CN112258032A - 一种基于人才数据的招聘服务方法 - Google Patents
一种基于人才数据的招聘服务方法 Download PDFInfo
- Publication number
- CN112258032A CN112258032A CN202011135050.2A CN202011135050A CN112258032A CN 112258032 A CN112258032 A CN 112258032A CN 202011135050 A CN202011135050 A CN 202011135050A CN 112258032 A CN112258032 A CN 112258032A
- Authority
- CN
- China
- Prior art keywords
- job
- information
- data
- service method
- recruitment service
- 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
- 238000000034 method Methods 0.000 title claims abstract description 89
- 230000007115 recruitment Effects 0.000 title claims abstract description 32
- 238000013135 deep learning Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 19
- 230000001537 neural effect Effects 0.000 claims abstract description 16
- 238000010276 construction Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 230000036541 health Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 4
- 238000013145 classification model Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人才数据的招聘服务方法;S1:收集大量信息数据;S2:求职者评分筛选;S3:通过组合法实现对求职信息进行组合配比;S4:通过神经网络‑深度学习实现对求职信息进行汇总编辑特征语句;S5:企业选定发送面试邀请函;本发明通过组合法、优化法和神经网络‑深度学习实现对求职者的信息进行整合,并且突出优异技能,实现求职者能够通过模型实现与企业需求快速的进行匹配,通过神经网络‑深度学习实现对求职者进行自我推荐段落的编写,方便求职和企业的观看,在定向投放求职书之前,先对求职者进行评测,使得求职者的技能和素质能够完成整理,方便企业进行观看。
Description
技术领域
本发明属于人才招聘技术领域,具体涉及一种基于人才数据的招聘服务方法。
背景技术
随着通信技术的飞速发展,信息的爆发式增长,如何从海量的数据中挑选出需要的内容成了信息处理领域重要的研究方向,目前信息匹配和有效使用影响人们工作学***台获取简历已经是人力资源管理人员经常使用的方式。网络招聘平台首先获取其注册用户填写的简历,然后通过简历和职位的匹配来向企业推荐合适的简历,在现有技术中,网络招聘网站一般按照企业粗略设置的条件进行简单的筛选和匹配,例如按照目标职位、工作地点、学历专业等进行条件筛选,将符合这些简单条件的简历发送给企业。然而在使用过程中,这样匹配方式效果较差,提供的简历不能满足企业的要求,往往还需要招聘人员再次人工进行筛选;另一方面,简历的信息较多,招聘人员缺乏对简历进行有效的量化评价,有可能造成遗漏需要人才的简历,然而市面上各种的人才招聘方法仍存在各种各样的问题。
如授权公告号为CN111445202A所公开的一种基于人才数据的招聘服务方法,其虽然实现了投递者无需反复对多家公司进行同一份简历的投递,企业也可以在人才数据库中根据标签找到投递者相应的工作经历等信息,减轻了投递者反复投递的繁琐过程,同步增加了投递者和企业的选择面;企业可以直接通过人才数据库中的标签与相应的岗位标签进行匹配,形成一套客观的标准,降低了人力资源的主观判断,提高了选拔候选人时的精确程度;依托互联网的平台使得企业与候选人间可以第一时间进行联系,以免流失合适的候选人;可以帮助企业增加收到的简历数量,以增加企业的选择面,但是并未解决现有无法实现对求职者进行特征提取与企业需求进行匹配,造成求职者需要和企业招聘产生大量的工作劳作,并且不能够有效的对求职者进行评比,以及不能够辅助求职者进行自我推荐文段的修整的问题,为此我们提出一种基于人才数据的招聘服务方法。
发明内容
本发明的目的在于提供一种基于人才数据的招聘服务方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于人才数据的招聘服务方法,包括有以下步骤:
S1:收集大量信息数据;收集各种求职信息和企业需求信息,并且对求职信息和企业需求信息进行模型建设,建设模型用于筛选求职和企业的双向配比;
S2:求职者评分筛选;对求职者的存入的信息进行处理,并且根据工作经历和性格等对求职者进行评分判定,实现对求职者进行初步筛分;
S3:通过组合法实现对求职信息进行组合配比;通过组合法实现对求职信息进行组合配比,形成标签,并且对求职信息中组合的标签通过优化法实现突出特征提取,然后通过组合法和优化法得出的标签与企业需求进行配比;
S4:通过神经网络-深度学习实现对求职信息进行汇总编辑特征语句;将求职者的信息通过神经网络-深度学习的方法生成自我推荐段落,形成通顺的语句,并且将自我推荐段落向企业进行发送;
S5:企业选定发送面试邀请函;企业通过对自我推荐段落和求职者的评分对求职者进行一个初步的了解,企业在了解求职者之后,可以实现对求职者发送面试邀请函或者是驳回通知。
优选的,所述S1中的模型建设包括有组合法、优化法和神经网络-深度学习,所述模型建设基于区块链建设,使得模型检测能够收集不同区块链点的数据信息。
优选的,所述组合法将求职信息中的技术能力和求职意向进行组合以使得求职信息简洁明了。
优选的,所述S2中的求职者评分筛选包括有人才技能评分和综合素质评分,把同行业的人才进行对比评分,使用机器深度学习算法对所述训练样本进行训练,得到人才数据评分模型;利用所述人才数据评分模型对海量电子简历进行评分,把同一行业的人才进行评分,得到带有评分值的简历库,所述综合素质评分对人才的道德品质、公民素养、学习能力、交流合作与实践创新、运动与健康、审美、表现能力七个维度给予评分,用户上传任何活动比赛的荣誉、获奖证书以及能体现道德品质、公民素养、学习能力、交流合作与实践创新、运动与健康、审美、表现能力的资料,由云端服务器评分并排名。
优选的,所述S3中的标签是通过组合法和优化法实现对求职者的优异技能进行提取,并且通过优异技能实现与企业要求进行配对。
优选的,所述S4中的自我推荐段落通过组合法和优化法实现对求职者的特征进行提取,并且优化推荐段落,在推荐段落中提现自我的优点。
优选的,所述S1中的求职信息包括姓名、年龄、性别、学历、毕业院校、专业、联系方式、人才现住地址、出生地址、未来期望发展地址和能力。
优选的,所述S1中的模型在抓取求职者信息的时候采用垂直搜索,所述垂直搜索通过机器学习类算法排除掉不具参考意义的数据,具体方法为,人工采集大量灌水内容作为机器学习类算法的正样本,然后通过样本训练出分类模型,最后使用分类模型判断搜集到的数据是否为无效内容。
与现有技术相比,本发明的有益效果是:
(1)本发明通过组合法、优化法和神经网络-深度学习实现对求职者的信息进行整合,并且突出优异技能,实现求职者能够通过模型实现与企业需求快速的进行匹配,完成定向进行投放求职书,减少求职者和企业的双向压力,并且通过神经网络-深度学习实现对求职者进行自我推荐段落的编写,方便求职和企业的观看。
(2)本发明在定向投放求职书之前,先对求职者进行评测,使得求职者的技能和素质能够完成整理,方便企业进行观看,并且模型能够快速的完成求职者与企业之间的配对,提高求职率。
附图说明
图1为本发明的服务方法步骤结构示意图。
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,本发明提供一种技术方案:一种基于人才数据的招聘服务方法,包括有以下步骤:
S1:收集大量信息数据;收集各种求职信息和企业需求信息,并且对求职信息和企业需求信息进行模型建设,建设模型用于筛选求职和企业的双向配比;
S2:求职者评分筛选;对求职者的存入的信息进行处理,并且根据工作经历和性格等对求职者进行评分判定,实现对求职者进行初步筛分;
S3:通过组合法实现对求职信息进行组合配比;通过组合法实现对求职信息进行组合配比,形成标签,并且对求职信息中组合的标签通过优化法实现突出特征提取,然后通过组合法和优化法得出的标签与企业需求进行配比;
S4:通过神经网络-深度学习实现对求职信息进行汇总编辑特征语句;将求职者的信息通过神经网络-深度学习的方法生成自我推荐段落,形成通顺的语句,并且将自我推荐段落向企业进行发送;
S5:企业选定发送面试邀请函;企业通过对自我推荐段落和求职者的评分对求职者进行一个初步的了解,企业在了解求职者之后,可以实现对求职者发送面试邀请函或者是驳回通知。
为了实现对求职者的信息进行整理突出特点,并且实现各个区块点的信息共享,本实施例中,优选的,所述S1中的模型建设包括有组合法、优化法和神经网络-深度学习,所述模型建设基于区块链建设,使得模型检测能够收集不同区块链点的数据信息。
为了实现对求职者的能力进行整合,使得求职者的能力明了,本实施例中,优选的,所述组合法将求职信息中的技术能力和求职意向进行组合以使得求职信息简洁明了。
为了实现对求职者的能力特点进行优化,突出求职者的能力重点,方便配对,本实施例中,优选的,所述优化法采用的是牛顿法,所述牛顿法是一种二阶收敛算法,牛顿法二阶的意义在于它不仅会沿着梯度最大的方向下降,还会考虑走的下一步坡度是不是也很大,它能够以较远的目光全局的逼近目标函数。
为了能够实现对求职者进行求职文段进行编写,实现求职的成功率增大,本实施例中,优选的,所述深度学习是学习样本数据的内在规律和表示层次,学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助,它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。
为了能够实现对求职者进行能力和素质的双向评分,方便企业进行选择,本实施例中,优选的,所述S2中的求职者评分筛选包括有人才技能评分和综合素质评分,把同行业的人才进行对比评分,使用机器深度学习算法对所述训练样本进行训练,得到人才数据评分模型;利用所述人才数据评分模型对海量电子简历进行评分,把同一行业的人才进行评分,得到带有评分值的简历库,所述综合素质评分对人才的道德品质、公民素养、学习能力、交流合作与实践创新、运动与健康、审美、表现能力七个维度给予评分,用户上传任何活动比赛的荣誉、获奖证书以及能体现道德品质、公民素养、学习能力、交流合作与实践创新、运动与健康、审美、表现能力的资料,由云端服务器评分并排名。
为了实现对有目的性的投放简历,提高求职的成功率,本实施例中,优选的,所述S3中的标签是通过组合法和优化法实现对求职者的优异技能进行提取,并且通过优异技能实现与企业要求进行配对。
为了能够使得求职者的自我推荐吸引企业,并且能够充分的展现求职者的能力,本实施例中,优选的,所述S4中的自我推荐段落通过组合法和优化法实现对求职者的特征进行提取,并且优化推荐段落,在推荐段落中提现自我的优点。
为了使得求职者的信息完整,能够方便模型处理,和企业选择,本实施例中,优选的,所述S1中的求职信息包括姓名、年龄、性别、学历、毕业院校、专业、联系方式、人才现住地址、出生地址、未来期望发展地址和能力。
为了实现对大量求职者进行抓取,本实施例中,优选的,所述S1中的模型在抓取求职者信息的时候采用垂直搜索,所述垂直搜索通过机器学习类算法排除掉不具参考意义的数据,具体方法为,人工采集大量灌水内容作为机器学习类算法的正样本,然后通过样本训练出分类模型,最后使用分类模型判断搜集到的数据是否为无效内容。
本发明的工作原理及使用流程:
第一步:收集大量信息数据;收集各种求职信息和企业需求信息,并且对求职信息和企业需求信息进行模型建设,建设模型用于筛选求职和企业的双向配比;
第二步:求职者评分筛选;对求职者的存入的信息进行处理,并且根据工作经历和性格等对求职者进行评分判定,实现对求职者进行初步筛分;
第三步:通过组合法实现对求职信息进行组合配比;通过组合法实现对求职信息进行组合配比,形成标签,并且对求职信息中组合的标签通过优化法实现突出特征提取,然后通过组合法和优化法得出的标签与企业需求进行配比;
第四步:通过神经网络-深度学习实现对求职信息进行汇总编辑特征语句;将求职者的信息通过神经网络-深度学习的方法生成自我推荐段落,形成通顺的语句,并且将自我推荐段落向企业进行发送;
第五步:企业选定发送面试邀请函;企业通过对自我推荐段落和求职者的评分对求职者进行一个初步的了解,企业在了解求职者之后,可以实现对求职者发送面试邀请函或者是驳回通知。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于人才数据的招聘服务方法,其特征在于:包括有以下步骤:
S1:收集大量信息数据;收集各种求职信息和企业需求信息,并且对求职信息和企业需求信息进行模型建设,建设模型用于筛选求职和企业的双向配比;
S2:求职者评分筛选;对求职者的存入的信息进行处理,并且根据工作经历和性格等对求职者进行评分判定,实现对求职者进行初步筛分;
S3:通过组合法实现对求职信息进行组合配比;通过组合法实现对求职信息进行组合配比,形成标签,并且对求职信息中组合的标签通过优化法实现突出特征提取,然后通过组合法和优化法得出的标签与企业需求进行配比;
S4:通过神经网络-深度学习实现对求职信息进行汇总编辑特征语句;将求职者的信息通过神经网络-深度学习的方法生成自我推荐段落,形成通顺的语句,并且将自我推荐段落向企业进行发送;
S5:企业选定发送面试邀请函;企业通过对自我推荐段落和求职者的评分对求职者进行一个初步的了解,企业在了解求职者之后,可以实现对求职者发送面试邀请函或者是驳回通知。
2.根据权利要求1所述的一种基于人才数据的招聘服务方法,其特征在于:所述S1中的模型建设包括有组合法、优化法和神经网络-深度学习,所述模型建设基于区块链建设,使得模型检测能够收集不同区块链点的数据信息。
3.根据权利要求2所述的一种基于人才数据的招聘服务方法,其特征在于:所述组合法将求职信息中的技术能力和求职意向进行组合以使得求职信息简洁明了。
4.根据权利要求1所述的一种基于人才数据的招聘服务方法,其特征在于:所述S2中的求职者评分筛选包括有人才技能评分和综合素质评分,把同行业的人才进行对比评分,使用机器深度学习算法对所述训练样本进行训练,得到人才数据评分模型;利用所述人才数据评分模型对海量电子简历进行评分,把同一行业的人才进行评分,得到带有评分值的简历库,所述综合素质评分对人才的道德品质、公民素养、学习能力、交流合作与实践创新、运动与健康、审美、表现能力七个维度给予评分,用户上传任何活动比赛的荣誉、获奖证书以及能体现道德品质、公民素养、学习能力、交流合作与实践创新、运动与健康、审美、表现能力的资料,由云端服务器评分并排名。
5.根据权利要求1所述的一种基于人才数据的招聘服务方法,其特征在于:所述S3中的标签是通过组合法和优化法实现对求职者的优异技能进行提取,并且通过优异技能实现与企业要求进行配对。
6.根据权利要求1所述的一种基于人才数据的招聘服务方法,其特征在于:所述S4中的自我推荐段落通过组合法和优化法实现对求职者的特征进行提取,并且优化推荐段落,在推荐段落中提现自我的优点。
7.根据权利要求1所述的一种基于人才数据的招聘服务方法,其特征在于:所述S1中的求职信息包括姓名、年龄、性别、学历、毕业院校、专业、联系方式、人才现住地址、出生地址、未来期望发展地址和能力。
8.根据权利要求1所述的一种基于人才数据的招聘服务方法,其特征在于:所述S1中的模型在抓取求职者信息的时候采用垂直搜索,所述垂直搜索通过机器学习类算法排除掉不具参考意义的数据,具体方法为,人工采集大量灌水内容作为机器学习类算法的正样本,然后通过样本训练出分类模型,最后使用分类模型判断搜集到的数据是否为无效内容。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011135050.2A CN112258032A (zh) | 2020-10-22 | 2020-10-22 | 一种基于人才数据的招聘服务方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011135050.2A CN112258032A (zh) | 2020-10-22 | 2020-10-22 | 一种基于人才数据的招聘服务方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112258032A true CN112258032A (zh) | 2021-01-22 |
Family
ID=74264446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011135050.2A Pending CN112258032A (zh) | 2020-10-22 | 2020-10-22 | 一种基于人才数据的招聘服务方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258032A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077230A (zh) * | 2021-03-31 | 2021-07-06 | 樊祥国 | 一种新型人才招聘*** |
CN115865777A (zh) * | 2023-02-15 | 2023-03-28 | 无锡一技信息科技有限公司 | 一种基于rpa技术的招聘订单智能分发路由方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893360A (zh) * | 2014-09-24 | 2016-08-24 | 唐锐 | 基于搜索技术对用户生成数据进行评价的人才筛选方法 |
CN105975558A (zh) * | 2016-04-29 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 建立语句编辑模型的方法、语句自动编辑方法及对应装置 |
CN109754233A (zh) * | 2019-01-29 | 2019-05-14 | 上海嘉道信息技术有限公司 | 一种智能推荐职位信息的方法和*** |
CN110032637A (zh) * | 2019-04-16 | 2019-07-19 | 上海大易云计算股份有限公司 | 一种基于自然语义分析技术的简历智能推荐算法 |
CN111144781A (zh) * | 2019-12-31 | 2020-05-12 | 江苏德尔斐数字科技有限公司 | 一种基于云端数据的智能人才测评筛选方法 |
CN111445202A (zh) * | 2020-03-20 | 2020-07-24 | 上海学为信息科技有限公司 | 一种基于人才数据的招聘服务方法 |
-
2020
- 2020-10-22 CN CN202011135050.2A patent/CN112258032A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105893360A (zh) * | 2014-09-24 | 2016-08-24 | 唐锐 | 基于搜索技术对用户生成数据进行评价的人才筛选方法 |
CN105975558A (zh) * | 2016-04-29 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 建立语句编辑模型的方法、语句自动编辑方法及对应装置 |
CN109754233A (zh) * | 2019-01-29 | 2019-05-14 | 上海嘉道信息技术有限公司 | 一种智能推荐职位信息的方法和*** |
CN110032637A (zh) * | 2019-04-16 | 2019-07-19 | 上海大易云计算股份有限公司 | 一种基于自然语义分析技术的简历智能推荐算法 |
CN111144781A (zh) * | 2019-12-31 | 2020-05-12 | 江苏德尔斐数字科技有限公司 | 一种基于云端数据的智能人才测评筛选方法 |
CN111445202A (zh) * | 2020-03-20 | 2020-07-24 | 上海学为信息科技有限公司 | 一种基于人才数据的招聘服务方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077230A (zh) * | 2021-03-31 | 2021-07-06 | 樊祥国 | 一种新型人才招聘*** |
CN115865777A (zh) * | 2023-02-15 | 2023-03-28 | 无锡一技信息科技有限公司 | 一种基于rpa技术的招聘订单智能分发路由方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104834668B (zh) | 基于知识库的职位推荐*** | |
US9405807B2 (en) | Personnel recrutement system using fuzzy criteria | |
Squicciarini et al. | Demand for AI skills in jobs: Evidence from online job postings | |
CN111192024A (zh) | 一种基于强化学习的人岗匹配方法及装置 | |
CN111737485A (zh) | 基于知识图谱、深度学习的人岗匹配方法、人岗匹配*** | |
Rodriguez et al. | Feature selection for job matching application using profile matching model | |
CN112258032A (zh) | 一种基于人才数据的招聘服务方法 | |
Bhalgat | An exploration of how Artificial Intelligence is impacting Recruitment and Selection process | |
CN112734382A (zh) | 一种能够根据企业需求快速匹配相关求职者的人才招聘*** | |
CN113723853A (zh) | 岗位胜任力需求数据处理方法及装置 | |
CN115396389A (zh) | 一种基于情绪能量感知的物联网信息技术客服服务*** | |
Skerritt | Pressure, bureaucracy, accountability, and all for show: Irish perspectives on life inside England’s schools | |
KR20210025433A (ko) | 장애인 직무 교육을 이용한 지능형 멀티미디어 잡매칭 시스템 및 그 방법 | |
KR20220121324A (ko) | 직무역량 기반의 직업 추천 서비스 방법 및 서비스 시스템 | |
CN111179134A (zh) | 一种基于大数据的学业职业规划***及方法 | |
CN115033675A (zh) | 会话方法、会话装置、电子设备及存储介质 | |
CN114780744A (zh) | 一种面向知识图谱构建的人物简历解析方法 | |
CN112257517A (zh) | 一种基于景点聚类和群体情感识别的旅游景点推荐*** | |
CN111724128A (zh) | 一种用于机关事业单位人员选拔面试的人才筛选*** | |
JP7452801B2 (ja) | 評価支援システム及び評価支援プログラム | |
CN111105138A (zh) | 一种基于完成任务数据的人力资源分析评测*** | |
KR102671618B1 (ko) | 딥러닝에 기반한 교육 목적의 사용자 맞춤형 면접 피드백 제공 방법 및 시스템 | |
Kumar et al. | Analyzing Public Sentiment Towards LLM: A Twitter-Based Sentiment Analysis | |
CN115659129B (zh) | 一种基于vark量表的问卷调查可信度分析方法 | |
Singh et al. | Revolutionizing recruitment: harnessing the power of technology |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210122 |
|
RJ01 | Rejection of invention patent application after publication |