CN105894253A - 一种实现求职需求自动推送的方法及装置 - Google Patents
一种实现求职需求自动推送的方法及装置 Download PDFInfo
- Publication number
- CN105894253A CN105894253A CN201610298635.3A CN201610298635A CN105894253A CN 105894253 A CN105894253 A CN 105894253A CN 201610298635 A CN201610298635 A CN 201610298635A CN 105894253 A CN105894253 A CN 105894253A
- Authority
- CN
- China
- Prior art keywords
- job
- job hunter
- hunter
- recruitment
- office
- 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
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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种实现求职需求自动推送的方法及装置,该方法通过监测求职者是否离职或预测求职者是否有离职意向,并在监测到求职者离职或预测求职者有离职意向时,获取求职者的基本信息,并根据基本信息生成简历信息,以及将简历信息自动发送给匹配的招聘单位,解决了现有实现求职需求推送的流程复杂,操作繁琐,且效率不高的技术问题,实现了在监测到求职者有离职意向或已离职的情况下,及时将求职者的简历信息投递给合适的招聘单位,整个过程无需求职者的任何操作,简单可靠,不仅及时将求职者的求职需求投递给合适的招聘单位,而且投递过程快速有效,大大提升了将求职者的求职需求推送给招聘单位的效率。
Description
背景技术
目前,越来越多的求职者通过互联网找工作,进行网上招聘的招聘单位也越来越多。求职者在离职后进行互联网求职的过程一般是:首先制作简历,然后发送简历到招聘网站或在招聘网站上搜索匹配的职位进行投递,接着就是等待招聘单位的面试通知或聘用通知。这种模式流程复杂,操作繁琐,且效率也不高。
发明内容
本发明提供了一种实现求职需求自动推送的方法及装置,以解决现有实现求职需求推送的流程复杂,操作繁琐,且效率不高的技术问题。
根据本发明的一方面,提供了一种实现求职需求自动推送的方法,包括:
监测求职者是否离职或预测求职者是否有离职意向,若是,则在预先定义的用于存储求职者档案的数据库中获取求职者的基本信息;
根据基本信息生成与求职者对应的简历信息;
获取与求职者的简历信息匹配的招聘单位,获得招聘匹配单位;
将简历信息发送给招聘匹配单位。
进一步地,监测求职者是否离职包括:
监测求职者在其所处的企业协同办公***中是否有离职操作,若是,则判定求职者已离职。
进一步地,预测求职者是否有离职意向包括:
预先设定离职属性条目;
采集训练样本的与离职属性条目对应的用户行为数据,其中,训练样本包括有离职意向者和无离职意向者的训练样本;
基于用户行为数据,提取训练样本的特征向量;
根据特征向量训练分类器,获得离职预测模型;
根据离职预测模型,确定求职者是否有离职意向。
进一步地,根据基本信息生成与求职者对应的简历信息包括:
预设简历条目;
从基本信息中获取与简历条目对应的信息,作为简历信息。
进一步地,获取与求职者的简历信息匹配的招聘单位,获得招聘匹配单位包括:
利用网络爬虫程序在互联网上搜索获取发布招聘需求的招聘单位的招聘要求;
按照预设的关键词提取项,从简历信息中提取第一关键词序列以及从招聘要求中提取第二关键词序列;
计算第一关键词序列以及第二关键词序列之间的相似度;
选取大于预设相似度阈值的相似度对应的第二关键词序列对应的招聘单位作为与求职者的简历信息匹配的招聘单位。
进一步地,将简历信息发送给招聘匹配单位包括:
获取招聘匹配单位用于接收简历信息的电子接收地址;
将简历信息发送给电子接收地址。
进一步地,姓名、联系方式,工作岗位、工作行业。
根据本发明的另一方面,提供了一种实现求职需求自动推送的装置,包括:
离职意向获取装置,用于监测求职者是否离职或预测求职者是否有离职意向,若是,则在预先定义的用于存储求职者档案的数据库中获取求职者的基本信息;
简历信息生成装置,用于根据基本信息生成与求职者对应的简历信息;
匹配装置,用于获取与求职者的简历信息匹配的招聘单位,获得招聘匹配单位;
发送装置,用于将简历信息发送给招聘匹配单位。
进一步地,离职意向获取装置包括:
监测装置,用于监测求职者在其所处的企业协同办公***中是否有离职操作,若是,则判定求职者已离职。
进一步地,离职意向获取装置包括:
预设装置,用于预先设定离职属性条目;
采集装置,用于采集训练样本的与离职属性条目对应的用户行为数据,其中,训练样本包括有离职意向者和无离职意向者的训练样本;
提取装置,用于基于用户行为数据,提取训练样本的特征向量;
训练装置,用于根据特征向量训练分类器,获得离职预测模型;
预测装置,用于根据离职预测模型,确定求职者是否有离职意向。
本发明具有以下有益效果:
本发明提供的实现求职需求自动推送的方法及装置,该方法通过监测求职者是否离职或预测求职者是否有离职意向,并在监测到求职者离职或预测求职者有离职意向时,获取求职者的基本信息,并根据基本信息生成简历信息,以及将简历信息自动发送给匹配的招聘单位,解决了现有实现求职需求推送的流程复杂,操作繁琐,且效率不高的技术问题,实现了在监测到求职者有离职意向或已离职的情况下,及时将求职者的简历信息投递给合适的招聘单位,整个过程无需求职者的任何操作,简单可靠,不仅及时将求职者的求职需求投递给合适的招聘单位,而且投递过程快速有效,大大提升了将求职者的求职需求推送给招聘单位的效率。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照图,对本发明作进一步详细的说明。
附图说明
构建本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构建对本发明的不当限定。在附图中:
图1是本发明优选实施例的实现求职需求自动推送的方法流程图;
图2是本发明优选实施例针对第一个精简实施例的实现求职需求自动推送的方法流程图;
图3是本发明优选实施例针对第二个精简实施例的实现求职需求自动推送的方法流程图;
图4是本发明优选实施例的实现求职需求自动推送的装置的结构框图。
附图标记说明:
10、离职意向获取装置;20、简历信息生成装置;30、匹配装置;40、发送装置。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参照图1,本发明的优选实施例提供了一种实现求职需求自动推送的方法,包括:
步骤S101,监测求职者是否离职或预测求职者是否有离职意向,若是,则在预先定义的用于存储求职者档案的数据库中获取求职者的基本信息;
步骤S102,根据基本信息生成与求职者对应的简历信息;
步骤S103,获取与求职者的简历信息匹配的招聘单位,获得招聘匹配单位;
步骤S104,将简历信息发送给招聘匹配单位。
本发明提供的实现求职需求自动推送的方法,通过监测求职者是否离职或预测求职者是否有离职意向,并在监测到求职者离职或预测求职者有离职意向时,获取求职者的基本信息,并根据基本信息生成简历信息,以及将简历信息自动发送给匹配的招聘单位,解决了现有实现求职需求推送的流程复杂,操作繁琐,且效率不高的技术问题,实现了在监测到求职者有离职意向或已离职的情况下,及时将求职者的简历信息投递给合适的招聘单位,整个过程无需求职者的任何操作,简单可靠,不仅及时将求职者的求职需求投递给合适的招聘单位,而且投递过程快速有效,大大提升了将求职者的求职需求推送给招聘单位的效率。
具体地,本发明实施例不仅解决了现有实现求职需求推送的流程复杂,操作繁琐,且效率不高的技术问题,而且由于本实施例通过在监测到求职者有离职或预测求职者有离职意向时,第一时间将求职者的求职需求推送给合适的招聘单位,还解决了现有技术中求职者只有在招聘网上发布或投递简历才能将求职需求传递给招聘单位,导致不能及时将求职需求传递给招聘单位的技术问题,实现了在求职者离职或有离职意向时,就能及时将求职者的求职需求投递给合适的招聘单位,避免了求职者未及时在招聘网上发布或投递简历而错过合适的工作机会,同时避免了招聘单位因为求职者没有及时发布或投递简历错失优秀人才,实现方式简单可靠,智能化程度高。
可选地,监测求职者是否离职包括:
监测求职者在其所处的企业协同办公***中是否有离职操作,若是,则判定求职者已离职。
由于现有的企业协同办公***一般都包括人力资源模块,且人力资源模块又包括人事管理模块。具体地,人事管理模块主要管理企业员工的入职、转正、离职等工作事项。故本实施例通过监测求职者在其所处的企业协同办公***中是否有离职操作来判断求职者是否离职。需要说明的是,本实施例不限于根据企业协同办公***中求职者是否有离职操作来判断其是否离职,例如,还可以通过判断该求职者的上级领导是否同意该求职者的离职申请等事件来监测求职者在其所处的企业协同办公系中是否有离职操作。
本实施例较新颖地利用企业协同办公***中的离职操作事件作为推送求职需求的触发条件,实现了在监测到求职者离职时就将其求职需求自动发送给适合的招聘单位,不仅有助于求职者更快速找到适合的工作岗位,而且有利于招聘方更早知悉求职者的求职需求,从而提高了求职或招聘的效率,实现了求职者与招聘单位的良好对接,对缓解社会劳动就业压力也起到积极作用。
可选地,预测求职者是否有离职意向包括:
预先设定离职属性条目;
采集训练样本的与离职属性条目对应的用户行为数据,其中,训练样本包括有离职意向者和无离职意向者的训练样本;
基于用户行为数据,提取训练样本的特征向量;
根据特征向量训练分类器,获得离职预测模型;
根据离职预测模型,确定求职者是否有离职意向。
由于在实际的生活当中,需要发布求职需求给招聘单位的主体不仅仅包括已经离职的求职者,还包括一些在职的有离职意向的求职者,故本实施例不仅包括自动推送离职者的求职需求给合适的招聘单位,还包括自动推送有离职意向的求职者的求职需求给合适的招聘单位。
具体地,本实施例通过采集训练样本的与预先设定的离职属性条目对应的用户行为数据,并基于获得的用户行为数据提取训练样本的特征向量,以及基于提取的特性向量训练用于预测待预测求职者是否有离职意向的离职预测模型。也即本实施例将预测求职者是否有离职意向的问题转换为模式识别中的分类问题。在具体的实施过程中,本实施例可以选取已经离职者的训练样本作为有离职意向者的训练样本,而选取在职者的训练样本作为没有离职意向者的训练样本。需要说明的是,为了保证训练得到的离职预测模型具有相对较高的预测精度,本实施例获取的训练样本的数量应当尽可能大,且针对有离职意向和无离职意向者的训练样本的数量应当相当。
本实施例较新颖地提出根据训练好的离职预测模型预测求职者是否有离职意向,且当通过离职预测模型预测出求职者有离职意向时,就将求职者的求职需求发送给适合的招聘单位,不仅有助于求职者更快速找到适合的工作岗位,而且有利于招聘方在求职者有离职意向时就知悉求职者的求职需求,从而提高了求职或招聘的效率,实现了求职者与招聘单位的良好对接,对缓解社会劳动就业压力也起到积极作用。
此外,本实施例预设的离职属性条目可以包括历史聊天数据、工作绩效、工作任期、收入水平、最近一次升职时间间隔、上班路程(具体还包括距离、交通时间成本、转车次数成本、费用成本等)、登录招聘求职网频率条目中的一种或多种组合。现有影响求职者离职的因素较多,例如工作绩效、工作任期、收入水平、最近一次升职时间间隔、上班路程等等因素,故本实施例从离职因素或其他用户行为数据(例如历史聊天数据或登录招聘求职网数据)出发,分别采集针对每一种离职属性条目对应的用户行为数据,并根据采集的用户行为数据进行后续分析。当然,本实施例中的离职属性条目不限于上述这些,例如还可以包括企业发展条目、行业发展条目等等。本实施例根据现有生活中影响求职者离职的因素或其他用户行为数据(例如历史聊天数据或登录招聘求职网数据),设置离职属性条目,从而实现了从各个维度对训练样本的用户行为数据进行采集,为提高预测模型的准确度和预测精度提供重要的数据来源基础。
可选地,根据基本信息生成与求职者对应的简历信息包括:
预设简历条目;
从基本信息中获取与简历条目对应的信息,作为简历信息。
由于本实施例中的基本信息是基于预先定义的用于存储求职者档案的数据库获取的,故基本信息可以是任何与求职者相关的信息,例如求职者姓名、年龄、工作岗位、工作年限、工作行业、工资薪酬等等,故本实施例基于获取的基本信息以及预先设定的简历条目可以快速生成与求职者对应的简历信息。本实施例预设的简历条目至少包括姓名、联系方式,工作岗位、工作行业,但不限于上述四个,例如还可以包括性别、年龄、学习经历、项目经历、培训经历等等。
本实施例通过预设简历条目,并从基本信息中获取与简历条目对应的信息,作为简历信息,可以获得以简历信息形式呈现的求职需求,方便招聘单位查看。此外,本实施例通过从基本信息中获取与预设的简历条目对应的信息而生成简历信息,无需求职者手动填写简历,节省了大量手动填写和投递简历的时间,提高了求职效率。
可选地,获取与求职者的简历信息匹配的招聘单位,获得招聘匹配单位包括:
利用网络爬虫程序在互联网上搜索获取发布招聘需求的招聘单位的招聘要求;
按照预设的关键词提取项,从简历信息中提取第一关键词序列以及从招聘要求中提取第二关键词序列;
计算第一关键词序列以及第二关键词序列之间的相似度;
选取大于预设相似度阈值的相似度对应的第二关键词序列对应的招聘单位作为与求职者的简历信息匹配的招聘单位。
为了精准地获取与求职者的简历信息匹配的招聘单位,以及更准确地将求职者的简历信息投递给合适的招聘单位,本实施例首先预设关键词提取项,然后根据关键词提取项分别从简历信息中和招聘要求中提取第一关键词序列和第二关键词序列,然后再计算这两个关键词序列之间的相似度,并最后选取大于预设相似度阈值的相似度对应的第二关键词序列对应的招聘单位作为与求职者的简历信息匹配的招聘单位。
本实施例预设的关键词提取项可以包括一项,也可以包括多项。例如,当本实施例预设的关键词提取项包括三项时,分别是工作岗位、工作行业、工作地点,则可以采用正则表达式从简历信息以及招聘要求中提取或匹配出与三项关键词提取项对应的内容。假设本实施例根据预设的关键词提取项,从简历信息中提取的第一关键词序列为{美容师,美容,长沙},而根据预设的关键词提取项,从A招聘单位的招聘要求中提取的第二关键词序列为{化妆师,美容,长沙},从B招聘单位的招聘要求中提取的第二关键词序列为{机械工程师,机械,北京},很容易看出与A招聘单位中的招聘要求与简历信息更匹配。
在实际的实施过程中,本实施例可以通过相似度计算的方法,定量获取第一关键词序列和第二关键词序列之间的相似度。具体地,首先将第一和第二关键词序列转换为向量形式,然后通过计算两个向量的夹角余弦值获得第一关键词序列和第二关键词序列之间的相似度,具体的计算公式为:其中,X、Y分别表示向量X和向量Y。cosθ的取值范围为[0,1],cosθ越接近1时,则表示两个向量之间的相似度越高,反之,cosθ值越接近0,则表示相似度越低。
为了获取与求职者的简历信息相对更匹配的招聘单位,本实施例可以在计算出第一关键词序列和第二关键词序列之间的相似度后,选取大于预设相似度阈值的相似度对应的第二关键词序列对应的招聘单位作为与求职者的简历信息匹配的招聘单位。
需要说明的是,在具体的实施过程中,本实施例利用网络爬虫程序在互联网上搜索获取发布招聘需求的招聘单位的招聘要求时,可以先获取简历信息中的工作岗位和/或工作行业对应的内容作为搜索关键词,然后再根据获取的搜索关键词在互联网上进行搜索,这样可以大大提高搜索的速度和效率;进一步地,本实施例还可以根据确定的搜索关键词只在专业的招聘平台网站上进行搜索,例如智联招聘、51job等等,从而获得更有效的搜索结果。
可选地,将简历信息发送给招聘匹配单位包括:
获取招聘匹配单位用于接收简历信息的电子接收地址;
将简历信息发送给电子接收地址。
由于大部分的招聘单位在发布招聘要求时都会有供求职者发送求职简历的用于接收简历信息的电子接收地址,本实施例可以通过匹配或采用正则表达式提取招聘单位用于接收简历信息的电子接收地址,然后再将简历信息发送给电子接收地址。具体地,本实施例中的电子接收地址的形式可以是电话号码,电子邮箱,即时通讯账号等等。
可选地,简历条目至少包括:姓名、联系方式,工作岗位、工作行业。
为了让招聘单位较全面获取求职者的求职需求,本实施例中的简历条目至少包括姓名、联系方式,工作岗位、工作行业消息。但在具体的实施过程中,不限于只包括上述简历条目,具体可由用户自定义。
下面针对二个精简实施例对本发明实现求职需求自动推送方法的过程和原理进行更进一步说明。
精简实施例一
参照图2,本实施例中实现求职需求自动推送的方法包括:
步骤S201,监测求职者在其所处的企业协同办公***中是否有离职操作,若是,则在预先定义的用于存储求职者档案的数据库中获取求职者的基本信息。
具体地,本实施例假设监测到求职者在其所处的企业协同办公***中有离职操作,则在预先定义的用于存储求职者档案的数据库中获取求职者的基本信息。在实际的实施过程中,本实施例可以将监测到的发起离职申请操作作为离职操作,也可以将监测到的同意离职申请操作作为离职操作,还可以将监测到的从发起离职申请到同意离职申请流程结束操作作为离职操作。
步骤S202,预设简历条目。
具体地,为了从求职者的基本信息中获得有价值的,用于代表求职需求的信息,本实施例预设简历条目,并根据简历条目获取简历信息。具体地,本实施例预设的简历条目至少包括姓名、联系方式,工作岗位、工作行业、工作地点。
步骤S203,从基本信息中获取与简历条目对应的信息,作为简历信息。
具体地,本实施例假设根据预设的简历条目,获得求职者的简历信息为:姓名:张三;联系方式:133456789;工作岗位:美容师;工作行业:美容行业;工作地点:长沙。
步骤S204,利用网络爬虫程序在互联网上搜索获取发布招聘需求的招聘单位的招聘要求。
具体地,本实施例假设从互联网上搜索获取发布招聘需求的招聘单位为两家,分别为招聘单位A和招聘单位B。需要说明的是,在实际的实施过程中,从互联网上搜索获取发布招聘需求的招聘单位可能远远不止两家,此外,本实施例为了缩小搜索结果范围和排除不相关的搜索结果,可以采用简历信息中的相关信息作为搜索关键词,例如以“美容师”或“美容”等搜索关键词在互联网上搜索获取发布招聘需求的招聘单位。
步骤S205,按照预设的关键词提取项,从简历信息中提取第一关键词序列以及从招聘要求中提取第二关键词序列。
具体地,本实施例预设的关键词提取项假设为三项,分别是工作岗位、工作行业、工作地点,且假设从简历信息中根据预设的关键词提取项获得的第一关键词序列为{美容师,美容,长沙},从招聘单位A的招聘要求中根据预设的关键词提取项获得的第二关键词序列为{化妆师,美容,长沙},从招聘单位B的招聘要求中根据预设的关键词提取项获得的第二关键词序列为{机械工程师,机械,北京}。
步骤S206,计算第一关键词序列以及第二关键词序列之间的相似度。
具体地,本实施例首先将第一关键词序列以及第二关键词序列转换为向量形式,然后通过计算两个向量的夹角余弦值获得第一关键词序列和第二关键词序列之间的相似度,具体的计算公式为:其中,X、Y分别表示向量X和向量Y。具体地,本实施例假设求职者的简历信息与招聘单位A的招聘要求的相似度为0.7,求职者的简历信息与招聘单位A的招聘要求的相似度为0.2。
步骤S207,选取大于预设相似度阈值的相似度对应的第二关键词序列对应的招聘单位作为与求职者的简历信息匹配的招聘单位。
具体地,假设预设的相似度阈值为0.5,则本实施例只选取相似度大于0.5对应的第二关键词序列对应的招聘单位作为与求职者的简历信息匹配的招聘单位,作为招聘匹配单位,也即本实施例将招聘单位A作为招聘匹配单位。
步骤S208,将简历信息发送给招聘匹配单位。
具体地,本实施例首先获取招聘匹配单位用于接收简历信息的电子接收地址,然后将简历信息发送给电子接收地址。
本实施例较新颖地利用企业协同办公***中的离职操作事件作为推送求职需求的触发条件,实现了在监测到求职者离职时就将其求职需求自动发送给适合的招聘单位,不仅有助于求职者更快速找到适合的工作岗位,而且有利于招聘方更早知悉求职者的求职需求,从而提高了求职或招聘的效率,实现了求职者与招聘单位的良好对接,对缓解社会劳动就业压力也起到积极作用。
精简实施例二
参照图3,本实施例中实现求职需求自动推送的方法包括:
步骤S301,预先设定离职属性条目。
具体地,本实施例假设设置的离职属性条目包括6个,分别为历史聊天数据条目、工作绩效条目、工作任期条目、收入水平条目、上班路程条目、登录招聘求职网频率条目。
步骤S302,采集训练样本的与离职属性条目对应的用户行为数据,其中,训练样本包括有离职意向者和无离职意向者的训练样本。
具体地,本实施例通过采集训练样本的手机短信历史记录和/或即时通讯历史记录,获得训练样本的与历史聊天数据条目对应的用户行为数据。且假设本实施例采集的除历史聊天数据条目外的另外5个离职属性条目对应的用户行为数据具体如表1所示。
表1
离职属性条目 | 采集的用户行为数据 |
工作绩效 | 中等 |
工作任期 | 3年 |
收入水平 | 6K |
上班路程 | 15公里 |
登录招聘求职网频率 | 6次/月 |
步骤S303,基于用户行为数据,提取训练样本的特征向量。具体地,本实施例基于用户行为数据,提取训练样本的特征向量包括:
步骤S3031,采用词频逆文本算法获取与历史聊天数据条目对应的用户行为数据的特征向量。
具体地,本实施例采用词频逆文本算法获取与历史聊天数据条目对应的用户行为数据的特征向量主要包括:首先将与历史聊天数据条目对应的用户行为数据转换成文本格式的字符串,获得历史聊天文本。具体地,由于本实施例采集的与历史聊天数据条目对应的用户行为数据可能包括多种形式,例如文本、图片、视频、音频、语音等等,故在获取到与历史聊天数目对应的用户行为数据后,先将其转换成文本格式的字符串,从而为后续提取与历史聊天数据条目对应的用户行为数据的特征向量奠定基础。
然后对历史聊天文本进行分词、语义消歧、去除停用词操作,获得分词文本。在具体的实施过程中,本实施例对历史聊天文本进行预处理,从而获得分词文本,不限于只包括分词、语义消歧、去除停用词操作,例如还可以包括词性标注等操作。且本实施例对历史聊天文本进行分词的方法可以采用最大正向匹配法或最大逆向匹配法等多种分词方法。
最后采用词频逆文本算法获得分词文本中与预设的离职特征词匹配的分词文本的权重值,并将权重值作为与历史聊天数据条目对应的用户行为数据的特征向量。
具体地,本实施例假设预先设置的离职特征词列表为{“换工作”、“求职”、“招聘”、“找工作”、“离职”、“辞职”},然后再采用词频逆文本算法获得分词文本中与预设的离职特征词匹配的分词文本的权重值,并将权重值作为与历史聊天数据条目对应的用户行为数据的特征向量。也即本实施例分别统计与历史聊天文本对应的分词文本中包含离职特征词列表中的离职特征词的权重值,例如,假设本实施例统计与历史聊天文本Tj对应的分词文本中包含离职特征词(“换工作”)的权重值的计算公式为:
w(tk,Tj)=tf(tk,Tj)idf(tk),
其中w(tk,Tj)为历史聊天文本Tj中与预设的离职特征词(“换工作”)tk匹配的分词文本的权重值,tf(tk,Tj)为tk在历史聊天文本Tj中的词频数,也即历史聊天文本Tj中出现离职特征词“换工作”的词频数;表示tk在训练集中的逆文本频率,N为训练样本中历史聊天文本总数目,NK为训练样本中的历史聊天文本包含离职特征词(“换工作”)tk的历数目。根据上述公式,不难计算出历史聊天文本中与离职特征词列表中每一个离职特征词分别对应的权重值,假设本实施例获取到历史聊天文本Tj中与离职特征词列表为{“换工作”、“求职”、“招聘”、“找工作”、“离职”、“辞职”}中的离职特征词分别对应的权重值为w(t1,Tj)~w(t6,Tj),则本实施例将{w(t1,Tj)、w(t2,Tj)、w(t3,Tj)、w(t4,Tj)、w(t5,Tj)、w(t6,Tj)}作为训练样本Tj的与历史聊天数据条目对应的用户行为数据的特征向量。
步骤S3032,按照预先定义的标识规则,对除历史聊天数据条目外的其他离职属性条目对应的用户行为数据进行定量标识,获得其他离职属性条目对应的用户行为数据的特征向量。
具体地,本实施例针对除历史聊天数据条目外的其他离职属性条目对应的用户行为数据进行定量标识的标识规则由用户自定义。为了统一定量标识范围,本实施例将针对用户行为数据进行定量标识的范围均设置在范围0-100之间,具体参照表2。
表2
根据表2,本实施例假设针对表1获取的用户行为数据进行定量标识后获得的除历史聊天数据条目外的五个离职属性条目对应的用户行为数据的标识值分别为{50,95,65,59,70}。也即本实施例获取到与除历史聊天数据条目外的五个离职属性条目(工作绩效条目、工作任期条目、收入水平条目、上班路程条目、登录招聘求职网频率条目)对应的用户行为数据的标识值分别为{50,95,65,59,70}。
步骤S3033,根据与历史聊天数据条目对应的用户行为数据的特征向量以及其他离职属性条目对应的用户行为数据的特征向量,获得训练样本的特征向量。
根据步骤S3031可知,本实施例针对历史聊天数据条目获得的用户行为数据的特征向量为W={w(t1,Tj)、w(t2,Tj)、w(t3,Tj)、w(t4,Tj)、w(t5,Tj)、w(t6,Tj)},而针对工作绩效条目、工作任期条目、收入水平条目、上班路程条目、登录招聘求职网频率条目获得的用户行为数据的特征向量分别为{50}、{95}、{65}、{59}、{70}。因此本实施例采用“0”填充的方法将针对工作绩效条目、工作任期条目、收入水平条目、上班路程条目、登录招聘求职网频率条目获得的用户行为数据的特征向量的维数分别扩充到针对历史聊天数据条目获得的用户行为数据的特征向量的维数,也即将低于六维的特征向量,均采用“0”填充的方法将其扩充到六维,从而最终可获得训练样本的特征向量为6*6维。
步骤S304,根据特征向量训练分类器,获得离职预测模型。
具体地,假设本实施例的训练样本总数为N,则分别将每一个训练样本的特征向量输入分类器进行训练,从而获得离职预测模型,需要说明的是,为了获得相对较高的分类准确率和预测精度,本实施例选取的训练样本的数量应当尽量大。
步骤S305,根据离职预测模型,确定求职者是否有离职意向,若是,则在预先定义的用于存储求职者档案的数据库中获取求职者的基本信息。
具体地,本实施例假设根据离职预测模型,预测出求职者有离职意向,则在预先定义的用于存储求职者档案的数据库中获取求职者的基本信息。
步骤S306,根据基本信息生成与求职者对应的简历信息。
具体地,本实施例首先预设简历条目,然后从基本信息中获取与简历条目对应的信息,作为简历信息。假设本实施例获取的求职者的简历信息为:姓名:张三;联系方式:133456789;工作岗位:美容师;工作行业:美容行业;工作地点:长沙。
步骤S307,获取与求职者的简历信息匹配的招聘单位,获得招聘匹配单位。
具体地,本实施例可以采用相似度计算的方法或取与求职者的简历信息匹配的招聘单位,具体可参照精简实施例一中的计算方法。
步骤S308,将简历信息发送给招聘匹配单位。
本实施例通过训练好的离职预测模型预测求职者是否有离职意向,且当通过离职预测模型预测出求职者有离职意向时,就将求职者的求职需求发送给适合的招聘单位,不仅有助于求职者更快速找到适合的工作岗位,而且有利于招聘方在求职者有离职意向时就知悉求职者的求职需求,从而提高了求职或招聘的效率,实现了求职者与招聘单位的良好对接,对缓解社会劳动就业压力也起到积极作用。
参照图4,本发明的优选实施例提供的实现求职需求自动推送的装置,包括:
离职意向获取装置10,用于监测求职者是否离职或预测求职者是否有离职意向,若是,则在预先定义的用于存储求职者档案的数据库中获取求职者的基本信息;
简历信息生成装置20,用于根据基本信息生成与求职者对应的简历信息;
匹配装置30,用于获取与求职者的简历信息匹配的招聘单位,获得招聘匹配单位;
发送装置40,用于将简历信息发送给招聘匹配单位。
可选地,离职意向获取装置10包括:
监测装置,用于监测求职者在其所处的企业协同办公***中是否有离职操作,若是,则判定求职者已离职。
可选地,离职意向获取装置10包括:
预设装置,用于预先设定离职属性条目;
采集装置,用于采集训练样本的与离职属性条目对应的用户行为数据,其中,训练样本包括有离职意向者和无离职意向者的训练样本;
提取装置,用于基于用户行为数据,提取训练样本的特征向量;
训练装置,用于根据特征向量训练分类器,获得离职预测模型;
预测装置,用于根据离职预测模型,确定求职者是否有离职意向。
本实施例实现求职需求自动推送的装置的具体工作过程和工作原理可参照本实施例的实现求职需求自动推送的方法的工作过程和工作原理。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种实现求职需求自动推送的方法,其特征在于,包括:
监测求职者是否离职或预测所述求职者是否有离职意向,若是,则在预先定义的用于存储所述求职者档案的数据库中获取所述求职者的基本信息;
根据所述基本信息生成与所述求职者对应的简历信息;
获取与所述求职者的简历信息匹配的招聘单位,获得招聘匹配单位;
将所述简历信息发送给所述招聘匹配单位。
2.根据权利要求1所述的实现求职需求自动推送的方法,其特征在于,监测求职者是否离职包括:
监测所述求职者在其所处的企业协同办公***中是否有离职操作,若是,则判定所述求职者已离职。
3.根据权利要求1所述的实现求职需求自动推送的方法,其特征在于,预测所述求职者是否有离职意向包括:
预先设定离职属性条目;
采集训练样本的与所述离职属性条目对应的用户行为数据,其中,所述训练样本包括有离职意向者和无离职意向者的训练样本;
基于所述用户行为数据,提取所述训练样本的特征向量;
根据所述特征向量训练分类器,获得离职预测模型;
根据所述离职预测模型,确定所述求职者是否有离职意向。
4.根据权利要求3所述的实现求职需求自动推送的方法,其特征在于,根据所述基本信息生成与所述求职者对应的简历信息包括:
预设简历条目;
从所述基本信息中获取与所述简历条目对应的信息,作为简历信息。
5.根据权利要求4所述的实现求职需求自动推送的方法,其特征在于,获取与所述求职者的简历信息匹配的招聘单位,获得招聘匹配单位包括:
利用网络爬虫程序在互联网上搜索获取发布招聘需求的招聘单位的招聘要求;
按照预设的关键词提取项,从所述简历信息中提取第一关键词序列以及从所述招聘要求中提取第二关键词序列;
计算所述第一关键词序列以及所述第二关键词序列之间的相似度;
选取大于预设相似度阈值的所述相似度对应的第二关键词序列对应的招聘单位作为与所述求职者的简历信息匹配的招聘单位。
6.根据权利要求5所述的实现求职需求自动推送的方法,其特征在于,将所述简历信息发送给所述招聘匹配单位包括:
获取所述招聘匹配单位用于接收所述简历信息的电子接收地址;
将所述简历信息发送给所述电子接收地址。
7.根据权利要求6所述的实现求职需求自动推送的方法,其特征在于,所述简历条目至少包括:
姓名、联系方式,工作岗位、工作行业。
8.一种实现求职需求自动推送的装置,其特征在于,
离职意向获取装置,用于监测求职者是否离职或预测所述求职者是否有离职意向,若是,则在预先定义的用于存储所述求职者档案的数据库中获取所述求职者的基本信息;
简历信息生成装置,用于根据所述基本信息生成与所述求职者对应的简历信息;
匹配装置,用于获取与所述求职者的简历信息匹配的招聘单位,获得招聘匹配单位;
发送装置,用于将所述简历信息发送给所述招聘匹配单位。
9.根据权利要求8所述的实现求职需求自动推送的装置,其特征在于,所述离职意向获取装置包括:
监测装置,用于监测所述求职者在其所处的企业协同办公***中是否有离职操作,若是,则判定所述求职者已离职。
10.根据权利要求8所述的实现求职需求自动推送的装置,其特征在于,所述离职意向获取装置包括:
预设装置,用于预先设定离职属性条目;
采集装置,用于采集训练样本的与所述离职属性条目对应的用户行为数据,其中,所述训练样本包括有离职意向者和无离职意向者的训练样本;
提取装置,用于基于所述用户行为数据,提取所述训练样本的特征向量;
训练装置,用于根据所述特征向量训练分类器,获得离职预测模型;
预测装置,用于根据所述离职预测模型,确定所述求职者是否有离职意向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610298635.3A CN105894253A (zh) | 2016-05-09 | 2016-05-09 | 一种实现求职需求自动推送的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610298635.3A CN105894253A (zh) | 2016-05-09 | 2016-05-09 | 一种实现求职需求自动推送的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105894253A true CN105894253A (zh) | 2016-08-24 |
Family
ID=56702456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610298635.3A Pending CN105894253A (zh) | 2016-05-09 | 2016-05-09 | 一种实现求职需求自动推送的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105894253A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022709A (zh) * | 2016-05-09 | 2016-10-12 | 陈包容 | 基于企业协同办公***实现求职需求推送的方法及装置 |
CN106205288A (zh) * | 2016-09-23 | 2016-12-07 | 长沙军鸽软件有限公司 | 一种培训机器人的实现方法 |
CN106570683A (zh) * | 2016-11-10 | 2017-04-19 | 刘勇 | 一种双向推送匹配数据的在线主要针对蓝领阶层招聘*** |
CN107562916A (zh) * | 2017-09-12 | 2018-01-09 | 如皋福大工程技术研究院有限公司 | 信息匹配方法及装置 |
CN107656909A (zh) * | 2017-10-30 | 2018-02-02 | 北京明朝万达科技股份有限公司 | 一种基于文档混合特征的文档相似度判定方法和装置 |
CN108055295A (zh) * | 2017-11-29 | 2018-05-18 | 政和科技股份有限公司 | 一种信息推送方法及设备 |
CN108428096A (zh) * | 2017-09-25 | 2018-08-21 | 平安科技(深圳)有限公司 | 电子装置、待释放人员推荐方法和计算机可读存储介质 |
CN108427758A (zh) * | 2018-03-19 | 2018-08-21 | 深信服科技股份有限公司 | 一种离职倾向分析方法、装置、设备及存储介质 |
CN108805523A (zh) * | 2018-05-24 | 2018-11-13 | 佛山市轻遣网络有限公司 | 一种可自动匹配工作的网络招聘***及方法 |
CN109559093A (zh) * | 2018-11-16 | 2019-04-02 | 合肥风聘网络科技有限公司 | 一种便于猎头整合多平台招聘信息的一键发布*** |
CN110059162A (zh) * | 2019-04-28 | 2019-07-26 | 苏州创汇智信息技术有限公司 | 一种求职简历与招聘职位的匹配方法及装置 |
CN110298622A (zh) * | 2018-03-23 | 2019-10-01 | 周元如 | 职能选才方法及*** |
CN110414910A (zh) * | 2019-06-06 | 2019-11-05 | 万马奔腾(上海)数据有限公司 | 基于大数据人工智能分析、招聘及求职*** |
CN110533562A (zh) * | 2019-09-04 | 2019-12-03 | 胡帮贵 | 人才渠道与互联网数据共享*** |
CN111798059A (zh) * | 2020-07-10 | 2020-10-20 | 河北冀联人力资源服务集团有限公司 | 离职预测***及方法 |
CN112257777A (zh) * | 2020-10-21 | 2021-01-22 | 平安科技(深圳)有限公司 | 基于隐马尔可夫模型的离职预测方法及相关装置 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070088640A1 (en) * | 2002-04-05 | 2007-04-19 | Shogo Hyakutake | System, computer program product and method for managing documents |
CN104573998A (zh) * | 2015-01-30 | 2015-04-29 | 薛晔伟 | 求职数据的处理方法和装置 |
CN105117863A (zh) * | 2015-09-28 | 2015-12-02 | 北京橙鑫数据科技有限公司 | 简历职位匹配方法及装置 |
-
2016
- 2016-05-09 CN CN201610298635.3A patent/CN105894253A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070088640A1 (en) * | 2002-04-05 | 2007-04-19 | Shogo Hyakutake | System, computer program product and method for managing documents |
CN104573998A (zh) * | 2015-01-30 | 2015-04-29 | 薛晔伟 | 求职数据的处理方法和装置 |
CN105117863A (zh) * | 2015-09-28 | 2015-12-02 | 北京橙鑫数据科技有限公司 | 简历职位匹配方法及装置 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022709A (zh) * | 2016-05-09 | 2016-10-12 | 陈包容 | 基于企业协同办公***实现求职需求推送的方法及装置 |
CN106205288A (zh) * | 2016-09-23 | 2016-12-07 | 长沙军鸽软件有限公司 | 一种培训机器人的实现方法 |
CN106570683A (zh) * | 2016-11-10 | 2017-04-19 | 刘勇 | 一种双向推送匹配数据的在线主要针对蓝领阶层招聘*** |
CN107562916A (zh) * | 2017-09-12 | 2018-01-09 | 如皋福大工程技术研究院有限公司 | 信息匹配方法及装置 |
CN108428096A (zh) * | 2017-09-25 | 2018-08-21 | 平安科技(深圳)有限公司 | 电子装置、待释放人员推荐方法和计算机可读存储介质 |
WO2019056708A1 (zh) * | 2017-09-25 | 2019-03-28 | 平安科技(深圳)有限公司 | 电子装置、待释放人员推荐方法和计算机可读存储介质 |
CN107656909A (zh) * | 2017-10-30 | 2018-02-02 | 北京明朝万达科技股份有限公司 | 一种基于文档混合特征的文档相似度判定方法和装置 |
CN108055295A (zh) * | 2017-11-29 | 2018-05-18 | 政和科技股份有限公司 | 一种信息推送方法及设备 |
CN108427758A (zh) * | 2018-03-19 | 2018-08-21 | 深信服科技股份有限公司 | 一种离职倾向分析方法、装置、设备及存储介质 |
CN110298622A (zh) * | 2018-03-23 | 2019-10-01 | 周元如 | 职能选才方法及*** |
CN108805523A (zh) * | 2018-05-24 | 2018-11-13 | 佛山市轻遣网络有限公司 | 一种可自动匹配工作的网络招聘***及方法 |
CN109559093A (zh) * | 2018-11-16 | 2019-04-02 | 合肥风聘网络科技有限公司 | 一种便于猎头整合多平台招聘信息的一键发布*** |
CN110059162A (zh) * | 2019-04-28 | 2019-07-26 | 苏州创汇智信息技术有限公司 | 一种求职简历与招聘职位的匹配方法及装置 |
CN110414910A (zh) * | 2019-06-06 | 2019-11-05 | 万马奔腾(上海)数据有限公司 | 基于大数据人工智能分析、招聘及求职*** |
CN110533562A (zh) * | 2019-09-04 | 2019-12-03 | 胡帮贵 | 人才渠道与互联网数据共享*** |
CN111798059A (zh) * | 2020-07-10 | 2020-10-20 | 河北冀联人力资源服务集团有限公司 | 离职预测***及方法 |
CN111798059B (zh) * | 2020-07-10 | 2023-11-24 | 河北冀联人力资源服务集团有限公司 | 离职预测***及方法 |
CN112257777A (zh) * | 2020-10-21 | 2021-01-22 | 平安科技(深圳)有限公司 | 基于隐马尔可夫模型的离职预测方法及相关装置 |
CN112257777B (zh) * | 2020-10-21 | 2023-09-05 | 平安科技(深圳)有限公司 | 基于隐马尔可夫模型的离职预测方法及相关装置 |
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 |
---|---|---|
CN105894253A (zh) | 一种实现求职需求自动推送的方法及装置 | |
Brynielsson et al. | Harvesting and analysis of weak signals for detecting lone wolf terrorists | |
CN105138670B (zh) | 音频文件标签生成方法和*** | |
Brynielsson et al. | Analysis of weak signals for detecting lone wolf terrorists | |
CN108776671A (zh) | 一种网络舆情监控***及方法 | |
CN107729336A (zh) | 数据处理方法、设备及*** | |
Joho et al. | Overview of NTCIR-11 Temporal Information Access (Temporalia) Task. | |
US20180060426A1 (en) | Systems and methods for issue management | |
CN102117323A (zh) | 一种推荐求职简历的处理方法和*** | |
CN106155817A (zh) | 业务信息处理方法、服务器及*** | |
CN109978020A (zh) | 一种基于多维特征的社交网络账号马甲身份辨识方法 | |
CN105893484A (zh) | 一种基于文本特征和行为特征的微博Spammer识别方法 | |
CN103577462A (zh) | 一种文档分类方法及装置 | |
Chamberlain | Groupsourcing: Distributed problem solving using social networks | |
US20240211496A1 (en) | Systems and Methods for Determining Entity Attribute Representations | |
CN110019703A (zh) | 数据标记方法及装置、智能问答方法及*** | |
CN106022709A (zh) | 基于企业协同办公***实现求职需求推送的方法及装置 | |
Nizamani et al. | CEAI: CCM-based email authorship identification model | |
CN107085568A (zh) | 一种文本相似度判别方法及装置 | |
CN104008213B (zh) | 一种网页信息更新发现与统计的方法和装置 | |
CN105589916B (zh) | 显式和隐式兴趣知识的提取方法 | |
CN110084373A (zh) | 信息处理方法、装置、计算机可读存储介质和计算机设备 | |
CN104965894A (zh) | 一种用于idc有害信息监测平台的数据分析*** | |
CN105279191A (zh) | 基于网络数据分析的***挖掘方法 | |
Wu et al. | Sub-event discovery and retrieval during natural hazards on social media data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160824 |
|
RJ01 | Rejection of invention patent application after publication |