一种个人简历智能管理***及方法
技术领域
本发明涉及个人简历管理技术领域,尤其涉及一种基于人工智能的个人简历管理***及方法。
背景技术
个人简历是人才找工作、企业发现人才的重要媒介,现有的个人简历一般包括教育、就业背景和个人特长的描述,这样的个人简历存在两个方面的不足:一方面,由于个人简历格式不统一,造成个人简历数据不规范,无法使用人工智能高效地分析和管理个人简历数据,使得用户不能最大限度地根据不同行业的特点和需求进行简历内容的填写。
另一方面,现有的个人简历不能动态地根据不同企业的具体人才需求调整个人简历的内容,造成人才素质与企业需求不匹配的问题,使得人才不能良好就业而企业也不能招聘到适合企业发展的人才。
发明内容
本发明提供一种个人简历智能管理***及方法,通过个人简历模版建立使得所述个人简历数据成为规范数据数据,便于个人简历数据的关键词提取;也使得用户填入的个人简历数据与企业的用人标准更匹配;提高了用户的就业成功率,为企业招聘人才提供了便利。
为了解决上述技术问题,本发明所采取的技术方案为:
本发明一方面提供一种个人简历智能管理***,包括个人简历模版建立模块、用户数据输入模块、推荐企业搜寻与企业数据采集模块、关键词提取模块、个人简历重组模块;
所述个人简历模版建立模块用于根据行业分类建立具有相应单元组成结构的个人简历标准模版,并对所述个人简历标准模版进行行业标注;
所述用户数据输入模块用于输入用户就业兴趣数据、就业方向数据、就业领域数据;并根据个人简历标准模版输入用户的个人简历数据;
所述推荐企业搜寻与企业数据采集模块用于根据用户输入的就业兴趣数据、就业方向数据、就业领域数据,通过网络文本爬虫技术,从互联网中搜寻推荐企业,输出推荐企业名单并采集所述推荐企业的企业数据;
所述关键词提取模块用于通过TF-IDF算法对用户输入的个人简历数据及采集的所述推荐企业的企业数据进行关键词提取,形成个人简历关键词向量和企业数据关键词向量;
所述个人简历重组模块用于计算个人简历关键词向量和企业数据关键词向量中关键词之间的相似度,根据相似度由大到小对企业进行排序,输出企业的排序名单;并根据每一个推荐企业的企业数据关键词对用户输入的个人简历数据进行重组后推荐给该企业。
进一步地,所述关键词提取模块的TF-IDF算法对用户个人简历及推荐企业的企业数据中出现的词语进行逐个计算TF-IDF值,并按计算的TF-IDF值进行由大到小的排序,形成关键词向量。
又进一步地,所述从互联网中采集推荐企业的企业数据包括企业所属行业的行业竞争数据、企业的产品和服务数据、企业核心人员的背景数据、企业的招聘数据。
还进一步地,所述个人简历标准模版的单元组成结构为:教育背景填写单元与就业经历填写单元。
本发明另一方面提供一种个人简历智能管理方法,包括个人简历模版建立步骤、用户数据输入步骤、关键词提取步骤、推荐企业搜寻与企业数据采集步骤、个人简历重组步骤;
所述个人简历模版建立步骤包括:根据行业分类建立具有相应单元组成结构的个人简历标准模版,并对所述个人简历标准模版进行行业标注;
所述用户数据输入步骤包括:用户输入用户就业兴趣数据、就业方向数据、就业领域数据;并根据个人简历标准模版输入用户的个人简历数据;
所述推荐企业搜寻与企业数据采集步骤包括:根据用户输入的就业兴趣数据、就业方向数据、就业领域数据,通过网络文本爬虫技术,从互联网中搜寻推荐企业,输出推荐企业名单并采集所述推荐企业的企业数据;
所述关键词提取步骤包括:通过TF-IDF算法对用户输入的个人简历数据及采集的所述推荐企业的企业数据进行关键词提取,形成个人简历关键词向量和企业数据关键词向量;
所述个人简历重组步骤包括:计算个人简历关键词向量和企业数据关键词向量中关键词之间的相似度,根据相似度由大到小对企业进行排序,输出企业的排序名单并根据每一个推荐企业的企业数据关键词对用户输入的个人简历数据进行重组后推荐给该企业。
进一步地,所述关键词提取步骤的TF-IDF算法对用户个人简历及推荐企业的企业数据中出现的词语进行逐个计算TF-IDF值,并按计算的TF-IDF值进行由大到小的排序,形成关键词向量。
又进一步地,所述从互联网中采集推荐企业的企业数据包括企业所属行业的行业竞争数据、企业的产品和服务数据、企业核心人员的背景数据、企业的招聘数据。
还进一步地,所述个人简历标准模版的单元组成结构为:教育背景填写单元与就业经历填写单元。
本发明提供的一种个人简历智能管理***及方法,通过个人简历模版建立使得所述个人简历数据成为规范数据数据,解决了现有技术中的个人简历不能最大限度地反应不同行业的特点和需求,以及由于个人简历格式不统一,造成个人简历数据不规范,无法使用人工智能高效地分析和管理个人简历数据的问题。
所述推荐企业搜寻与企业数据采集模块根据用户输入的就业兴趣数据、就业方向数据、就业领域数据,通过网络文本爬虫技术,从互联网中搜寻推荐企业,输出推荐企业名单,使得用户能够更准确的获知与自身就业兴趣、就业方向、就业领域相关的企业;所述***从已进行行业标注的个人简历标准模版中选出与用户就业兴趣、就业方向、就业领域匹配的个人简历标准模版,用户根据所述个人简历标准模版输入用户的个人简历数据;使得用户填入的个人简历数据与企业的用人标准更匹配;提高了用户的就业成功率;
所述***还通过采集所述推荐企业的企业数据,包括企业所属行业的行业竞争数据、企业的产品和服务数据、企业核心人员的背景数据、企业的招聘数据,使得用户能够更具体的了解与自身就业兴趣、就业方向、就业领域相关的企业数据,所述***通过所述关键词提取模块的TF-IDF算法对用户输入的个人简历数据及采集的所述推荐企业的企业数据进行关键词提取,形成个人简历关键词向量和企业数据关键词向量;再计算个人简历关键词向量和企业数据关键词向量中关键词之间的相似度,根据相似度由大到小对企业进行排序,输出企业的排序名单;用户根据所述企业的排序名单即可获知目前为止与用户的个人简历最匹配的企业;
并且,所述企业数据关键词向量为用户提供了所选行业人才需求的动态信息,由于用户可以在所述***的教育背景填写单元及就业经历填写单元动态地填写用户自身的教育背景和就业经历,并且还可以从所述***中输出的推荐企业名单及采集的所述推荐企业的企业数据与自身个人简历内容进行比较得知用户自身知识结构或者能力的不足之处,进而通过不断的学习或接受培训来不断丰富用户填入所述***的个人简历,使用户能够更好地为应聘心仪的工作做准备,提高了用户就业的成功率,另一方面,所述***根据从企业数据提取的企业关键词将用户输入的个人简历数据重组后推荐给企业,使得企业也同时获得了更适合企业发展的人才,为企业招聘人才提供了便利。解决了现有技术中的个人简历不能动态地根据不同企业的具体人才需求调整个人简历的内容,造成人才素质与企业需求不匹配的问题,同时为用户提升自身素质提供了来自企业需求的指导。
附图说明
图1是本发明实施例提供的一种个人简历智能管理***结构示意图;
图2是本发明实施例提供的一种个人简历智能管理方法的步骤框图;
图3是本发明实施例提供的一种个人简历智能管理方法的用户数据输入的步骤框图;
图4是本发明实施例提供的一种个人简历智能管理方法的企业数据采集的步骤框图。
具体实施方式
下面结合附图具体阐明本发明的实施方式,附图仅供参考和说明使用,不构成对本发明专利保护范围的限制。
如图1所示,本发明实施例一方面提供一种个人简历智能管理***,包括个人简历模版建立模块、用户数据输入模块、推荐企业搜寻与企业数据采集模块、关键词提取模块、个人简历重组模块;
所述个人简历模版建立模块用于根据行业分类建立具有相应单元组成结构的个人简历标准模版,并对所述个人简历标准模版进行行业标注;
所述用户数据输入模块用于输入用户就业兴趣数据、就业方向数据、就业领域数据;并根据个人简历标准模版输入用户的个人简历数据;使得所述个人简历数据为规范数据数据,便于个人简历的关键词提取;也使得用户填入的个人简历数据与企业的用人标准更匹配;
所述推荐企业搜寻与企业数据采集模块推荐企业搜寻与企业数据采集模块用于根据用户输入的就业兴趣数据、就业方向数据、就业领域数据,通过网络文本爬虫技术,从互联网中搜寻推荐企业,输出推荐企业名单并采集所述推荐企业的企业数据;具体地,本发明采用Scrapy软件包中的爬虫技术,对互联网中的大数据进行挖掘,搜寻互联网中推荐企业的企业数据。所述企业数据包括企业所属行业的行业竞争数据、企业的产品和服务数据、企业核心人员的背景数据、企业的招聘数据。
所述关键词提取模块用于通过TF-IDF算法对用户输入的个人简历数据及采集的所述推荐企业的企业数据进行关键词提取,形成个人简历关键词向量和企业数据关键词向量;
所述个人简历重组模块用于计算个人简历关键词向量和每一个推荐企业数据关键词向量中关键词之间的相似度,根据相似度由大到小对企业进行排序,输出企业的排序名单并根据每一个推荐企业的企业数据关键词对用户输入的个人简历数据进行重组后推荐给该企业。
需要说明的是:本发明采用欧几里德距离来计算个人简历关键词向量和每一个推荐企业的企业数据关键词向量中关键词之间的相似度,把个人简历关键词向量和所选的企业数据关键词向量中所有的词(不重复)组成一个向量,所述向量第i个词在个人简历关键词向量中的词频作为xi,在所选企业的数据关键词向量中的词频作为yi,并采用如下公式计算欧几里德距离:
所述欧几里德距离小则所述个人简历关键词向量和所述企业的企业数据关键词向量中关键词之间的相似度大;
优选地,所述关键词提取模块的TF-IDF算法对用户个人简历及推荐企业的企业数据中出现的词语进行逐个计算TF-IDF值,并按计算的TF-IDF值进行由大到小的排序,形成关键词向量。具体地,本发明采用jiebaR软件包的关键词提取功能来实现关键词提取。
优选地,所述从互联网中采集推荐企业的企业数据包括企业所属行业的行业竞争数据、企业的产品和服务数据、企业核心人员的背景数据、企业的招聘数据。
优选地,所述个人简历标准模版的单元组成结构为:教育背景填写单元与就业经历填写单元或其他数据填写单元。所述教育背景填写单元用于收集用户的毕业学校及所学专业的教育背景数据,所述就业经历填写单元用于收集用户工作履历,包括工作的职位数据与工作内容数据。
如图2所示是本发明实施例提供的一种个人简历智能管理方法的步骤框图,本发明另一方面提供一种个人简历智能管理方法,包括个人简历模版建立步骤、用户数据输入步骤、企业推荐和数据采集步骤、关键词提取步骤、个人简历重组步骤;
所述个人简历模版建立模块用于根据行业分类建立具有相应单元组成结构的个人简历标准模版,并对所述个人简历标准模版进行行业标注;
所述用户数据输入步骤包括:用户输入用户就业兴趣数据、就业方向数据、就业领域数据;并根据个人简历标准模版输入用户的个人简历数据;
所述推荐企业搜寻与企业数据采集步骤包括:根据用户输入的就业兴趣数据、就业方向数据、就业领域数据,通过网络文本爬虫技术,从互联网中搜寻推荐企业,输出推荐企业名单并采集所述推荐企业的企业数据;具体地,本发明采用Scrapy软件包中的爬虫技术,搜寻互联网中推荐企业的企业数据。
所述关键词提取步骤包括:通过TF-IDF算法对用户输入的个人简历数据及采集的所述推荐企业的企业数据进行关键词提取,形成个人简历关键词向量和企业数据关键词向量;
所述个人简历重组步骤包括:计算个人简历关键词向量和企业数据关键词向量中关键词之间的相似度,根据相似度由大到小对企业进行排序,输出企业的排序名单并根据每一个推荐企业的企业数据关键词对用户输入的个人简历数据进行重组后推荐给该企业。
需要说明的是:本发明采用欧几里德距离来计算个人简历关键词向量和每一个推荐企业数据关键词向量中关键词之间的相似度,把个人简历关键词向量和所选的企业数据关键词向量中所有的词(不重复)组成一个向量,所述向量第i个词在个人简历关键词向量中的词频作为xi,在所选企业的数据关键词向量中的词频作为yi,并采用如下公式计算欧几里得距离:
欧几里德距离小则所述个人简历关键词向量和所述企业的企业数据关键词向量中关键词之间的相似度大;
优选地,所述关键词提取步骤的TF-IDF算法对用户个人简历及推荐企业的企业数据中出现的词语进行逐个计算TF-IDF值,并按计算的TF-IDF值进行由大到小的排序,形成关键词向量。具体地,本发明采用jiebaR软件包的关键词提取功能来实现关键词提取。
如图3所示,优选地,所述个人简历标准模版的单元组成结构为:教育背景填写单元与就业经历填写单元或其他数据填写单元。所述教育背景填写单元用于收集用户的毕业学校及所学专业的教育背景数据,所述就业经历填写单元用于收集用户工作履历,包括工作的职位数据与工作内容数据。
如图4所示,优选地,所述从互联网中采集相关企业的企业数据包括企业所属行业的行业竞争数据、企业的产品和服务数据、企业核心人员的背景数据、企业的招聘数据。
以上所揭露的仅为本发明的较佳实施例,不能以此来限定本发明的权利保护范围,因此依本发明申请专利范围所作的等同变化,仍属本发明所涵盖的范围。