CN117473251A - 基于大数据的用户求职意向分析方法及系统 - Google Patents
基于大数据的用户求职意向分析方法及系统 Download PDFInfo
- Publication number
- CN117473251A CN117473251A CN202311305961.9A CN202311305961A CN117473251A CN 117473251 A CN117473251 A CN 117473251A CN 202311305961 A CN202311305961 A CN 202311305961A CN 117473251 A CN117473251 A CN 117473251A
- Authority
- CN
- China
- Prior art keywords
- job
- duration
- weight
- weight ratio
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims description 30
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000007115 recruitment Effects 0.000 claims description 48
- 238000011282 treatment Methods 0.000 claims description 23
- 230000007774 longterm Effects 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000003058 natural language processing Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 206010033307 Overweight Diseases 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及求职意向技术领域,本发明涉及基于大数据的用户求职意向分析方法及系统。其包括以下步骤:获取多位求职者曾经的工作岗位以及任职时长;划分任职时长阈值区间,根据求职者工作岗位任职时长匹配对应的阈值区间;计算得出不同的工作岗位权重占比;分析不同权重工作岗位的特点,得到影响岗位权重占比的因素;计算普通工作岗位的权重占比,将工作岗位权重高于普通工作的权重占比推送至求职者;本发明通过根据获取多位求职者曾经的工作岗位以及任职时间,划分任职时长阈值区间,根据求职者以往的工作岗位任职时长匹配对应的阈值区间,计算出不同工作岗位的权重占比,得出工作岗位的稳定性,从而便于将稳定工作推送至求职者。
Description
技术领域
本发明涉及求职意向技术领域,具体地说,涉及基于大数据的用户求职意向分析方法及系统。
背景技术
随着互联网的快速发展,求职市场变得越来越竞争激烈,特别对于失业再就业人员,在求职过程中想要找到一份稳定的工作并不容易,因此,为了提高对求职人员和企业招聘的匹配度,有效利用大数据对用户求职意向分析成为了迫切需求。
当前的求职市场上,虽然有许多招聘平台和求职网站,随机推送求职人员熟悉的工作岗位,但是对于求职人员来说,不能对工作岗位的进行分析,求职者可能会受到信息不对称的困扰,只能根据企业的招聘简章内容,能简单的了解工作内容以及薪资待遇,难以识别工作岗位的稳定性,而且,对于不同公司提供的相同工作岗位,但求职人员难以辨别之间差异,不能快速筛选出稳定的岗位,导致求职者在求职意向中意向模糊,因此,我们提出提出基于大数据的用户求职意向分析方法及系统。
发明内容
本发明的目的在于提供基于大数据的用户求职意向分析方法,以解决上述背景技术中提出的问题。
为实现上述目的,提供了基于大数据的用户求职意向分析方法,包括以下步骤:
S1、获取多位求职者曾经的工作岗位以及任职时长;
S2、划分任职时长阈值区间,将求职者曾经的工作岗位任职时长分为短期、中期和长期,根据求职者工作岗位任职时长匹配对应的阈值区间;
S3、调取所述S1中求职者工作岗位任职时长,基于所述S2中的建立工作时长阈值区间计算得出不同的工作岗位权重占比,权重占比与任职时长呈正比;
S4、识别不同公司招聘简章中的招聘信息以及福利待遇的差异性,分析S3中不同的工作岗位的特点,得到影响岗位权重占比的因素;
S5、计算普通工作岗位的权重占比,将多位求职者曾经工作岗位权重占比与普通工作岗位的权重占比进行比对,将工作岗位权重高于普通工作的权重占比推送至求职者。
作为本技术方案的进一步改进,所述S1中获取多位求职者曾经的工作岗位,包括以下步骤:
S1.1、通过在线招聘平台,获取求职者电子简历数据;
S1.2、采用文本分析技术,提取电子简历数据中求职者曾经的工作岗位以及每个岗位的任职时长。
作为本技术方案的进一步改进,所述S1中采用云盘对求职者个人简历数据进行整合和存储。
作为本技术方案的进一步改进,所述S2中根据求职者工作岗位任职时长匹配对应的阈值区间,包括以下步骤:
S2.1、划分任职时长阈值区间,将任职时长为0-6个月设为短期,6个月-2年设为中期,2年以上设为长期,
S2.2、通过S1.2中提取求职者每个工作岗位任职时长,采用条件判断法对每个岗位的任职时长与建立的阈值区间进行匹配,岗位任职时间在0-6个月匹配短期阈值区间,6-2年匹配中期阈值区间,2年以上匹配长期阈值区间,通过对不同岗位的阈值区间进行分类,得出不同岗位的权重占比。
作为本技术方案的进一步改进,所述S3中基于所述S2中的建立工作时长阈值区间计算得出不同的工作岗位权重占比,包括以下步骤:
S3.1、登录云盘对多位求职者曾经的工作任职时长进行调取;
S3.2、收集不同求职者在相同岗位的任职时长,基于S2.1中划分任职时长阈值区间,计算得出工作岗位的权重占比,权重占比与任职时长呈正比。
作为本技术方案的进一步改进,所述S4中分析不同权重工作岗位的特点,得到岗位权重高的因素,包括以下步骤:
S4.1、通过在各个公司官网收集下载相同岗位的招聘简章;
S4.2、采用自然语言处理技术识别S3.2中求职者曾经任职企业招聘简章中的招聘信息以及福利待遇的差异性,通过比较不同公司岗位的福利待遇,收集不同公司人员流动信息,计算不同公司相同岗位的任职时长处于长期的占比,分析得出岗位权重占比高的原因。
作为本技术方案的进一步改进,所述S4.2采用自然语言处理技术识别招聘简章中的招聘信息以及福利待遇的差异性,具体步骤如下:
将招聘简章文本数据转换为计算机可以处理的向量形式;使用信息抽取技术从招聘简章中提取福利待遇信息;将福利待遇的差异性结果进行雷达图可视化展示,直观表达各个招聘简章中的差异。
作为本技术方案的进一步改进,所述S5中判断求职者的求职意向和倾向,匹配相似工作对求职进行推送,包括以下步骤:
S6.1、搜索政府部门发布的普通工作岗位的权重占比;
S6.2、采用条件判断对曾经工作岗位权重占比与普通工作岗位的权重占比进行对比,将工作岗位权重高于普通工作的权重占比推送至求职者。
本发明的目的之二在于,提供了基于大数据的用户求职意向分析系统,包括上述中任意一项所述的基于大数据的用户求职意向分析方法,包括履历获取单元、任职时长匹配单元、岗位权重计算单元、权重占比分析单元和职位推送单元;
所述履历获取单元用于获取多位求职者曾经的工作岗位以及任职时长;
所述任职时长匹配单元用于划分任职时长阈值区间,将求职者曾经的工作岗位任职时长分为短期、中期和长期,根据求职者工作岗位任职时长匹配对应的阈值区间;
所述岗位权重计算单元用于调取所述履历获取单元中求职者工作岗位任职时长,基于所述任职时长匹配单元中的建立工作时长阈值区间计算得出不同的工作岗位权重占比,权重占比与任职时长呈正比;
所述权重占比分析单元用于识别不同公司招聘简章中的招聘信息以及福利待遇的差异性,分析岗位权重计算单元中不同权重工作岗位的特点,得到影响岗位权重占比的因素;
所述职位推送单元用于计算普通工作岗位的权重占比,将多位求职者曾经工作岗位权重占比与普通工作岗位的权重占比进行比对,将工作岗位权重高于普通工作的权重占比推送至求职者。
与现有技术相比,本发明的有益效果:
1.该基于大数据的用户求职意向分析方法及系统中,通过获取多位求职者曾经的工作岗位以及任职时间,划分任职时长阈值区间,根据求职者以往的工作岗位任职时长匹配对应的阈值区间,同时,计算出不同工作岗位的权重占比,得出工作岗位的稳定性,从而便于将稳定工作推送至求职者。
2.该基于大数据的用户求职意向分析方法及系统中,通过将工作岗位权重高于普通工作的权重占比推送至求职者,使失业再就业人员求职过程中,同时获取不同公司相同岗位的福利待遇信息,并了解该公司的就职人员任职时长处于长期的占比信息,从而判断该公司就职的稳定性,从而进行推荐,提高求职者入职后的稳定性。
附图说明
图1为本发明的整体流程框图;
图2为本发明获取求职者曾经工作岗位的流程框图;
图3为本发明的划分任职时长阈值区间流程框图;
图4为本发明计算工作岗位权重占比的流程框图;
图5为本发明分析影响岗位权重占比的流程框图;
图6为本发明将权重高的工作岗位进行推送的流程框图;
图7为本发明的整体模块示意图。
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,都属于本发明保护的范围。
请参阅图1-图7所示,本实施例目的在于,因此,提供了基于大数据的用户求职意向分析方法,包括以下步骤:
S1、获取多位求职者曾经的工作岗位以及任职时长;
其中,所述S1中获取多位求职者曾经的工作岗位,包括以下步骤:
S1.1、通过在线招聘平台,获取求职者电子简历数据;
S1.2、采用文本分析技术,提取电子简历数据中求职者曾经的工作岗位以及每个岗位的任职时长;
通过与在线招聘平台合作或使用其提供的API接口,可以获取到求职申请数据、简历数据和职位信息,例如,通过API接口可以获取到用户提交的求职申请和简历数据,通过对建立数据进行预处理预处理,包括去除特殊字符、标点符号和HTML标签等,使用实体识别技术,例如命名实体识别,来识别电子简历中的工作岗位信息,通过训练好的模型或使用预训练的NER模型,可以自动识别简历中的工作岗位实体,并将它们提取出来,同时使用日期解析方法,来提取简历中的任职时长。
所述S1中采用云盘对求职者个人简历数据进行整合和存储;
所述S1中获取多位求职者曾经的工作岗位任职时长,具体算法步骤如下:
任职时长=A-B,
A代表工作岗位离职日期,B代表工作岗位入职日期。
具体使用时,通过计算出求职者之前的每份工作的任职时长,初步判断工作的稳定性。
S2、划分任职时长阈值区间,将求职者曾经的工作岗位任职时长分为短期、中期和长期,根据求职者工作岗位任职时长匹配对应的阈值区间;
所述S2中根据求职者工作岗位任职时长匹配对应的阈值区间,包括以下步骤:
S2.1、划分任职时长阈值区间,将任职时长为0-6个月设为短期,6个月-2年设为中期,2年以上设为长期;
S2.2、通过S1.2中提取求职者每个工作岗位任职时长,采用条件判断法对每个岗位的任职时长与建立的阈值区间进行匹配,岗位任职时间在0-6个月匹配短期阈值区间,6-2年匹配中期阈值区间,2年以上匹配长期阈值区间,通过对不同岗位的阈值区间进行分类,得出不同岗位的权重占比。
具体使用时,通过划分任职时长阈值区间,将任职时长为0-6个月设为短期阈值区间,6个月-2年设为中期阈值区间,2年以上设为长期阈值区间,根据任职时长年限越长,则判断工作稳定性越好,通过对多位求职者每个工作岗位任职时长进行归类,便于直观的了解工作岗位的稳定性,具体步骤如下:
定义任职时长阈值区间:根据需求和行业惯例,确定任职时长的阈值区间。例如,可以将任职时长分为短期(0-6个月)、中期(6个月-2年)和长期(超过2年);
匹配任职时长与阈值区间:将求职者在每个岗位上的任职时长与设定的阈值区间进行比较,判断任职时长是否符合某个区间。
进行匹配结果记录:为每个岗位的任职时长匹配一个相应的阈值区间,通过云盘对匹配结果进行记录保存。
S3、调取所述S1中求职者工作岗位任职时长,基于所述S2中的建立工作时长阈值区间计算得出不同的工作岗位权重占比,权重占比与任职时长呈正比;
所述S3中基于所述S2中的建立工作时长阈值区间计算得出不同的工作岗位权重占比,包括以下步骤:
S3.1、登录云盘对多位求职者曾经的工作任职时长进行调取;
S3.2、收集不同求职者在相同岗位的任职时长,基于S2.1中划分任职时长阈值区间,计算得出工作岗位的权重占比,权重占比与任职时长呈正比;
通过将云盘中保存的个人简历数据提取出来,将简历中的不同工作岗位的任职时长,基于S2中的划分的任职时长阈值区间进行匹配,将之前任职的岗位时长分为短期、中期和长期,通过将多位求职者具有交集的岗位汇总计算得出不同岗位的权重占比,比如:将1000位求职者曾经工作的岗位进行提取,共有50种不同类型的工作岗位,其中某个岗位有200位求职者曾经在职工作过,通过将200位求职者在此岗位的具体任职时间,根据任职时长阈值区间进行匹配,通过计算得出多位求职者在此岗位任职时期短期、中期和长期的权重占比,权重占比算法公式如下:
岗位权重占比=X/(A+B+C);
其中,X可为任意A、B或C,A代表短期任职时长,B代表中期任职时长,C代表长期任职时长;当长期岗位权重占比高于50%时,则证明此岗位权重占比高,用户流动性低,比较稳定。
S4、识别不同公司招聘简章中的招聘信息以及福利待遇的差异性,分析S3中不同的工作岗位的特点,得到影响岗位权重占比的因素;
所述S4中分析不同权重工作岗位的特点,得到岗位权重高的因素,包括以下步骤:
S4.1、通过在各个公司官网收集下载相同岗位的招聘简章;
S4.2、采用自然语言处理技术识别S3.2中求职者曾经任职企业招聘简章中的招聘信息以及福利待遇的差异性,通过比较不同公司岗位的福利待遇,收集不同公司人员流动信息,计算不同公司相同岗位的任职时长处于长期的占比,分析得出岗位权重占比高的原因。
所述S4.2采用自然语言处理技术识别招聘简章中的招聘信息以及福利待遇的差异性,具体步骤如下:
将招聘简章文本数据转换为计算机可以处理的向量形式;使用信息抽取技术从招聘简章中提取福利待遇信息;将福利待遇的差异性结果进行雷达图可视化展示,直观表达各个招聘简章中的差异。
具体使用时,通过登录不同公司官网,在招聘网页上下载相对应的招聘信息,通过对不同公司的招聘简章进行分析,结合不同岗位的任职时长阈值区间,从而筛选出高权重占比的岗位,通过对比高权重占比和低权重占比的工作,分析影响权重占比的福利要素,,相同岗位工作2年以上员工占到从事该岗位时间人员占比的50%以上,则证明该岗位权重占比高,从而便于将符合高权重占比福利的岗位推送至失业再就业人员。
S5、计算普通工作岗位的权重占比,将多位求职者曾经工作岗位权重占比与普通工作岗位的权重占比进行比对,将工作岗位权重高于普通工作的权重占比推送至求职者;
S5.1、搜索政府部门发布的普通工作岗位的权重占比;
S5.2、采用条件判断对曾经工作岗位权重占比与普通工作岗位的权重占比进行对比,将工作岗位权重高于普通工作的权重占比推送至求职者。
为了便于求职者获取更多更好的工作岗位,因此,通过将工作岗位权重高于普通工作的权重占比推送至求职者,使失业再就业人员在入职新岗位时更稳定,在线招聘平台的系统消息向求职者发送具体的岗位信息,并在推送岗位信息系时,附上相应的权重占比信息,并解释权重高于普通工作的优势,让求职者能够理解为何该岗位被视为重要或有特殊优势,通过系统推送权重更高的工作,从而使求职者能够了解更多的工作岗位,从而准确的分析出用户求职意向。
本发明的目的之二在于,提供了基于大数据的用户求职意向分析系统,包括上述中任意一项的基于大数据的用户求职意向分析方法,包括履历获取单元100、任职时长匹配单元200、岗位权重计算单元300、权重占比分析单元400和职位推送单元500;
履历获取单元100用于获取多位求职者曾经的工作岗位以及任职时长;
任职时长匹配单元200用于划分任职时长阈值区间,将求职者曾经的工作岗位任职时长分为短期、中期和长期,根据求职者工作岗位任职时长匹配对应的阈值区间;
岗位权重计算单元300用于调取履历获取单元100中求职者工作岗位任职时长,基于任职时长匹配单元200中的建立工作时长阈值区间计算得出不同的工作岗位权重占比,权重占比与任职时长呈正比;
权重占比分析单元400用于识别不同公司招聘简章中的招聘信息以及福利待遇的差异性,分析岗位权重计算单元300中不同权重工作岗位的特点,得到影响岗位权重占比的因素;
职位推送单元500用于计算普通工作岗位的权重占比,将多位求职者曾经工作岗位权重占比与普通工作岗位的权重占比进行比对,将工作岗位权重高于普通工作的权重占比推送至求职者。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (9)
1.基于大数据的用户求职意向分析方法,其特征在于:包括以下步骤:
S1、获取多位求职者曾经的工作岗位以及任职时长;
S2、划分任职时长阈值区间,将求职者曾经的工作岗位任职时长分为短期、中期和长期,根据求职者工作岗位任职时长匹配对应的阈值区间;
S3、调取所述S1中求职者工作岗位任职时长,基于所述S2中的建立工作时长阈值区间计算得出不同的工作岗位权重占比,权重占比与任职时长呈正比;
S4、识别不同公司招聘简章中的招聘信息以及福利待遇的差异性,分析S3中不同的工作岗位的特点,得到影响岗位权重占比的因素;
S5、计算普通工作岗位的权重占比,将多位求职者曾经工作岗位权重占比与普通工作岗位的权重占比进行比对,将工作岗位权重高于普通工作的权重占比推送至求职者。
2.根据权利要求1所述的基于大数据的用户求职意向分析方法,其特征在于:所述S1中获取多位求职者曾经的工作岗位,包括以下步骤:
S1.1、通过在线招聘平台,获取求职者电子简历数据;
S1.2、采用文本分析技术,提取电子简历数据中求职者曾经的工作岗位以及每个岗位的任职时长。
3.根据权利要求2所述的基于大数据的用户求职意向分析方法,其特征在于:所述S1中采用云盘对求职者个人简历数据进行整合和存储。
4.根据权利要求1所述的基于大数据的用户求职意向分析方法,其特征在于:所述S2中根据求职者工作岗位任职时长匹配对应的阈值区间,包括以下步骤:
S2.1、划分任职时长阈值区间;
S2.2、通过S1.2中提取求职者每个工作岗位任职时长,采用条件判断法对每个岗位的任职时长与建立的阈值区间进行匹配,岗位任职时间在0-6个月匹配短期阈值区间,6-2年匹配中期阈值区间,2年以上匹配长期阈值区间,通过对不同岗位的阈值区间进行分类,得出不同岗位的权重占比。
5.根据权利要求1所述的基于大数据的用户求职意向分析方法,其特征在于:所述S3中建立工作时长阈值区间计算得出不同的工作岗位权重占比,包括以下步骤:
S3.1、登录云盘对多位求职者曾经的工作任职时长进行调取;
S3.2、收集不同求职者在相同岗位的任职时长,基于S2.1中划分任职时长阈值区间,计算相同岗位在不同阈值区间的占比,得出工作岗位的权重占比,权重占比与任职时长呈正比。
6.根据权利要求5所述的基于大数据的用户求职意向分析方法,其特征在于:所述S4中分析不同权重工作岗位的特点,得到岗位权重高的因素,包括以下步骤:
S4.1、通过在各个公司官网收集下载相同岗位的招聘简章;
S4.2、采用自然语言处理技术识别S3.2中求职者曾经任职企业招聘简章中的招聘信息以及福利待遇的差异性,通过比较不同公司岗位的福利待遇,收集不同公司人员流动信息,计算不同公司相同岗位的任职时长处于长期的占比,分析得出岗位权重占比高的原因。
7.根据权利要求6所述的基于大数据的用户求职意向分析方法,其特征在于:所述S4.2采用自然语言处理技术识别招聘简章中的招聘信息以及福利待遇的差异性,具体步骤如下:
将招聘简章文本数据转换为计算机可以处理的向量形式;使用信息抽取技术从招聘简章中提取福利待遇信息;将福利待遇的差异性结果进行雷达图可视化展示,直观表达各个招聘简章中的差异。
8.根据权利要求1所述的基于大数据的用户求职意向分析方法,其特征在于:所述S5中判断求职者的求职意向和倾向,匹配相似工作对求职进行推送,包括以下步骤:
S5.1、搜索政府部门发布的普通工作岗位的权重占比;
S5.2、采用条件判断对曾经工作岗位权重占比与普通工作岗位的权重占比进行对比,将工作岗位权重高于普通工作的权重占比推送至求职者。
9.用于实现基于大数据的用户求职意向分析系统,包括权利要求1-8中任意一项所述的基于大数据的用户求职意向分析方法,其特征在于:包括履历获取单元(100)、任职时长匹配单元(200)、岗位权重计算单元(300)、权重占比分析单元(400)和职位推送单元(500);
所述履历获取单元(100)用于获取多位求职者曾经的工作岗位以及任职时长;
所述任职时长匹配单元(200)用于划分任职时长阈值区间,将求职者曾经的工作岗位任职时长分为短期、中期和长期,根据求职者工作岗位任职时长匹配对应的阈值区间;
所述岗位权重计算单元(300)用于调取所述履历获取单元(100)中求职者工作岗位任职时长,基于所述任职时长匹配单元(200)中的建立工作时长阈值区间计算得出不同的工作岗位权重占比,权重占比与任职时长呈正比;
所述权重占比分析单元(400)用于识别不同公司招聘简章中的招聘信息以及福利待遇的差异性,分析岗位权重计算单元(300)中不同权重工作岗位的特点,得到影响岗位权重占比的因素;
所述职位推送单元(500)用于计算普通工作岗位的权重占比,将多位求职者曾经工作岗位权重占比与普通工作岗位的权重占比进行比对,将工作岗位权重高于普通工作的权重占比推送至求职者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311305961.9A CN117473251B (zh) | 2023-10-10 | 2023-10-10 | 基于大数据的用户求职意向分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311305961.9A CN117473251B (zh) | 2023-10-10 | 2023-10-10 | 基于大数据的用户求职意向分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117473251A true CN117473251A (zh) | 2024-01-30 |
CN117473251B CN117473251B (zh) | 2024-08-27 |
Family
ID=89626592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311305961.9A Active CN117473251B (zh) | 2023-10-10 | 2023-10-10 | 基于大数据的用户求职意向分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117473251B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014048909A (ja) * | 2012-08-31 | 2014-03-17 | Eitatsu Nakaryo | 就職支援システム |
CN106022723A (zh) * | 2016-05-19 | 2016-10-12 | 中国传媒大学 | 一种就业信息个性化推荐方法 |
CN109992721A (zh) * | 2019-04-19 | 2019-07-09 | 安徽工商职业学院 | 基于加权特征值的精准推荐算法 |
CN111445215A (zh) * | 2020-04-03 | 2020-07-24 | 张广胜 | 一种基于互联网大数据企业人才管理方法 |
CN112182383A (zh) * | 2020-09-28 | 2021-01-05 | 平安数字信息科技(深圳)有限公司 | 第二岗位的推荐方法、装置以及计算机设备 |
CN112801512A (zh) * | 2021-01-29 | 2021-05-14 | 好活(昆山)网络科技有限公司 | 应聘人员与工作岗位的匹配方法、装置、介质及电子设备 |
CN113610498A (zh) * | 2021-08-04 | 2021-11-05 | 罗华龙 | 一种基于大数据的人力资源信息匹配系统及方法 |
CN113807827A (zh) * | 2021-10-19 | 2021-12-17 | 山东云享天空科技服务有限公司 | 一种基于大数据的人力资源匹配算法 |
KR20220003820A (ko) * | 2020-07-02 | 2022-01-11 | (주)샵플 | 개인화된 일자리 추천 방법 및 시스템 |
CN114282106A (zh) * | 2021-12-22 | 2022-04-05 | 北京网聘咨询有限公司 | 一种职位信息快速投递方法 |
KR20220077754A (ko) * | 2020-12-02 | 2022-06-09 | 허우현 | 업종 기반 일거리 자동 추천 장치 및 방법 |
CN114819924A (zh) * | 2022-06-28 | 2022-07-29 | 杭银消费金融股份有限公司 | 一种基于画像分析的企业信息推送处理方法及设备 |
CN115860252A (zh) * | 2022-12-19 | 2023-03-28 | 国家电网有限公司客户服务中心 | 一种全渠道业务智能监测分析方法及系统 |
CN116523268A (zh) * | 2023-06-30 | 2023-08-01 | 广东中大管理咨询集团股份有限公司 | 一种基于大数据画像的人岗匹配分析方法及装置 |
-
2023
- 2023-10-10 CN CN202311305961.9A patent/CN117473251B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014048909A (ja) * | 2012-08-31 | 2014-03-17 | Eitatsu Nakaryo | 就職支援システム |
CN106022723A (zh) * | 2016-05-19 | 2016-10-12 | 中国传媒大学 | 一种就业信息个性化推荐方法 |
CN109992721A (zh) * | 2019-04-19 | 2019-07-09 | 安徽工商职业学院 | 基于加权特征值的精准推荐算法 |
CN111445215A (zh) * | 2020-04-03 | 2020-07-24 | 张广胜 | 一种基于互联网大数据企业人才管理方法 |
KR20220003820A (ko) * | 2020-07-02 | 2022-01-11 | (주)샵플 | 개인화된 일자리 추천 방법 및 시스템 |
CN112182383A (zh) * | 2020-09-28 | 2021-01-05 | 平安数字信息科技(深圳)有限公司 | 第二岗位的推荐方法、装置以及计算机设备 |
KR20220077754A (ko) * | 2020-12-02 | 2022-06-09 | 허우현 | 업종 기반 일거리 자동 추천 장치 및 방법 |
CN112801512A (zh) * | 2021-01-29 | 2021-05-14 | 好活(昆山)网络科技有限公司 | 应聘人员与工作岗位的匹配方法、装置、介质及电子设备 |
CN113610498A (zh) * | 2021-08-04 | 2021-11-05 | 罗华龙 | 一种基于大数据的人力资源信息匹配系统及方法 |
CN113807827A (zh) * | 2021-10-19 | 2021-12-17 | 山东云享天空科技服务有限公司 | 一种基于大数据的人力资源匹配算法 |
CN114282106A (zh) * | 2021-12-22 | 2022-04-05 | 北京网聘咨询有限公司 | 一种职位信息快速投递方法 |
CN114819924A (zh) * | 2022-06-28 | 2022-07-29 | 杭银消费金融股份有限公司 | 一种基于画像分析的企业信息推送处理方法及设备 |
CN115860252A (zh) * | 2022-12-19 | 2023-03-28 | 国家电网有限公司客户服务中心 | 一种全渠道业务智能监测分析方法及系统 |
CN116523268A (zh) * | 2023-06-30 | 2023-08-01 | 广东中大管理咨询集团股份有限公司 | 一种基于大数据画像的人岗匹配分析方法及装置 |
Non-Patent Citations (1)
Title |
---|
陈希 等: "考虑多种形式信息的求职者与岗位双边匹配研究", 运筹与管理, vol. 18, no. 6, 25 December 2009 (2009-12-25), pages 103 - 109 * |
Also Published As
Publication number | Publication date |
---|---|
CN117473251B (zh) | 2024-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110597988B (zh) | 一种文本分类方法、装置、设备及存储介质 | |
CN105787104B (zh) | 用户属性信息的获取方法和装置 | |
CN109961165B (zh) | 件量预测方法、装置、设备及其存储介质 | |
CN115545516A (zh) | 一种基于流程引擎的绩效数据处理方法、装置及系统 | |
CN113449046A (zh) | 基于企业知识图谱的模型训练方法、系统及相关装置 | |
CN116629620B (zh) | 一种风险等级确定方法、装置、电子设备及存储介质 | |
CN108304539A (zh) | 人才数据库建立方法、装置及存储介质 | |
CN111222028B (zh) | 一种数据智能爬取方法 | |
CN112632218A (zh) | 一种用于企业危机公关的网络舆情监测方法 | |
CN115510212A (zh) | 一种文本事件抽取方法、装置、设备及存储介质 | |
CN111092764A (zh) | 一种实时动态亲密度关系分析方法及系统 | |
CN117473251B (zh) | 基于大数据的用户求职意向分析方法及系统 | |
CN112100367A (zh) | 一种景区舆情预警方法及装置 | |
CN107967299B (zh) | 一种面向农业舆情的热词自动提取方法及系统 | |
CN117076610A (zh) | 一种数据敏感表的识别方法、装置、电子设备及存储介质 | |
CN116881395A (zh) | 一种舆情信息检测方法和装置 | |
CN115186095B (zh) | 一种未成年人文本识别方法及装置 | |
CN115409616A (zh) | 风险检测方法、装置、设备、存储介质及产品 | |
CN114529383A (zh) | 实现税务缴纳追踪和税款流失预警方法及系统 | |
CN114240250A (zh) | 一种职业评测的智能管理方法及系统 | |
CN114996574A (zh) | 画像标签的构建方法、装置及电子设备 | |
KR20190104745A (ko) | 이슈 관심도 기반의 뉴스 가치 평가 장치 및 방법, 이를 기록한 기록매체 | |
CN113791860A (zh) | 一种信息转换方法、装置和存储介质 | |
CN115080732A (zh) | 投诉工单处理方法、装置、电子设备和存储介质 | |
CN107784080B (zh) | 自动建立用户知识框架的方法、装置、系统及存储介质 |
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 |