TWI610189B - 資訊推薦方法及其系統 - Google Patents

Abstract

一種資訊推薦方法及其系統，資訊推薦系統包含搜尋模組、資料庫及推薦模組。資料庫包含至少第一職務資料。搜尋模組耦接該資料庫，並根據搜尋條件自資料庫中取得該少一第一職務資料。推薦模組耦接搜尋模組及資料庫，推薦模組分析至少一第一職務資料中的文字串以產生詞段特徵值，並依據詞段特徵值自資料庫中取得推薦資料。

Description

資訊推薦方法及其系統

本發明是關於一種資訊推薦方法及其系統，特別是針對雇主或求職者的職缺或履歷推薦方法及其系統。

一般傳統的求職系統通常以顧主或求職者所提供的職缺條件或就職條件搜尋履歷或職務，其所找出的履歷或職務數量太大，雇主或求職者無法詳細過濾本身所喜好履歷或職務。

本發明之一目的在於以雇主或求職者確定有興趣的履歷或職缺描述中找出相同的關鍵字，再利用該關鍵字進行篩選，進而精準推薦出雇主或求職者想要的履歷或職務。

本發明提供一種資訊推薦方法，包含下列步驟：接收搜尋條件；根據搜尋條件自資料庫中取得至少一第一職務資料；分析至少一第一職務資料中的文字串以產生詞段特徵值；以及依據詞段特徵值自資料庫中取得推薦資料。

在一實施例中，上述的分析至少一第一職務資料中的文字串以產生詞段特徵值之步驟進一步包含：以斷詞方式將至少一資料中的文字 串分割成多個獨立的詞段；提取該些詞段中屬於名詞的詞段；以及依據至少一第一職務資料的數量計算屬於名詞的詞段的詞段特徵值。

在一實施例中，本發明的資訊推薦方法更包括下列步驟：標示至少一第一職務資料的一興趣值，興趣值包括一有興趣的標記或一無興趣的標記；其中上述屬於名詞的詞段的詞段特徵值係依據被標示為有興趣的標記的至少一第一職務資料的數量而計算。

在一實施例中，上述的依據詞段特徵值自資料庫中取得推薦資料之步驟包含：自資料庫中提取具有等於或大於一搜尋門檻值的詞段特徵值之至少一第二職務資料，以作為適格推薦的職務資料；計算至少一第二職務資料的一分數值；以及以分數值大於或等於一推薦門檻值的第二職務資料作為推薦資料。

在一實施例中，上述的分數值為每一第二職務資料中所有的詞段特徵值的加總。

在一實施例中，本發明的資訊推薦方法更包含下列步驟：將推薦資料的一讀取訊息標示一有興趣的標記或一無興趣的標記；以及依據被標示有興趣的標記或無興趣的標記的讀取訊息增加或減少詞段特徵值。

本發明提供一種資訊推薦系統，包含資料庫、搜尋模組及推薦模組。資料庫包含至少一第一職務資料。搜尋模組耦接資料庫，並根據一搜尋條件自資料庫中取得至少一第一職務資料。推薦模組耦接搜尋模組及資料庫，推薦模組分析至少一第一職務資料中的文字串以產生一詞段特徵值，並依據詞段特徵值自資料庫中取得一推薦資料。

使用者初次使用本發明的資訊推薦方法及其系統搜尋職務 資料(例如履歷或職缺)時，使用者可以搜尋條件取得的大量的職務資料。本發明的資訊推薦方法及其系統可進一步分析職務資料中的文字串產生詞段特徵值，再依據詞段特徵值於資料庫中撈取其他的職務資料，作為推薦資料提供予使用者。由此可知，透過本發明的資訊推薦方法及其系統搜尋，可進一步找尋相似的職務資料，達到精準地找出符合使用者的履歷或職缺。

100‧‧‧資訊推薦系統

102‧‧‧資料庫

104‧‧‧搜尋模組

106‧‧‧讀取回饋模組

108‧‧‧推薦模組

110‧‧‧通知模組

110、120、130、140、150、142、144、146、148‧‧‧步驟

圖1為本發明資訊推薦系統之一實施例之方塊示意圖； 圖2為本發明資訊推薦方法的一實施例之流程圖；以及 圖3為本發明推薦模組取得推薦資料的一實施例之流程圖。

本文以下所描述的各種實施例及特徵，僅是方便理解本文所述的實施方案的實施方式，並方便所屬技術領域實踐本文所述的實施方案。因此，這些示例不應當限制本文所述實施方案的範圍。

圖1為本發明資訊推薦系統之一實施例的方塊示意圖。在本實施例中，資訊推薦系統100是用於推薦適合的履歷或職缺給使用者。具體而言，經由使用者輸入關鍵字或其他輸入方式，使用者可透過資訊推薦系統100取得至少一個職務資料，根據使用者的搜尋目的，職務資料可為履歷或職缺。資訊推薦系統100此時會將此些履歷或職缺進行分析並且判斷各履歷或各職缺中的詞段特徵值或分數值，並且可隨時依據此詞段特徵值或分數值於資料庫中搜尋類似或合適的履歷或職缺來推薦給使用者。詳細說明 如下：具體而言，資訊推薦系統100可適用於一電子裝置。電子裝置可具有處理器及記憶體。在本實施例中，電子裝置可包含桌上型電腦、手持式電腦、平板電腦、網路伺服器、雲端伺服器等電腦或系統。如圖1所示，資訊推薦系統100包括資料庫102、搜尋模組104、讀取回饋模組106、推薦模組108及通知模組110。搜尋模組104耦接資料庫102及通知模組110，推薦模組108耦接資料庫102、通知模組110及讀取回饋模組108，讀取回饋模組108耦接通知模組110。所述的耦接可包含直接連接或間接連接。在其他不同實施例中，資訊推薦系統100亦可包含其他模組來協助提供不同的服務或功能。

資訊推薦系統100並非一定要包裝於單一硬體設備或結構中。在本實施例中，資訊推薦系統100的資料庫102、搜尋模組104、讀取回饋模組106、推薦模組108及通知模組110各個可為獨立的設備或結構，並且可經由實體的通訊線或以無線的方式互相連接。例如，在另一實施例中，資訊推薦系統100的各個模組可位於不同實體位置的設備中，並且各別是經由網路互連接。

當使用者使用資訊推薦系統100時，使用者可經由搜尋模組104搜尋合適的履歷或職缺。在本實施例中，搜尋模組104可提供搜尋介面以供使用者可輸入欲搜尋的履歷或職缺條件。

在本實施例中，使用者登入資訊推薦系統100後，使用者可使用搜尋模組104所提供的搜尋介面來輸入搜尋履歷的一或多個關鍵字或搜尋條件。舉例而言，使用者可設定職缺的產業、工作特徵、職缺名稱等 等，並且可輸入欲搜尋的特徵，例如應徵者的年齡、性別、職缺的關鍵字、工作年資等搜尋條件。

搜尋模組104接收到使用者所輸入的關鍵字或搜尋條件後，搜尋模組104可依據搜尋條件於資料庫102中進行搜尋動作。在找到合適的履歷或職缺後，搜尋模組104會將搜尋結果列出以供使用者參考。在一實施例中，若未能在資料庫102中搜尋到合適的履歷或職缺，也會告知使用者，並且請使用者再次重新輸入別的搜尋條件。在本實施例中，若使用者有看到滿意的履歷或職務並且欲舉行面試會議或欲發送履歷，通知模組110則可依據使用者所選擇的履歷或職務執行通知面試或發送履歷的程序。

在本實施例中，資訊推薦系統100的使用者可分類為兩種類別：雇主或求職者。因此，當使用者登進資訊推薦系統100後，資訊推薦系統100會先確認使用者的登入帳號是否屬於雇主或求職者的帳號類別。具體而言，資訊推薦系統100會根據使用者的帳號分別提供個人化的推薦服務。

以下是針對雇主欲搜尋合適的履歷作敘述。請一併參閱圖1及圖2。圖2為本發明資訊推薦方法的一實施例之流程圖。需注意的是，由於本實施例的使用者為雇主，因此圖2中所指的職務資料為履歷。相反的，若使用者為求職者，職務資料則為職缺。

資訊推薦系統100會先執行步驟110。具體而言，步驟110為認證使用者帳號。在本實施例中，資訊推薦系統100必須認證使用者的帳號以致使能確保提供個人化的履歷推薦。具體而言，為了能針對每個使用者建立個人化的履歷推薦服務，資訊推薦系統100必須知道目前的使用者是要套用哪個個人化帳號。因此，為了達成此個人化目的，資訊推薦系統100會 要求使用者提供正確的帳號及/或密碼。在其他實施例中，亦可不需帳號認證而直接使用資訊推薦系統100。在本實施例中，在步驟110認證過程中，資訊推薦系統100同時會確認使用者的帳號類別。

步驟120，當資訊推薦系統100判斷使用者為雇主時，若雇主帳號為初次登入系統的帳號，或雇主不想先查看推薦履歷，資訊推薦系統100會根據步驟120提供搜尋模組104的搜尋介面給雇主進行搜尋履歷的一或多個關鍵字或搜尋條件之輸入。

具體而言，在登入資訊推薦系統100後，使用者可輸入一或多個關鍵字或搜尋條件藉由搜尋模組104來搜尋履歷。舉例而言，使用者可設定職缺的產業、工作特徵、職缺名稱等等，並且可輸入欲搜尋的特徵，例如應徵者的年齡、性別、職缺的關鍵字、工作年資等搜尋條件。根據使用者所輸入的搜尋條件，搜尋模組104會根據搜尋條件於資料庫102中尋找符合搜尋條件的履歷(即為第一職務資料)，並且會將搜尋到的履歷列出給使用者查看。

步驟130，此時，雇主若對某個履歷有興趣並且欲進行面試時，雇主可發出面試會議的訊息。通知模組110發送面試通知，並且同時將相關找到的履歷全部傳送至推薦模組108進行進一步的分析。具體而言，通知模組110標示職務資料的一興趣值，興趣值包括一有興趣的標記或一無興趣的標記。

步驟140，推薦模組108分析職務資料(本實施例中為履歷)中的文字串以產生詞段特徵。推薦模組108用於分析各個履歷的內容並且依據分析結果再從資料庫102找出可推薦給使用者的履歷(即為第二職務資 料)。此外，不管是否有安排或沒有安排面試通知，每當通知模組110傳送履歷給推薦模組108時，通知模組110會同時傳送使用者是否有對該履歷有興趣的標記予推薦模組108。若使用者對某個履歷有興趣並且經由通知模組110進行安排面試的程序，通知模組110會在該履歷上標示“有興趣”的標記。相對的，若使用者對某個履歷沒有興趣並且沒有安排面試，通知模組110會將該履歷標示“沒興趣”的標記並傳送至推薦模組108。換言之，通知模組110所傳送給推薦模組108的履歷可歸類成“有興趣”及“沒興趣”的履歷。

在推薦模組108從通知模組110接收到履歷後，推薦模組108會針對有興趣的履歷進行分析並產生一詞段特徵值，並依據詞段特徵於資料庫102中取得推薦資料(步驟150)。請一併參考圖3，圖3為推薦模組108取得推薦資料的一實施例之流程圖。圖3中，步驟142，以斷詞方式將履歷中的文字串分割成多個獨立的詞段，並提取名詞的詞段。具體而言，履歷中的文字串可能會包含很多形容詞、助詞、名詞、動詞等詞段，利用斷詞方式將文字串進行分析，並僅提取名詞的詞段。接著，步驟144，依據履歷數量計算每一名詞的詞段的詞段特徵值。具體而言，推薦模組108分析每個名詞詞段佔含有興趣的標記的履歷的數量比例以設定相對應的詞段特徵值。舉例來說，若此含有興趣的標記的履歷中有找到十個不同的名詞之詞段A至詞段J，推薦模組108則根據所接收的履歷數量而設定每個詞段的詞段特徵值。例如，假設使用者已經有看過10篇不同的含有興趣的標記之履歷，並且詞段A只有出現在其中一篇中，推薦模組108會將詞段A的詞段特徵值設為10%(10篇中有一篇有詞段A，因此詞段A目前有1/10的權重)，並且推薦模組108記錄此些詞段及其詞段特徵值。

假設此使用者已經有看過十篇履歷，且對此十篇履歷中的其中五篇感興趣，且在感興趣的五篇中的其中之一篇具有詞段A，在此情況下，推薦模組108會將詞段A的詞段特徵值設為20%。

假設使用者對另外五篇中有出現詞段A的其中一篇履歷感興趣(亦即，有安排面試)，推薦模組108會根據此訊息調高詞段A的詞段特徵值。具體而言，此時詞段A的詞段特徵值會是33.3%(六篇感興趣履歷中詞段A出現的比率)。

在另一實施例中，當使用者對另外五篇履歷的其中一篇沒有詞段A的履歷感興趣，即使用者對另外五篇履歷的其中一篇具有詞段A的履歷不感興趣，推薦模組108會調整詞段A的詞段特徵值為16.6%(六篇感興趣履歷中詞段A出現的比率)。因此，詞段的詞段特徵值亦可參考“沒興趣”的履歷作調整。具體而言，以3篇感興趣的履歷中有出現2次詞段A的例子而言，若第4篇履歷是使用者不感興趣但亦包含詞段A的履歷，推薦模組108可調降詞段A的詞段特徵值為33.3%[(2-1)/3*100%]。詳言之，推薦模組108可根據以下的計算方式調整各個詞段的詞段特徵值：(有詞段且感興趣履歷之篇數-有詞段但不感興趣履歷之篇數)/感興趣篇數

產生詞段特徵後，執行步驟146，推薦模組108於資料庫中提取具有等於或大於一搜尋門檻值的詞段特徵值之履歷資料。在本實施例中，為了能夠提供進一步的履歷資料予使用者，推薦模組108再次根據詞段特徵值於資料庫中提取履歷資料。具體而言，由於在步驟144中已計算每一 名詞詞段的詞段特徵值，因此為了搜尋更為精準，推薦模組108於資料庫中再次進行搜尋時，該些詞段特徵值必須等於或大於搜尋門檻值，才會被找出作為適格推薦的履歷。舉例而言，假設詞段A的詞段特徵值為10%，且搜尋門檻值預設為30%，由於詞段A的詞段特徵值為10%小於搜尋門檻值的30%，因此推薦模組108並不會以詞段A作為關鍵字而再次進行搜尋。然而，假設預設的搜尋門檻值是預設為10%，而詞段B的詞段特徵值為20%，由於詞段B的詞段特徵值大於搜尋門檻值，因此推薦模組108會於資料庫102中搜尋具有詞段B的履歷資料作為適格推薦的履歷。

得到適格推薦的履歷後，推薦模組108執行步驟148，分別計算該些適格推薦的履歷的一分數值，並提取分數值大於或等於一推薦門檻值的履歷作為推薦履歷。此推薦門檻值是指搜尋到的適格推薦的履歷的分數值必須等於或大於推薦門檻值，才會被推薦模組108列為推薦履歷。具體而言，當詞段A、詞段B及詞段C皆等於或大於搜尋門檻值時，推薦模組108會於資料庫102找出所有具有詞段A、詞段B、詞段C、或前述任一組合(例如同時含詞段A及詞段B、同時含詞段A及詞段C、同時含詞段B及詞段C、或同時含詞段A、詞段B及詞段C)的履歷，並且分別分析及計算此些履歷的分數。在一實施例中，履歷的分數計算方式可將出現的詞段的詞段特徵值加總而得。例如，若某個搜尋到的履歷中具有詞段A、詞段B及詞段C，且詞段A、詞段B及詞段C目前的詞段特徵值各分別為10%，推薦模組108會計算出此履歷有30分的分數(詞段A=10分、詞段B=10分、詞段C=10分，因此詞段A+詞段B+詞段C=30分)。若推薦門檻值預設為20分，此履歷的詞段特徵值加總分數大於推薦門檻值，因此在此情況下推薦模組108會將此履歷推薦 給使用者參考。

請再次參閱圖1，使用者登入後可跳過利用搜尋模組以關鍵字進行搜尋，欲直接查看推薦履歷。推薦模組108即將先前所記錄的推薦履歷列出予使用者。而在使用者讀取推薦履歷後，使用者可能對推薦模組108所提供的推薦履歷有興趣或沒有興趣。若使用者讀取後對推薦履歷沒有興趣(亦即，沒有想要安排面試)。此時，讀取回饋模組106會將讀取訊息標示沒有興趣的標記，並將該讀取訊息傳送給推薦模組108，推薦模組108則根據讀取訊息調整(例如降低)詞段特徵值，或更可進一步調整(例如降低)搜尋門檻值或推薦門檻值。

若使用者對推薦履歷有興趣且表示希望安排面試，讀取回饋模組106將讀取訊息標示有興趣的標記，並將該讀取訊息傳送給通知模組110以進行安排面試通知的程序，並且同時傳送給推薦模組102以進一步調整(例如提高)詞段特徵值，或更可進一步調整(例如提高)搜尋門檻值或推薦門檻值。

以上的說明為針對雇主欲搜尋合適的履歷之各不同種實施例。然而，當使用者所輸入認證的帳號被資訊推薦系統100判定為求職者類別的帳號，資訊推薦系統100可依據圖2的流程圖提供給求職者搜尋職缺及個人化的職缺推薦功能。具體而言，針對求職者搜尋職缺的過程，資訊推薦系統100會提供相同個人化的功能。在本實施例中，資訊推薦系統100會依據求職者所輸入的關鍵字搜尋資料庫中的職缺，並且依據上述履歷推薦方法根據求職者是否對列出來的職缺有興趣而定義職缺之詞段特徵值。相同的，職缺推薦的機制也可包含搜尋門檻值及推薦門檻值。換言之，推薦 模組108將詞段特徵值等於或大於一搜尋門檻值的職缺作為適格推薦的職缺，並進一步計算職缺的分數值，若大於或等於一推薦門檻值則作為推薦職缺。

據上所述，使用者初次使用本發明的資訊推薦方法及其系統搜尋職務資料(例如履歷或職缺)時，使用者可以搜尋條件取得的大量的職務資料。本發明的資訊推薦方法及其系統可進一步分析所取得的職務資料中的文字串，而產生至少一個詞段特徵值，再依據詞段特徵值於資料庫中撈取其他的職務資料，作為推薦資料提供予使用者。由此可知，透過本發明的資訊推薦方法及其系統搜尋，可進一步找尋相似度極高的職務資料，達到精準地找出符合使用者的履歷或職缺。

具體實施方案的前述描述將全面揭示本文所述實施方案的一般性質，在應用目前掌握的知識後，本發明的實施方案可以在不脫離本發明的精神和範圍的情況下進行修改，因此修改時應當全面理解本發明實施方案等同形式的含義和範圍。應當理解，本文所採用的措辭或術語僅作描述用，並非局限性。因此，在描述具體實施方案的同時，所屬領域技術人員將瞭解，本文所述實施方案在實施時可以在不脫離本發明的精神和範圍的情況下進行修改。

100‧‧‧資訊推薦系統

102‧‧‧資料庫

104‧‧‧搜尋模組

106‧‧‧讀取回饋模組

108‧‧‧推薦模組

110‧‧‧通知模組

Claims (10)

1. 一種資訊推薦方法，該方法包含：接收一搜尋條件；根據該搜尋條件自一資料庫中取得至少一第一職務資料；分析該至少一第一職務資料中的文字串以產生一詞段特徵值；以及依據該詞段特徵值自該資料庫中取得一推薦資料；其中該分析該至少一第一職務資料中的文字串以產生該詞段特徵值之步驟進一步包含：以斷詞方式將該至少一資料中的文字串分割成多個獨立的詞段；提取該些詞段中屬於名詞的詞段；以及依據該至少一第一職務資料的數量計算屬於名詞的詞段的該詞段特徵值。
2. 如申請專利範圍第1項所述之方法，更包括：標示該至少一第一職務資料的一興趣值，該興趣值包括一有興趣的標記或一無興趣的標記；其中該屬於名詞的詞段的該詞段特徵值係依據被標示為該有興趣的標記的該至少一第一職務資料的數量而計算。
3. 如申請專利範圍第1項所述之方法，其中該依據該詞段特徵值自該資料庫中取得該推薦資料之步驟包含：自該資料庫中提取具有等於或大於一搜尋門檻值的該詞段特徵值之至少一第二職務資料，以作為適格推薦的職務資料；計算該至少一第二職務資料的一分數值；以及以該分數值大於或等於一推薦門檻值的該第二職務資料作為該推薦資料。
4. 如申請專利範圍第3項所述之方法，其中該分數值為每一該第二職務資料中所有的該詞段特徵值的加總。
5. 如申請專利範圍第1項所述之方法，其中進一步包含：將該推薦資料的一讀取訊息標示一有興趣的標記或一無興趣的標記；以及依據被標示該有興趣的標記或該無興趣的標記的該讀取訊息增加或減少該詞段特徵值。
6. 一種資訊推薦系統，包含：一資料庫，包含至少一第一職務資料；一搜尋模組，耦接該資料庫，根據一搜尋條件自該資料庫中取得該至少一第一職務資料；一推薦模組，耦接該搜尋模組及該資料庫，該推薦模組分析該至少一第一職務資料中的文字串以產生一詞段特徵值，並依據該詞段特徵值自該資料庫中取得一推薦資料，其中該推薦模組以斷詞方式將該至少一資料中的文字串分割成多個獨立的詞段，並提取該些詞段中屬於名詞的詞段，且依據該至少一第一職務資料的數量計算屬於名詞的詞段的該詞段特徵值。
7. 如申請專利範圍第6項所述的系統，更包括一通知模組，耦接該資料庫及該推薦模組，該通知模組標示該至少一第一職務資料的一興趣值，該興趣值包括一有興趣的標記或一無興趣的標記，該屬於名詞的詞段的該 詞段特徵值係依據被標示為該有興趣的標記的該至少一第一職務資料的數量而計算。
8. 如申請專利範圍第6項所述之系統，其中資料庫更包含至少一第二職務資料，該推薦模組自該資料庫中提取具有等於或大於一搜尋門檻值的該詞段特徵值之該至少一第二職務資料，以作為適格推薦的職務資料，並計算該至少一第二職務資料的一分數值，且以該分數值大於或等於一推薦門檻值的該第二職務資料作為該推薦資料。
9. 如申請專利範圍第8項所述之系統，其中該分數值為每一該第二職務資料中所有的該詞段特徵值的加總。
10. 如申請專利範圍第6項所述之系統，更包含一讀取回饋模組，耦接該推薦模組，該讀取回饋模組將該推薦資料的一讀取訊息標示一有興趣的標記或一無興趣的標記，該推薦模組依據被標示該有興趣的標記或該無興趣的標記的該讀取訊息增加或減少該詞段特徵值。