CN117709916A - 一种就业信息的处理方法、装置、电子设备及存储介质 - Google Patents
一种就业信息的处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117709916A CN117709916A CN202410144025.2A CN202410144025A CN117709916A CN 117709916 A CN117709916 A CN 117709916A CN 202410144025 A CN202410144025 A CN 202410144025A CN 117709916 A CN117709916 A CN 117709916A
- Authority
- CN
- China
- Prior art keywords
- information
- personal
- job
- resume
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 18
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000007115 recruitment Effects 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 33
- 230000011218 segmentation Effects 0.000 claims description 42
- 238000000605 extraction Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000003058 natural language processing Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000001568 sexual effect Effects 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (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
本申请提供一种就业信息的处理方法、装置、电子设备及存储介质,涉及数据处理的技术领域,方法包括:获取目标用户的第一个人简历;对第一个人简历进行信息提取,得到多个求职信息;根据多个求职信息,从预设数据库中多个预存个人简历匹配第二个人简历,第二个人简历的求职信息与第一个人简历的求职信息的相似度满足预设条件;确定第二个人简历对应的求职者;若确定求职者处于已就业状态,且求职者应聘的目标岗位处于招聘状态,则获取目标岗位的第一岗位信息,并向目标用户展示第一岗位信息。本申请能够结合简历内容,进行企业就业信息筛选。
Description
技术领域
本申请涉及数据处理的技术领域,具体涉及一种就业信息的处理方法、装置、电子设备及存储介质。
背景技术
随着互联网的发展和普及,互联网与人们的工作生活已产生密不可分的关系。互联网招聘过程是一种现代化的招聘方式,利用互联网来连接求职者和雇主。首先,企业通过在线招聘平台、社交媒体或公司网站发布职位信息,明确岗位要求、职责、资格和申请流程。求职者可以通过这些平台搜索适合自己的职位,通过提交简历和其他必要材料来应聘。这些平台通常提供高级搜索功能和职位推荐,帮助求职者找到与其技能和经验相匹配的工作机会。
对于许多毕业生来说,由于在校期间往往缺乏实质性的就业指导和市场信息,他们在制作完简历后常常面临一个挑战:如何根据自己的简历内容,有效地筛选和定位合适的企业就业信息,然后进行求职投递。毕业生们往往难以有效匹配自己的简历与市场上的职位机会,导致求职过程中的效率低下和目标不明确。因此需要一种方法能够结合简历内容,进行企业就业信息筛选。
发明内容
本申请提供一种就业信息的处理方法、装置、电子设备及存储介质,能够结合简历内容,进行企业就业信息筛选。
在本申请的第一方面提供了一种就业信息的处理方法,所述方法包括:
获取目标用户的第一个人简历;
对所述第一个人简历进行信息提取,得到多个求职信息;
根据多个所述求职信息,从预设数据库中多个预存个人简历匹配第二个人简历,所述第二个人简历的求职信息与所述第一个人简历的求职信息的相似度满足预设条件;
确定所述第二个人简历对应的求职者;
若确定所述求职者处于已就业状态,且所述求职者应聘的目标岗位处于招聘状态,则获取所述目标岗位的第一岗位信息,并向所述目标用户展示所述第一岗位信息。
通过采用上述技术方案,首先获取目标用户的简历,并从中提取关键的求职信息,如个人能力与经验等。然后,这些求职信息被用来与预设数据库中存储的其他个人简历进行比较,寻找求职信息相似度高的简历。找到相似简历对应的求职者之后,进一步检查这些求职者当前的就业状态以及他们所应聘岗位的状态。如果这些求职者已经就业,并且他们的岗位仍在招聘,便识别这些岗位为潜在的就业机会,并将这些第一岗位信息展示给目标用户。从而不仅考虑了目标用户的个人实际情况,还结合了市场上实际的就业机会,从而更精准地匹配目标用户以合适的职位。这种个性化的匹配方式实现了结合简历内容,进行企业就业信息筛选。
可选的,所述对所述第一个人简历进行信息提取,得到多个求职信息,具体包括:
对所述第一个人简历进行文字识别,得到文本内容;
对所述文本内容进行分词处理,得到多个独立分词;
获取所述预设数据库中的多个预存分词,所述预存分词为个人能力以及个人经历相关的描述性分词;
计算第一独立分词与第二独立分词的第一相似度,所述第一独立分词为多个所述独立分词中的任意一个独立分词,所述第二独立分词为多个预存分词中的任意一个预存分词;
判断所述第一相似度是否大于预设第一阈值,若确定所述第一相似度大于所述预设第一阈值,则确定所述第一独立分词为所述求职信息。
通过采用上述技术方案,将简历转换为文本内容,然后进行分词处理,将文本细分为具有独立意义的词汇。接着,通过与预设数据库中存储的描述性分词(涵盖个人能力和经历等方面)进行比较,计算出各个分词之间的相似度。当这些分词的相似度超过预设的阈值时,会将其识别为有效的求职信息。从而能够精确地从简历的大量文本中筛选出与求职相关的关键信息,包括个人能力以及个人经历相关的信息,从而为后续求职信息提供更精确的匹配基础。
可选的,所述对所述第一个人简历进行信息提取,得到多个求职信息,具体还包括:
对所述第一个人简历进行文字识别,得到文本内容;
对所述文本内容进行分词处理,得到多个独立分词;
对各个所述独立分词进行语义识别,标注各个所述独立分词对应的第一岗位,其中所述第一岗位的多项个人能力要求包括所述独立分词对应的个人能力,或者所述第一岗位的多项的个人经历要求中包括所述独立分词对应的个人经历;
判断多个所述独立分词中,是否包含所述目标用户的意向应聘岗位;
若确定多个所述独立分词中包含所述意向应聘岗位,则确定多个所述第一岗位中的第二岗位,所述第二岗位与所述意向应聘岗位相同;
确定多个所述独立分词中,所述第二岗位对应的独立分词为所述求职信息。
通过采用上述技术方案,通过对第一个人简历进行文字识别和分词处理,能够将文本内容细分为具有独立意义的词汇。接着,进一步分析这些分词,确定它们是否与目标用户的意向应聘岗位相关。这种匹配过程确保了提取的求职信息与用户的职业意向紧密相连,从而实现个性化的就业信息筛选。
可选的,所述根据多个所述求职信息,从预设数据库中多个预存个人简历匹配第二个人简历,具体包括:
确定多个求职信息中有关所述目标用户的个人能力的信息,得到第一个人能力信息;
确定多个求职信息中有关所述目标用户的个人经历的信息,得到第一个人经历信息;
提取出所述预存个人简历中有关所述求职者的个人能力的信息,得到第二个人能力信息;
提取出所述预存个人简历中有关所述求职者的个人经历的信息,得到第二个人经历信息;
若确定所述第一个人经历信息与所述第二个人经历信息相同,且所述第一个人能力信息与所述第二个人能力信息的第二相似度大于或等于预设第二阈值,则确定所述预存个人简历为所述第二个人简历。
通过采用上述技术方案,通过设定预先定义的第二相似度阈值,能够判断两份简历之间的匹配程度。当目标用户的个人经历信息与预存简历中的个人经历信息相同,当目标用户的个人能力信息与预存简历中的个人能力信息相似度达到或超过预设第二阈值时,将认定这两份简历匹配。
可选的,在所述若确定所述求职者处于已就业状态,且所述求职者应聘的目标岗位处于招聘状态之后,所述方法还包括:
若确定所述求职者处于未就业状态,或者所述求职者应聘的目标岗位处于未招聘状态,则确定所述第一个人简历中包含的所述目标用户的意向应聘岗位;
查询各个企业的与所述意向应聘岗位相同的招聘岗位;
获取所述招聘岗位的第二岗位信息;
根据所述求职信息的语义内容,判断所述求职信息是否符合所述第二岗位信息的要求;
若确定所述求职信息符合所述第二岗位信息的要求,则向所述目标用户展示所述第二岗位信息。
通过采用上述技术方案,首先自动识别目标用户简历中表达的职位偏好。随后,在各个企业的招聘信息中搜索与这些偏好相匹配的岗位,并获取这些岗位的详细信息(第二岗位信息)。通过对求职者的简历进行深入的语义分析,评估其技能和经历是否符合这些岗位的要求。最终,当发现符合条件的岗位时,将这些信息展示给目标用户,从而进一步实现根据用户的简历进行就业信息筛选。
可选的,所述判断所述求职信息是否符合所述第二岗位信息的要求,具体包括:
确定多个求职信息中有关所述目标用户的个人经历的信息,得到第一个人经历信息;
提取出所述第二岗位信息中有关所述应聘者的个人能力的信息,得到第三个人能力信息;
提取出所述第二岗位信息中有关所述应聘者的个人经历的信息,得到第三个人经历信息;
若确定所述第一个人经历信息与所述第三个人经历信息相同,且所述第一个人能力信息与所述第二个人能力信息的第三相似度大于或等于预设第三阈值,则确定所述求职信息符合所述第二岗位信息的要求。
通过采用上述技术方案,通过设定预先定义的相似度阈值,能够判断求职信息与岗位信息之间的匹配程度。当目标用户的个人经历信息与岗位信息中的个人经历信息相同,当目标用户的个人能力信息与预存简历中的个人能力信息相似度达到或超过预设第三阈值时,将认定求职信息符合第二岗位信息的要求。
可选的,在所述若确定所述求职者处于已就业状态之前,所述方法还包括:
在所述求职者上传所述第二个人简历后,记录所述求职者的活跃状态;
若所述活跃状态为离线状态,持续记录所述求职者的离线时长;
若确定所述离线时长超过预设时长,则确定所述求职者处于所述已就业状态。
通过采用上述技术方案,能够自动监测求职者的在线活跃度,并通过其离线时长来判断其可能的就业状态。这种方法为确定求职者当前是否已就业提供了一种间接但有效的途径。
在本申请的第二方面提供了一种就业信息的处理装置,包括获取模块、提取模块、匹配模块以及展示模块,其中:
所述获取模块,用于获取目标用户的第一个人简历;
所述提取模块,用于对所述第一个人简历进行信息提取,得到多个求职信息;
所述匹配模块,用于根据多个所述求职信息,从预设数据库中多个预存个人简历匹配第二个人简历,所述第二个人简历的求职信息与所述第一个人简历的求职信息的相似度满足预设条件;
所述匹配模块,用于确定所述第二个人简历对应的求职者;
所述展示模块,用于若确定所述求职者处于已就业状态,且所述求职者应聘的目标岗位处于招聘状态,则获取所述目标岗位的第一岗位信息,并向所述目标用户展示所述第一岗位信息。
可选的,所述提取模块,用于对所述第一个人简历进行文字识别,得到文本内容;
所述提取模块,用于对所述文本内容进行分词处理,得到多个独立分词;
所述获取模块,用于获取所述预设数据库中的多个预存分词,所述预存分词为个人能力以及个人经历相关的描述性分词;
所述匹配模块,用于计算第一独立分词与第二独立分词的第一相似度,所述第一独立分词为多个所述独立分词中的任意一个独立分词,所述第二独立分词为多个预存分词中的任意一个预存分词;
所述匹配模块,用于判断所述第一相似度是否大于预设第一阈值,若确定所述第一相似度大于所述预设第一阈值,则确定所述第一独立分词为所述求职信息。
可选的,所述提取模块,用于对所述第一个人简历进行文字识别,得到文本内容;
所述提取模块,用于对所述文本内容进行分词处理,得到多个独立分词;
所述提取模块,用于对各个所述独立分词进行语义识别,标注各个所述独立分词对应的第一岗位,其中所述第一岗位的多项个人能力要求包括所述独立分词对应的个人能力,或者所述第一岗位的多项的个人经历要求中包括所述独立分词对应的个人经历;
所述匹配模块,用于判断多个所述独立分词中,是否包含所述目标用户的意向应聘岗位;
所述匹配模块,用于若确定多个所述独立分词中包含所述意向应聘岗位,则确定多个所述第一岗位中的第二岗位,所述第二岗位与所述意向应聘岗位相同;
所述提取模块,用于确定多个所述独立分词中,所述第二岗位对应的独立分词为所述求职信息。
可选的,所述提取模块,用于确定多个求职信息中有关所述目标用户的个人能力的信息,得到第一个人能力信息;
所述匹配模块,用于确定多个求职信息中有关所述目标用户的个人经历的信息,得到第一个人经历信息;
所述提取模块,用于提取出所述预存个人简历中有关所述求职者的个人能力的信息,得到第二个人能力信息;
所述提取模块,用于提取出所述预存个人简历中有关所述求职者的个人经历的信息,得到第二个人经历信息;
所述匹配模块,用于若确定所述第一个人经历信息与所述第二个人经历信息相同,且所述第一个人能力信息与所述第二个人能力信息的第二相似度大于或等于预设第二阈值,则确定所述预存个人简历为所述第二个人简历。
可选的,所述匹配模块,用于若确定所述求职者处于未就业状态,或者所述求职者应聘的目标岗位处于未招聘状态,则确定所述第一个人简历中包含的所述目标用户的意向应聘岗位;
所述获取模块,用于查询各个企业的与所述意向应聘岗位相同的招聘岗位;
所述获取模块,用于获取所述招聘岗位的第二岗位信息;
所述匹配模块,用于根据所述求职信息的语义内容,判断所述求职信息是否符合所述第二岗位信息的要求;
所述展示模块,用于若确定所述求职信息符合所述第二岗位信息的要求,则向所述目标用户展示所述第二岗位信息。
可选的,所述提取模块,用于确定多个求职信息中有关所述目标用户的个人经历的信息,得到第一个人经历信息;
所述提取模块,用于提取出所述第二岗位信息中有关所述应聘者的个人能力的信息,得到第三个人能力信息;
所述提取模块,用于提取出所述第二岗位信息中有关所述应聘者的个人经历的信息,得到第三个人经历信息;
所述匹配模块,用于若确定所述第一个人经历信息与所述第三个人经历信息相同,且所述第一个人能力信息与所述第二个人能力信息的第三相似度大于或等于预设第三阈值,则确定所述求职信息符合所述第二岗位信息的要求。
可选的,所述获取模块,用于在所述求职者上传所述第二个人简历后,记录所述求职者的活跃状态;
所述匹配模块,用于若所述活跃状态为离线状态,持续记录所述求职者的离线时长;
所述匹配模块,用于若确定所述离线时长超过预设时长,则确定所述求职者处于所述已就业状态。
在本申请的第三方面提供了一种电子设备,包括处理器、存储器、用户接口以及网络接口,所述存储器用于存储指令,所述用户接口和所述网络接口均用于与其他设备通信,所述处理器用于执行所述存储器中存储的指令,以使所述电子设备执行如上述任意一项所述的方法。
在本申请的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有指令,当所述指令被执行时,执行如上述任意一项所述的方法。
综上所述,本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
首先获取目标用户的简历,并从中提取关键的求职信息,如个人能力与经验等。然后,这些求职信息被用来与预设数据库中存储的其他个人简历进行比较,寻找求职信息相似度高的简历。找到相似简历对应的求职者之后,进一步检查这些求职者当前的就业状态以及他们所应聘岗位的状态。如果这些求职者已经就业,并且他们的岗位仍在招聘,便识别这些岗位为潜在的就业机会,并将这些第一岗位信息展示给目标用户。从而不仅考虑了目标用户的个人实际情况,还结合了市场上实际的就业机会,从而更精准地匹配目标用户以合适的职位。这种个性化的匹配方式实现了结合简历内容,进行企业就业信息筛选。
附图说明
图1是本申请实施例公开的一种就业信息的处理方法的流程示意图;
图2是本申请实施例公开的一种就业信息的处理装置的模块示意图;
图3是本申请实施例公开的一种电子设备的结构示意图。
附图标记说明:201、获取模块;202、提取模块;203、匹配模块;204、展示模块;201、处理器;202、通信总线;203、用户接口;204、网络接口;205、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
在本申请实施例的描述中,“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,术语“多个”的含义是指两个或两个以上。例如,多个系统是指两个或两个以上的系统,多个屏幕终端是指两个或两个以上的屏幕终端。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
随着互联网的发展和普及,互联网与人们的工作生活已产生密不可分的关系。互联网招聘过程是一种现代化的招聘方式,利用互联网来连接求职者和雇主。首先,企业通过在线招聘平台、社交媒体或公司网站发布职位信息,明确岗位要求、职责、资格和申请流程。求职者可以通过这些平台搜索适合自己的职位,通过提交简历和其他必要材料来应聘。这些平台通常提供高级搜索功能和职位推荐,帮助求职者找到与其技能和经验相匹配的工作机会。
对于许多毕业生来说,由于在校期间往往缺乏实质性的就业指导和市场信息,他们在制作完简历后常常面临一个挑战:如何根据自己的简历内容,有效地筛选和定位合适的企业就业信息,然后进行求职投递。毕业生们往往难以有效匹配自己的简历与市场上的职位机会,导致求职过程中的效率低下和目标不明确。因此需要一种方法能够结合简历内容,进行企业就业信息筛选。
本实施例公开了一种就业信息的处理方法,参照图1,包括如下步骤S110-S150:
S110,获取目标用户的第一个人简历。
本申请实施例公开的一种就业信息的处理方法应用于服务器,服务器包括但不限于诸如手机、平板电脑、可穿戴设备、PC(Personal Computer,个人计算机)等电子设备,也可以是运行一种就业信息的处理方法的后台服务器。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
目标用户为学校毕业生或者在校学生,通过上传自己的个人简历的文档,可以是不同格式(如PDF、Word)的个人简历,从而服务器获取目标用户的第一个人简历。
S120,对第一个人简历进行信息提取,得到多个求职信息。
对于PDF或者JPG这种不可编辑类型的简历文件,首先使用光学字符识别技术(OCR)来对第一个人简历进行文本识别,从简历的非文本格式中提取文本内容。应用OCR软件或库(如Tesseract)来转换扫描的文档或图片到可编辑的文本格式。然后对提取的文本内容进行自然语言处理(NLP),可以使用NLP工具库(如NLTK、SpaCy)进行分词,将提取出的文本内容拆分成基本的语言单位(单词或短语),得到多个独立分词。
举例来说,对于个人简历中可能包含的内容:“本人性格热情开朗,待人友好,为人真诚谦虚。能吃苦耐劳,尽职尽责,有耐心。善于与人沟通。学习刻苦认真,成绩优秀,连续三年获学院奖学金。为人诚恳勤奋好学脚踏实地,有较强的团队精神,工作积极进取,态度认真。抗压能力和强烈的责任感。通过实习和自修学习了财务的相关知识对经济和金融有所认识,有较强的数理分析能力。”对该文本内容进行分词处理,可能得到如下多个独立分词:“本人”、“性格热情开朗”、“待人友好”、“诚恳勤奋”、“有较强的团队精神”、“工作积极进取”、“实习和自修”、“有较强的数理分析能力”等等。
然后通过提前构建的预设数据库提取预存分词,因此在此之前需要构建包含个人能力和经历相关描述性分词的预设数据库。这些分词可以从行业标准的职位描述、技能列表或历史求职数据中获得。预存分词可以包括技能名称(如“Java编程”、“项目管理”)、职位(如“市场分析师”)、教育背景(如“硕士学位”)、个人能力(如“吃苦耐劳”)以及个人性格(如诚实谦逊)等。对简历中的每个独立分词与预设数据库中的预存分词进行第一相似度计算,这可以通过文本相似度算法实现,常见的算法包括余弦相似度、Jaccard相似度或Levenshtein距离等,具体采取哪一种需要根据实际场景进行选取,本申请不对此做进一步限定。
设置一个预设第一阈值,用以判断两个分词是否足够相似。例如,第一相似度可以设定为0到1之间的值,而预设第一阈值可能设定为0.6。当计算出第一独立分词与第二独立分词的第一相似度大于预设阈值时,表明第一独立分词与第二独立分词的相似度较高。第一独立分词为多个独立分词中的任意一个独立分词,第二独立分词为多个预存分词中的任意一个预存分词。而预存分词均为个人能力以及个人经历相关的描述性分词,如果第一独立分词与某个预存分词第一相似度较高,表明该独立分词也是个人能力或者个人经历相关的描述性分词,最后,将第一个人简历中的第一独立分词确定为有效的求职信息,用于后续处理。这样就可以过滤掉个人简历中有关于出生年月日、籍贯以及地址等对求职作用不大的信息,减少信息处理量。
将简历转换为文本内容,然后进行分词处理,将文本细分为具有独立意义的词汇。接着,通过与预设数据库中存储的描述性分词(涵盖个人能力和经历等方面)进行比较,计算出各个分词之间的相似度。当这些分词的相似度超过预设的阈值时,会将其识别为有效的求职信息。从而能够精确地从简历的大量文本中筛选出与求职相关的关键信息,包括个人能力以及个人经历相关的信息,从而为后续求职信息提供更精确的匹配基础。
在一种可能的实施方式中,对第一个人简历进行信息提取,得到多个求职信息,具体还包括:对第一个人简历进行文字识别,得到文本内容;对各个文本内容进行语义识别,标注各个文本内容对应的第一岗位,其中第一岗位的多项个人能力要求包括文本内容对应的个人能力,或者第一岗位的多项的个人经历要求中包括文本内容对应的个人经历;判断多个文本内容中,是否包含目标用户的意向应聘岗位;若确定多个文本内容中包含意向应聘岗位,则确定多个第一岗位中的第二岗位,第二岗位与意向应聘岗位相同;确定多个文本内容中,各个第二岗位对应的文本内容为求职信息。
具体地,对于经验不足的毕业生,在制作简历时可能会在简历中写入与自己求职意向不相关的信息。举例来说,在简历中写入“擅长进行数据分析”的信息对于平面设计师的求职意向作用不大,因为平面设计师这一岗位并不要求会进行数据分析。因此为了提高后续就业信息处理的精准度,还可以再过滤掉与目标用户的意向应聘岗位(求职意向)相关度不高的信息。
与目前传统互联网招聘平台相比,本申请的方案主要面对毕业生或者在校学生,而互联网招聘平台则面对各种各样的求职者,包括学生、有丰富工作经验的人等等。这就导致了平台不同工作经验的用户的个人能力或者个人经历差别较大,如果采用本申请的方案进行就业信息推荐会导致推荐的准确度较低。而本申请主要面对毕业生或者在校学生,对应平台的用户无论是个人能力还是个人经历,差别相对较小,主要在于专业上的区别。因此可以通过本申请的简历匹配来进行就业信息推荐,并且推荐的准确率更高。
首先需要在预设数据库中构建不同岗位与个人能力和/或个人经历的要求的对应关系,举例来说,平面设计师岗位对艺术设计专业这一个人经历的要求。通过简历大量的岗位与个人能力要求或者个人经历要求的对应关系,便于后续直接进行求职信息过滤。其中,个人能力是指简历对应的个人在教育以及工作等方面的与应聘岗位相关的历史和经验,包括但不限于:教育背景、工作经验、项目经验、实习经历等。个人能力则指简历对应的个人为完成特定任务或工作所具备的技能和素质,包括但不限于专业技能、软技能、问题解决能力、创新和创造力、适应能力等。
在提取出个人简历的文本内容并进行分词处理后,得到多个独立分词。使用自然语言处理(NLP)技术,对每个独立分词进行深度分析,理解其中的语义内容,包括识别确切的专业技能、工作经历、教育背景等,并确定是属于个人能力还是个人经历。然后根据预设数据库中岗位与个人能力和/或个人经历的要求的对应关系,将每个独立分词与数据库中的岗位要求进行匹配,确定与之最相关的第一岗位,并进行标注。
个人简历中可能还会包含目标用户意向的意向应聘岗位(求职意向),这一信息也会被处理为独立分词。但是部分求职者可能不会填写自己的意向应聘岗位,因此需要判断多个独立分词中是否包含目标用户的意向应聘岗位,如果不存在则不进行后续处理。如果多个独立分词中包含目标用户的意向应聘岗位,则在已标注的第一岗位中寻找与目标用户的意向应聘岗位相同或高度相关的岗位(第二岗位)。根据第二岗位的相关性,从多个独立分词中筛选出于意向应聘岗位最具相关性的求职信息。
通过对第一个人简历进行文字识别和分词处理,能够将文本内容细分为具有独立意义的词汇。接着,进一步分析这些分词,确定它们是否与目标用户的意向应聘岗位相关。这种匹配过程确保了提取的求职信息与用户的职业意向紧密相连,从而实现个性化的就业信息筛选。
S130,根据多个求职信息,从预设数据库中多个预存个人简历匹配第二个人简历。
类似于第一个人简历的文字识别和分词处理过程,预设数据库中还包含大量的处理后的个人简历,这些简历基本是其它求职者在求职过程中向服务器上传的简历,并通过就业信息匹配推荐过相关岗位。因而对于任意一个预存个人简历,只需要直接对预设数据库中多个预存个人简历进行信息提取。提取出有关求职者的个人能力的信息,得到第二个人能力信息,并提取出预存个人简历中有关求职者的个人经历的信息,得到第二个人经历信息。
在上述步骤S120中,由于对第一个人简历的独立分析进行了语义识别,确定了其属于个人能力或者个人经历的语义。而求职信息属于独立分词筛选后的结果,因此可以直接确定多个求职信息中有关目标用户的个人能力的信息,得到第一个人能力信息,并确定多个求职信息中有关目标用户的个人经历的信息,得到第一个人经历信息。
然后将第一个人经历信息与第二个人经历信息进行直接对比,查看二者是否相同,同时使用相似度计算方法(如余弦相似度、Jaccard相似度)来确定两份简历中的个人能力信息(第一个人能力信息与第二个人能力信息)的预设第二相似度。并通过设定预设相似度阈值,以评估两份简历在个人能力方面的相似度是否满足预设标准。如果第一个人经历信息与第二个人经历信息相同,且第一个人能力信息与第二个人能力信息的第二相似度大于或等于预设第二阈值,表明该求职者的个人简历与目标用的个人简历相似度满足预设条件,否则不满足。
通过设定预先定义的第二相似度阈值,能够判断两份简历之间的匹配程度。当目标用户的个人经历信息与预存简历中的个人经历信息相同,当目标用户的个人能力信息与预存简历中的个人能力信息相似度达到或超过预设第二阈值时,将认定这两份简历匹配。
S140,确定第二个人简历对应的求职者。
通过第二个人简历的个人信息栏,确定第二个人简历对应的求职者,然后查询该求职者是否处于已就业状态,但是查询他人是否处于就业状态通常涉及一些隐私和法律问题,因此需要在该求职者自愿分享这些信息的前提下进行获取,即求职者在平台填写个人就业状态。或者通过求职者的活跃状态来判断求职者是否处于已就业状态。当求职者上传第二个人简历后,服务器通过用户登录、互动(如申请职位、搜索职位、更新简历)等行为来监测其在平台上的活跃状态。当求职者一段时间内没有登录或在平台上进行任何活动时,将其状态标记为离线。持续跟踪求职者的离线时长,从最后一次活动开始计算。根据平台数据和就业市场的动态,设定一个合理的预设时长,例如几个月。当求职者的离线时长超过预设时长时,自动将其标记为可能已就业状态。通过采用上述技术方案,能够自动监测求职者的在线活跃度,并通过其离线时长来判断其可能的就业状态。这种方法为确定求职者当前是否已就业提供了一种间接但有效的途径。
S150,若确定求职者处于已就业状态,且求职者应聘的目标岗位处于招聘状态,则获取目标岗位的第一岗位信息,并向目标用户展示第一岗位信息。
对于已就业的求职者应聘的目标岗位这一信息的获取,通常也需要在求职者的允许条件下获取,可以根据求职者的联系信息向求职者发送邀请,填写个人应聘信息,即填写自己应聘的目标岗位。
如果求职者处于已就业状态,且求职者应聘的目标岗位处于招聘状态,则通过查询该企业的官网或者相关招聘网站,获取求职者应聘的目标岗位的第一岗位信息,包括岗位职责、岗位要求、薪资酬劳等等。最后通过相关交互界面向目标用户展示第一岗位信息,以供目标用户进行参考。
首先获取目标用户的简历,并从中提取关键的求职信息,如个人能力与经验等。然后,这些求职信息被用来与预设数据库中存储的其他个人简历进行比较,寻找求职信息相似度高的简历。找到相似简历对应的求职者之后,进一步检查这些求职者当前的就业状态以及他们所应聘岗位的状态。如果这些求职者已经就业,并且他们的岗位仍在招聘,便识别这些岗位为潜在的就业机会,并将这些第一岗位信息展示给目标用户。从而不仅考虑了目标用户的个人实际情况,还结合了市场上实际的就业机会,从而更精准地匹配目标用户以合适的职位。这种个性化的匹配方式实现了结合简历内容,进行企业就业信息筛选。
反之,如果求职者处于未就业状态,或者求职者应聘的目标岗位处于未招聘状态,则无法通过求职者应聘的目标岗位向目标用户进行推荐,则需要通过其它招聘岗位的岗位信息对目标用户进行推荐。通过查询各企业的官网或者相关招聘网站,获取企业招聘岗位的第二岗位信息,第二岗位信息包括对于应聘者的个人能力的要求信息以及个人经历的要求信息。
根据目标用户的求职信息中第一个人经历信息,与第二岗位信息中的第三个人经历信息,判断二者是否相同。以及根据目标用户的求职信息中第一个人经历信息,与第二岗位信息中的第二个人能力信息的第三相似度大于或等于预设第三阈值,判断求职信息是否符合第二岗位信息的要求。如果第一个人经历信息与第三个人经历信息不同,或者第三相似度小于预设第三阈值,则求职信息不符合第二岗位信息的要求。反之如果第一个人经历信息与第三个人经历信息相同,并且第三相似度大于或等于预设第三阈值,则求职信息符合第二岗位信息的要求,则向目标用户展示第二岗位信息,以供目标用户进行参考。
首先自动识别目标用户简历中表达的职位偏好。随后,在各个企业的招聘信息中搜索与这些偏好相匹配的岗位,并获取这些岗位的详细信息(第二岗位信息)。通过对求职者的简历进行深入的语义分析,评估其技能和经历是否符合这些岗位的要求。最终,当发现符合条件的岗位时,将这些信息展示给目标用户,从而进一步实现根据用户的简历进行就业信息筛选。
本实施例还公开了一种就业信息的处理装置,参照图2,包括获取模块201、提取模块202、匹配模块203以及展示模块204,其中:
获取模块201,用于获取目标用户的第一个人简历。
提取模块202,用于对第一个人简历进行信息提取,得到多个求职信息。
匹配模块203,用于根据多个求职信息,从预设数据库中多个预存个人简历匹配第二个人简历,第二个人简历的求职信息与第一个人简历的求职信息的相似度满足预设条件。
匹配模块203,用于确定第二个人简历对应的求职者。
展示模块204,用于若确定求职者处于已就业状态,且求职者应聘的目标岗位处于招聘状态,则获取目标岗位的第一岗位信息,并向目标用户展示第一岗位信息。
在一种可能的实施方式中,提取模块202,用于对第一个人简历进行文字识别,得到文本内容。
提取模块202,用于对文本内容进行分词处理,得到多个独立分词。
获取模块201,用于获取预设数据库中的多个预存分词,预存分词为个人能力以及个人经历相关的描述性分词。
匹配模块203,用于计算第一独立分词与第二独立分词的第一相似度,第一独立分词为多个独立分词中的任意一个独立分词,第二独立分词为多个预存分词中的任意一个预存分词。
匹配模块203,用于判断第一相似度是否大于预设第一阈值,若确定第一相似度大于预设第一阈值,则确定第一独立分词为求职信息。
在一种可能的实施方式中,提取模块202,用于对第一个人简历进行文字识别,得到文本内容。
提取模块202,用于对文本内容进行分词处理,得到多个独立分词。
提取模块202,用于对各个独立分词进行语义识别,标注各个独立分词对应的第一岗位,其中第一岗位的多项个人能力要求包括独立分词对应的个人能力,或者第一岗位的多项的个人经历要求中包括独立分词对应的个人经历。
匹配模块203,用于判断多个独立分词中,是否包含目标用户的意向应聘岗位。
匹配模块203,用于若确定多个独立分词中包含意向应聘岗位,则确定多个第一岗位中的第二岗位,第二岗位与意向应聘岗位相同。
提取模块202,用于确定多个独立分词中,第二岗位对应的独立分词为求职信息。
在一种可能的实施方式中,提取模块202,用于确定多个求职信息中有关目标用户的个人能力的信息,得到第一个人能力信息。
匹配模块203,用于确定多个求职信息中有关目标用户的个人经历的信息,得到第一个人经历信息。
提取模块202,用于提取出预存个人简历中有关求职者的个人能力的信息,得到第二个人能力信息。
提取模块202,用于提取出预存个人简历中有关求职者的个人经历的信息,得到第二个人经历信息。
匹配模块203,用于若确定第一个人经历信息与第二个人经历信息相同,且第一个人能力信息与第二个人能力信息的第二相似度大于或等于预设第二阈值,则确定预存个人简历为第二个人简历。
在一种可能的实施方式中,匹配模块203,用于若确定求职者处于未就业状态,或者求职者应聘的目标岗位处于未招聘状态,则确定第一个人简历中包含的目标用户的意向应聘岗位。
获取模块201,用于查询各个企业的与意向应聘岗位相同的招聘岗位。
获取模块201,用于获取招聘岗位的第二岗位信息。
匹配模块203,用于根据求职信息的语义内容,判断求职信息是否符合第二岗位信息的要求。
展示模块204,用于若确定求职信息符合第二岗位信息的要求,则向目标用户展示第二岗位信息。
在一种可能的实施方式中,提取模块202,用于确定多个求职信息中有关目标用户的个人经历的信息,得到第一个人经历信息。
提取模块202,用于提取出第二岗位信息中有关应聘者的个人能力的信息,得到第三个人能力信息。
提取模块202,用于提取出第二岗位信息中有关应聘者的个人经历的信息,得到第三个人经历信息。
匹配模块203,用于若确定第一个人经历信息与第三个人经历信息相同,且第一个人能力信息与第二个人能力信息的第三相似度大于或等于预设第三阈值,则确定求职信息符合第二岗位信息的要求。
在一种可能的实施方式中,获取模块201,用于在求职者上传第二个人简历后,记录求职者的活跃状态。
匹配模块203,用于若活跃状态为离线状态,持续记录求职者的离线时长。
匹配模块203,用于若确定离线时长超过预设时长,则确定求职者处于已就业状态。
需要说明的是:上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置和方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本实施例还公开了一种电子设备,参照图3,电子设备可以包括:至少一个处理器301,至少一个通信总线302,用户接口303,网络接口304,至少一个存储器305。
其中,通信总线302用于实现这些组件之间的连接通信。
其中,用户接口303可以包括显示屏(Display)、摄像头(Camera),可选用户接口303还可以包括标准的有线接口、无线接口。
其中,网络接口304可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分,通过运行或执行存储在存储器305内的指令、程序、代码集或指令集,以及调用存储在存储器305内的数据,执行服务器的各种功能和处理数据。可选的,处理器301可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器301可集成中央处理器301(CentralProcessing Unit,CPU)、图像处理器301(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器301中,单独通过一块芯片进行实现。
其中,存储器305可以包括随机存储器305(Random Access Memory,RAM),也可以包括只读存储器305(Read-Only Memory)。可选的,该存储器305包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及的数据等。存储器305可选的还可以是至少一个位于远离前述处理器301的存储装置。如图所示,作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口303模块以及一种就业信息的处理方法的应用程序。
在图3所示的电子设备中,用户接口303主要用于为用户提供输入的接口,获取用户输入的数据;而处理器301可以用于调用存储器305中存储一种就业信息的处理方法的应用程序,当由一个或多个处理器301执行时,使得电子设备执行如上述实施例中一个或多个的方法。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所披露的装置,可通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口,装置或单元的间接耦合或通信连接,可以是电性或其他的形式。
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,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器305中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器305中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器305包括:U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后,将容易想到本公开的其他实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的范围和精神由权利要求限定。
Claims (10)
1.一种就业信息的处理方法,其特征在于,所述方法包括:
获取目标用户的第一个人简历;
对所述第一个人简历进行信息提取,得到多个求职信息;
根据多个所述求职信息,从预设数据库中多个预存个人简历匹配第二个人简历,所述第二个人简历的求职信息与所述第一个人简历的求职信息的相似度满足预设条件;
确定所述第二个人简历对应的求职者;
若确定所述求职者处于已就业状态,且所述求职者应聘的目标岗位处于招聘状态,则获取所述目标岗位的第一岗位信息,并向所述目标用户展示所述第一岗位信息。
2.根据权利要求1所述的一种就业信息的处理方法,其特征在于,所述对所述第一个人简历进行信息提取,得到多个求职信息,具体包括:
对所述第一个人简历进行文字识别,得到文本内容;
对所述文本内容进行分词处理,得到多个独立分词;
获取所述预设数据库中的多个预存分词,所述预存分词为个人能力以及个人经历相关的描述性分词;
计算第一独立分词与第二独立分词的第一相似度,所述第一独立分词为多个所述独立分词中的任意一个独立分词,所述第二独立分词为多个预存分词中的任意一个预存分词;
判断所述第一相似度是否大于预设第一阈值,若确定所述第一相似度大于所述预设第一阈值,则确定所述第一独立分词为所述求职信息。
3.根据权利要求1所述的一种就业信息的处理方法,其特征在于,所述对所述第一个人简历进行信息提取,得到多个求职信息,具体还包括:
对所述第一个人简历进行文字识别,得到文本内容;
对所述文本内容进行分词处理,得到多个独立分词;
对各个所述独立分词进行语义识别,标注各个所述独立分词对应的第一岗位,其中所述第一岗位的多项个人能力要求包括所述独立分词对应的个人能力,或者所述第一岗位的多项的个人经历要求中包括所述独立分词对应的个人经历;
判断多个所述独立分词中,是否包含所述目标用户的意向应聘岗位;
若确定多个所述独立分词中包含所述意向应聘岗位,则确定多个所述第一岗位中的第二岗位,所述第二岗位与所述意向应聘岗位相同;
确定多个所述独立分词中,所述第二岗位对应的独立分词为所述求职信息。
4.根据权利要求1所述的一种就业信息的处理方法,其特征在于,所述根据多个所述求职信息,从预设数据库中多个预存个人简历匹配第二个人简历,具体包括:
确定多个求职信息中有关所述目标用户的个人能力的信息,得到第一个人能力信息;
确定多个求职信息中有关所述目标用户的个人经历的信息,得到第一个人经历信息;
提取出所述预存个人简历中有关所述求职者的个人能力的信息,得到第二个人能力信息;
提取出所述预存个人简历中有关所述求职者的个人经历的信息,得到第二个人经历信息;
若确定所述第一个人经历信息与所述第二个人经历信息相同,且所述第一个人能力信息与所述第二个人能力信息的第二相似度大于或等于预设第二阈值,则确定所述预存个人简历为所述第二个人简历。
5.根据权利要求1所述的一种就业信息的处理方法,其特征在于,在所述若确定所述求职者处于已就业状态,且所述求职者应聘的目标岗位处于招聘状态之后,所述方法还包括:
若确定所述求职者处于未就业状态,或者所述求职者应聘的目标岗位处于未招聘状态,则确定所述第一个人简历中包含的所述目标用户的意向应聘岗位;
查询各个企业的与所述意向应聘岗位相同的招聘岗位;
获取所述招聘岗位的第二岗位信息;
根据所述求职信息的语义内容,判断所述求职信息是否符合所述第二岗位信息的要求;
若确定所述求职信息符合所述第二岗位信息的要求,则向所述目标用户展示所述第二岗位信息。
6.根据权利要求5所述的一种就业信息的处理方法,其特征在于,所述判断所述求职信息是否符合所述第二岗位信息的要求,具体包括:
确定多个求职信息中有关所述目标用户的个人经历的信息,得到第一个人经历信息;
提取出所述第二岗位信息中有关所述应聘者的个人能力的信息,得到第三个人能力信息;
提取出所述第二岗位信息中有关所述应聘者的个人经历的信息,得到第三个人经历信息;
若确定所述第一个人经历信息与所述第三个人经历信息相同,且所述第一个人能力信息与所述第二个人能力信息的第三相似度大于或等于预设第三阈值,则确定所述求职信息符合所述第二岗位信息的要求。
7.根据权利要求1所述的一种就业信息的处理方法,其特征在于,在所述若确定所述求职者处于已就业状态之前,所述方法还包括:
在所述求职者上传所述第二个人简历后,记录所述求职者的活跃状态;
若所述活跃状态为离线状态,持续记录所述求职者的离线时长;
若确定所述离线时长超过预设时长,则确定所述求职者处于所述已就业状态。
8.一种就业信息的处理装置,其特征在于,包括获取模块(201)、提取模块(202)、匹配模块(203)以及展示模块(204),其中:
所述获取模块(201),用于获取目标用户的第一个人简历;
所述提取模块(202),用于对所述第一个人简历进行信息提取,得到多个求职信息;
所述匹配模块(203),用于根据多个所述求职信息,从预设数据库中多个预存个人简历匹配第二个人简历,所述第二个人简历的求职信息与所述第一个人简历的求职信息的相似度满足预设条件;
所述匹配模块(203),用于确定所述第二个人简历对应的求职者;
所述展示模块(204),用于若确定所述求职者处于已就业状态,且所述求职者应聘的目标岗位处于招聘状态,则获取所述目标岗位的第一岗位信息,并向所述目标用户展示所述第一岗位信息。
9.一种电子设备,其特征在于,包括处理器(301)、存储器(305)、用户接口(303)以及网络接口(304),所述存储器(305)用于存储指令,所述用户接口(303)和所述网络接口(304)均用于与其他设备通信,所述处理器(301)用于执行所述存储器(305)中存储的指令,以使所述电子设备执行如权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有指令,当所述指令被执行时,执行如权利要求1-7任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410144025.2A CN117709916A (zh) | 2024-02-01 | 2024-02-01 | 一种就业信息的处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410144025.2A CN117709916A (zh) | 2024-02-01 | 2024-02-01 | 一种就业信息的处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117709916A true CN117709916A (zh) | 2024-03-15 |
Family
ID=90162697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410144025.2A Pending CN117709916A (zh) | 2024-02-01 | 2024-02-01 | 一种就业信息的处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117709916A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020208A (zh) * | 2019-04-17 | 2019-07-16 | 北京网聘咨询有限公司 | 职位推荐系统 |
CN113627182A (zh) * | 2021-08-10 | 2021-11-09 | 深圳平安智汇企业信息管理有限公司 | 数据匹配方法、装置、计算机设备及存储介质 |
CN115564393A (zh) * | 2022-10-24 | 2023-01-03 | 深圳今日人才信息科技有限公司 | 一种基于招聘需求相似度的职位推荐方法 |
-
2024
- 2024-02-01 CN CN202410144025.2A patent/CN117709916A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020208A (zh) * | 2019-04-17 | 2019-07-16 | 北京网聘咨询有限公司 | 职位推荐系统 |
CN113627182A (zh) * | 2021-08-10 | 2021-11-09 | 深圳平安智汇企业信息管理有限公司 | 数据匹配方法、装置、计算机设备及存储介质 |
CN115564393A (zh) * | 2022-10-24 | 2023-01-03 | 深圳今日人才信息科技有限公司 | 一种基于招聘需求相似度的职位推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3129745C (en) | Neural network system for text classification | |
KR102106462B1 (ko) | 가중치 기반의 유사 문제 필터링 방법 | |
Trittin-Ulbrich et al. | Exploring the dark and unexpected sides of digitalization: Toward a critical agenda | |
Huai et al. | Which environmental features contribute to positive and negative perceptions of urban parks? A cross-cultural comparison using online reviews and Natural Language Processing methods | |
O’Halloran et al. | Interpreting text and image relations in violent extremist discourse: A mixed methods approach for big data analytics | |
Christin | Counting clicks: Quantification and variation in web journalism in the United States and France | |
Hedges et al. | Academic crowdsourcing in the humanities: Crowds, communities and co-production | |
Holm et al. | Humanities world report 2015 | |
Zebrowitz et al. | The attractiveness halo effect and the babyface stereotype in older and younger adults: Similarities, own-age accentuation, and older adult positivity effects | |
Mangen | Qualitative research methods in cross-national settings | |
Himma-Kadakas et al. | Debunking false information: investigating journalists’ fact-checking skills | |
US8856229B2 (en) | System and method for social networking | |
Sims et al. | Doing hair, doing race: The influence of hairstyle on racial perception across the US | |
Savin et al. | Topic-based classification and identification of global trends for startup companies | |
Chen et al. | Mining students' learning patterns and performance in Web-based instruction: a cognitive style approach | |
CN112417096A (zh) | 问答对匹配方法、装置、电子设备及存储介质 | |
Sulastri et al. | Grade point average and biographical data in personal resumes: predictors of finding employment | |
US10452411B2 (en) | System and method of using emojis for interactive and enhanced data matching capabilities | |
McNeill | Urban geography 1:‘Big tech’and the reshaping of urban space | |
Josephi et al. | The blurring line between freelance journalists and self-employed media workers | |
JPWO2018221119A1 (ja) | 検索用資料情報記憶装置 | |
Gutiérrez-Mora et al. | Gendered cities: Studying urban gender bias through street names | |
US12099943B2 (en) | Method of matching employers with job seekers including emotion recognition | |
CN117709916A (zh) | 一种就业信息的处理方法、装置、电子设备及存储介质 | |
CN111798217B (zh) | 数据分析系统及方法 |
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 |