-15 长沙军鸽软件有限公司 一种机器人实现智能招聘的方法
CN107967592A (zh) * 2017-10-12 2018-04-27 如是科技（大连）有限公司 招聘启事的辅助处理方法及装置
WO2019107678A1 (ko) * 2017-11-28 2019-06-06 (주)엔터랩 채용 정보 추천 방법 및 이 방법이 적용된 기기 및 시스템
CN110162754A (zh) * 2019-04-11 2019-08-23 平安科技（深圳）有限公司 一种岗位描述文档的生成方法及设备
CN111080234A (zh) * 2019-11-25 2020-04-28 苏州思必驰信息科技有限公司 启发式对话招聘方法及系统
CN113868538A (zh) * 2021-10-19 2021-12-31 北京字跳网络技术有限公司 信息处理方法、装置、设备及介质
CN114971537A (zh) * 2022-05-10 2022-08-30 东莞市超次元网络科技有限公司 基于互联网技术的求职订单推送方法、装置及存储介质
CN116128461A (zh) * 2023-04-04 2023-05-16 北京华品博睿网络技术有限公司 一种用于在线招聘的双向推荐系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
詹坤林: "58同城AI Lab 2022年度回顾——一份AI中台产品应用手册", Retrieved from the Internet <URL:《https://maimai.cn/article/detail?fid=1769550390&efid=ufBOJ1vIOPU_MQesVPQIjQ》> *

Cited By (4)

* 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
CN117709914A (zh) * 2024-02-05 2024-03-15 天津徙木科技有限公司 一种岗位的匹配方法和系统
CN117709914B (zh) * 2024-02-05 2024-05-10 台州徙木数字服务有限公司 一种岗位的匹配方法和系统

Similar Documents

Publication Publication Date Title
US9148394B2 (en) Systems and methods for user interface presentation of virtual agent
CN105893465B (zh) 自动问答方法和装置
US9262175B2 (en) Systems and methods for storing record of virtual agent interaction
US9659298B2 (en) Systems and methods for informing virtual agent recommendation
US9679300B2 (en) Systems and methods for virtual agent recommendation for multiple persons
US9560089B2 (en) Systems and methods for providing input to virtual agent
US9106757B2 (en) Terminal, server, and method for actively providing information based on communication contents
CN110022258B (zh) 一种即时通信的会话控制方法及装置、电子设备
CN117151662A (zh) 基于ai的岗位信息处理方法、装置、设备及存储介质
US20140164532A1 (en) Systems and methods for virtual agent participation in multiparty conversation
US20140164953A1 (en) Systems and methods for invoking virtual agent
US20140164508A1 (en) Systems and methods for sharing information between virtual agents
US8122093B2 (en) Instant messaging interaction system and method thereof
WO2014093339A1 (en) System and methods for virtual agent recommendation for multiple persons
CN112997206A (zh) 用于对会议内容进行共享的主动建议
CN117455430B (zh) 基于ai的简历信息处理方法、装置、设备及存储介质
CN117057762A (zh) 基于ai的岗位信息处理方法、装置、设备及存储介质
CN116569197A (zh) 在协作会话中的用户提升
CN115982331A (zh) 会话场景中的信息交互方法、装置及设备
CN113724036A (zh) 提供问题咨询服务的方法及电子设备
KR101987114B1 (ko) 사전 정의된 대화 플로우를 이용한 하이브리드 채팅 제공 방법 및 하이브리드 채팅 서비스 서버
CN117094690A (zh) 信息处理方法、电子设备及存储介质
CN117196553A (zh) 基于ai的招聘交互服务方法、设备
CN117078220A (zh) 基于ai的招聘服务方法、装置、电子设备及存储介质
CN116016779A (zh) 语音通话翻译辅助方法、系统、计算机设备和存储介质

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