CN116468414B - 一种招聘用智能简历筛选评估方法及*** - Google Patents
一种招聘用智能简历筛选评估方法及*** Download PDFInfo
- Publication number
- CN116468414B CN116468414B CN202310434640.2A CN202310434640A CN116468414B CN 116468414 B CN116468414 B CN 116468414B CN 202310434640 A CN202310434640 A CN 202310434640A CN 116468414 B CN116468414 B CN 116468414B
- Authority
- CN
- China
- Prior art keywords
- recruitment
- screening
- recruiter
- matching
- matrix
- 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.)
- Active
Links
- 230000007115 recruitment Effects 0.000 title claims abstract description 127
- 238000012216 screening Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 11
- 238000012854 evaluation process Methods 0.000 claims description 3
- 230000005251 gamma ray Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9038—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及简历筛选技术领域,具体公开了一种招聘用智能简历筛选评估方法及***,所述方法包括:S1、获取应聘人员的简历信息并进行分析,获取应聘人员特征矩阵;S2、获取招聘需求信息并进行分析,获取招聘需求特征矩阵;获取招聘需求特征矩阵的权重系数矩阵;S3、根据应聘人员特征矩阵与招聘需求特征矩阵的比对进行初步筛选;根据比对结果及权重系数矩阵进行二次筛选;根据筛选结果分别向应聘人员及招聘人员推送筛选内容;该方法在进行二次筛选过程时,会适应性的根据岗位的需求倾向设定来匹配较为合适的招聘人员,进而提高匹配的准确性。
Description
技术领域
本发明涉及简历筛选技术领域,具体为一种招聘用智能简历筛选评估方法及***。
背景技术
随着互联网技术及智能移动终端的快速普及,企业人员录用招聘过程也逐渐通过互联网完成,其中,对于招聘网站而言,会根据应聘人员简历及招聘岗位需求进行匹配筛选过程,在海量数据中向招聘方及应聘方推荐较为匹配的选择。
现有的智能简历筛选评估方法主要根据招聘需求设定的要求对应聘人员是否满足进行判断,当满足要求后则择优进行推送过程,以协助双方的双向选择过程。
而由于工作类型、公司类型等因素的差别,不同岗位对于人员特性要求的侧重点不同,因此固定的筛分匹配方法较难适应性满足不同类型的招聘需求,进而导致推送的匹配人员及匹配岗位适配度较差。
发明内容
本发明的目的在于提供一种招聘用智能简历筛选评估方法及***,解决以下技术问题:
如何适应性根据不同类型的招聘需求提高匹配的准确性。
本发明的目的可以通过以下技术方案实现:
一种招聘用智能简历筛选评估方法,所述方法包括:
S1、获取应聘人员的简历信息并进行分析,获取应聘人员特征矩阵:
S2、获取招聘需求信息并进行分析,获取招聘需求特征矩阵;获取招聘需求特征矩阵的权重系数矩阵;
S3、根据应聘人员特征矩阵与招聘需求特征矩阵的比对进行初步筛选;根据比对结果及权重系数矩阵进行二次筛选;根据筛选结果分别向应聘人员及招聘人员推送筛选内容。
于一实施例中,所述应聘人员特征矩阵为A=|fa1() ... fai() ... fan()|;
所述招聘需求特征矩阵为B=|fb1() ... fbi() ... fbn()|;
所述权重系数矩阵为
其中,n为特征项数;i∈[1,n];fai()为第i项应聘特征值函数,且fai()∈[0,10];fbi()为第i项招聘特征值函数,且fbi()∈[0,10];为第i项招聘选择系数;
所述初步筛选的过程包括:
对矩阵A、B进行减法运算,当存在任一项fai()-fbi()<0,则判断筛选不合格;
否则,判断初步筛选合格;
所述二次筛选的过程包括:
通过公式X=(A-B)*C计算获得应聘人员与招聘需求的匹配系数X;
根据匹配系数X进行二次筛选。
于一实施例中,根据匹配系数X进行二次筛选的过程包括:
根据匹配系数X获取招聘人员对应初步筛选合格的招聘需求,并对招聘需求进行公司评价,根据评价值从大到小排序,获得第一匹配序列;
根据匹配系数X获取招聘需求对应初步筛选合格的应聘人员,并将应聘人员按匹配系数X从大到小排序,获得第二匹配序列;
通过公式计算获得第二匹配序列第i名排序应聘人员对第一匹配序列第j名公司的推荐值Tij;
其中,Pj为第一匹配序列第j名公司的评价值;i为应聘人员在第二匹配序列中的排序值;γ1、γ2为预设固定系数;
根据推荐值Tij的大小向第二匹配序列第i名排序应聘人员推送对应的招聘需求。
于一实施例中,评价值的获取过程包括:
通过公式计算获得评价值J;
其中,[Qmin,Qmax]为招聘需求对应薪资区间;Qave为该公司招聘需求岗位平均薪资;为该地区招聘需求岗位在平均薪资;δ1、δ2为第一预设系数,且δ1+δ2=1;Sp为该公司网络评分值;Smax为评分区间最大值;σ1、σ2为第二预设系数,且σ1+σ2=1。
于一实施例中,所述方法还包括:
S4、分别在招聘端及应聘端设置问题库及问题解答库,由招聘人员设置M组招聘问题序列QZ和M组应聘问题答复序列RZ;由应聘人员设置M组应聘问题序列QY和M组招聘问题答复序列RY:
当招聘端和应聘端中的任一端访问另一端时,根据QZ和RY及RZ和QY之间的匹配进行自动问题答复。
于一实施例中,根据QZ和RY及RZ和QY之间的匹配度对应聘人员与招聘需求的符合度进行评估,并将评估结果向招聘端和应聘端进行展示。
于一实施例中,所述评估过程包括:
通过公式X)计算获得符合度F;
其中,nQZ-RY为QZ与RY匹配的数量;k∈[1,nQZ-RY];UQZk为第k个招聘问题序列QZ排序值;URYk为第k个招聘问题答复序列RY排序值;为RZ与QY匹配的数量;URZk为第l个应聘问题答复序列RZ排序值;UQYk为第1个应聘问题序列QY排序值;g为分段评价函数,%;
将符合度F作为评估结果。
一种招聘用智能简历筛选评估***,所述***采用招聘用智能简历筛选评估方法进行建立筛选评估。
本发明的有益效果:
(1)本发明通过针对每个招聘需求获取招聘需求特征矩阵的权重系数矩阵,该矩阵由招聘方相关人员根据其岗位具体的需求倾向设定,因此在进行二次筛选过程时,会适应性的根据岗位的需求倾向设定来匹配较为合适的招聘人员,进而提高匹配的准确性。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明招聘用智能简历筛选评估方法的步骤流程图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,在一个实施例中,提供了一种招聘用智能简历筛选评估方法,所述方法包括:
S1、获取应聘人员的简历信息并进行分析,获取应聘人员特征矩阵;
S2、获取招聘需求信息并进行分析,获取招聘需求特征矩阵;获取招聘需求特征矩阵的权重系数矩阵;
S3、根据应聘人员特征矩阵与招聘需求特征矩阵的比对进行初步筛选;根据比对结果及权重系数矩阵进行二次筛选;根据筛选结果分别向应聘人员及招聘人员推送筛选内容。
通过上述技术方案,本申请通过建立应聘人员特征矩阵及招聘需求特征矩阵比对的方法实现初步筛选过程,同时,还会针对每个招聘需求获取招聘需求特征矩阵的权重系数矩阵,该矩阵由招聘方相关人员根据其岗位具体的需求倾向设定,因此在进行二次筛选过程时,会适应性的根据岗位的需求倾向设定来匹配较为合适的招聘人员,进而提高匹配的准确性。
作为本发明的一种实施方式,所述应聘人员特征矩阵为A=|fa1() ... fai()... fan()|;
所述招聘需求特征矩阵为B=|fb1() ... fbi() ... fbn()|;
所述权重系数矩阵为
其中,n为特征项数;i∈[1,n];fai()为第i项应聘特征值函数,且fai()∈[0,10];fbi()为第i项招聘特征值函数,且fbi()∈[0,10];为第i项招聘选择系数;
所述初步筛选的过程包括:
对矩阵A、B进行减法运算,当存在任一项fai()-fbi()<0,则判断筛选不合格;
否则,判断初步筛选合格;
所述二次筛选的过程包括:
通过公式X=(A-B)*C计算获得应聘人员与招聘需求的匹配系数X;
根据匹配系数X进行二次筛选。
通过上述技术方案,本实施例提供了实现初步筛选及二次筛选的方法,具体地,建立应聘人员特征矩阵为A=|fa1() ... fai() ... fan()|及招聘需求特征矩阵为B=|fb1() ... fbi() ... fbn()|,其中,矩阵A、B中的每一项均设有应聘特征值函数fai(),而应聘特征值函数fai()根据对应特征的类型设定对应划分设定,其根据对应特征类型划分为若干个等级,分别对每个分值进行赋值,同时保证fbi()∈[0,10],例如,对于学历项,分为“低于初中”、“初中”、“高中”、“中专”、“大专”、“本科”、“本科重点”、“研究生”、“博士”、“高于博士”八种等级,针对每个学历项等级设定分值,进而通过将用户简历中的学历等级输入至对应的应聘特征值函数fai()中后,进而能够获得对应的分值矩阵A;将招聘需求信息中的对应学历要求输入至招聘特征值函数fbi()中后,进而能够获得对应的分值矩阵B;进而通过矩阵A、B的比对过程,当存在任一项fai()-fbi()<0,则判断筛选不合格;而在二次筛选过程中,通过公式X=(A-B)*C获得应聘人员与招聘需求的匹配系数X,其中,其根据岗位具体的需求倾向设定,因此获取的匹配系数X,能够适应性的根据岗位的需求倾向设定来匹配较为合适的招聘人员,进而提高匹配的准确性。
作为本发明的一种实施方式,根据匹配系数X进行二次筛选的过程包括:
根据匹配系数X获取招聘人员对应初步筛选合格的招聘需求,并对招聘需求进行公司评价,根据评价值从大到小排序,获得第一匹配序列;
根据匹配系数X获取招聘需求对应初步筛选合格的应聘人员,并将应聘人员按匹配系数X从大到小排序,获得第二匹配序列;
通过公式计算获得第二匹配序列第i名排序应聘人员对第一匹配序列第j名公司的推荐值Tij;
其中,Pj为第一匹配序列第j名公司的评价值;i为应聘人员在第二匹配序列中的排序值;γ1、γ2为预设固定系数;
根据推荐值Tij的大小向第二匹配序列第i名排序应聘人员推送对应的招聘需求。
通过上述技术方案,本实施例给出了具体二次筛选的过程,首先根据匹配系数X获取招聘人员对应初步筛选合格的招聘需求,并对招聘需求进行公司评价,根据评价值从大到小排序,获得第一匹配序列;根据匹配系数X获取招聘需求对应初步筛选合格的应聘人员,并将应聘人员按匹配系数X从大到小排序,获得第二匹配序列;并按照公式计算获得第二匹配序列第i名排序应聘人员对第一匹配序列第j名公司的推荐值Tij,其中,Pj为第一匹配序列第j名公司的评价值,且评价值越高,说明该公司较优,因此通过推荐值Tij的计算过程,能够结合应聘人员相对招聘岗位的排序因素及该公司的评价值进行综合判断,进而在选择较优公司投递的前提下,保证用户相对该公司的排序不至于过低,进而提高应聘成功的几率。
需要说明的是,预设固定系数γ1、γ2根据经验数据拟合获得,在此不作详述。
作为本发明的一种实施方式,评价值的获取过程包括:
通过公式计算获得评价值J:
其中,[Qmin,Qmax]为招聘需求对应薪资区间;Qave为该公司招聘需求岗位平均薪资;为该地区招聘需求岗位在平均薪资;δ1、δ2为第一预设系数,且δ1+δ2=1;Sp为公司网络评分值;.Smax为评分区间最大值;σ1、σ2为第二预设系数,且σ1+σ2=1。
通过上述技术方案,本实施例提供了一种评价值的获取过程,通过公式计算获得,其根据该招聘岗位的薪资水平状况,结合大数据中该公司的网络评分值、对应岗位平均薪资数据进行综合性判断。
需要说明的是,第一预设系数δ1、δ2及第二预设系数σ1、σ2均根据经验数据选择设定;公司网络评分值Sp及评分区间最大值Smax则根据大数据中该公司的评价数据进行获得,在此不作详述。
作为本发明的一种实施方式,所述方法还包括:
S4、分别在招聘端及应聘端设置问题库及问题解答库,由招聘人员设置M组招聘问题序列QZ和M组应聘问题答复序列RZ;由应聘人员设置M组应聘问题序列QY和M组招聘问题答复序列RY:
当招聘端和应聘端中的任一端访问另一端时,根据QZ和RY及RZ和QY之间的匹配进行自动问题答复。
通过上述技术方案,本实施例通过分别在招聘端及应聘端设置问题库及问题解答库,由招聘人员设置M组招聘问题序列QZ和M组应聘问题答复序列RZ;由应聘人员设置M组应聘问题序列QY和M组招聘问题答复序列RY;因此在招聘端和应聘端中的任一端访问另一端时,根据QZ和RY及RZ和QY之间的匹配进行自动问题答复,因此,通过此过程能够提高应聘及招聘过程中的沟通效率,提高双方成功的几率。
作为本发明的一种实施方式,根据QZ和RY及RZ和QY之间的匹配度对应聘人员与招聘需求的符合度进行评估,并将评估结果向招聘端和应聘端进行展示;
所述评估过程包括:
通过公式 计算获得符合度F;
其中,nQZ-RY为QZ与RY匹配的数量;k∈[1,nQZ-RY];UQZk为第k个招聘问题序列QZ排序值;URYk为第k个招聘问题答复序列RY排序值;为RZ与QY匹配的数量:URZk为第1个应聘问题答复序列RZ排序值;UQYk为第1个应聘问题序列QY排序值;g为分段评价函数,%;
将符合度F作为评估结果。
通过上述技术方案,本实施例在步骤S4的基础上,通过招聘端与应聘端对问题的侧重程度进行匹配判断,当两者的侧重方向较为一致时,说明其符合度较高,同时结合匹配系数X,计算获得符合度F。
需要说明的是,分段评价函数根据符合度F所在的区间设置对应的数值,其取值范围为0-100%,其根据历史数据所在范围之间划分拟合获得。
在一个实施例中,提供一种招聘用智能简历筛选评估***,所述***采用招聘用智能简历筛选评估方法进行建立筛选评估。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (4)
1.一种招聘用智能简历筛选评估方法,其特征在于,所述方法包括:
S1、获取应聘人员的简历信息并进行分析,获取应聘人员特征矩阵;
S2、获取招聘需求信息并进行分析,获取招聘需求特征矩阵;获取招聘需求特征矩阵的权重系数矩阵;
S3、根据应聘人员特征矩阵与招聘需求特征矩阵的比对进行初步筛选;根据比对结果及权重系数矩阵进行二次筛选;根据筛选结果分别向应聘人员及招聘人员推送筛选内容;
所述应聘人员特征矩阵为A=|fa1()…fai()…fan()|;
所述招聘需求特征矩阵为B=|fb1()…fbi()…fbn()|;
所述权重系数矩阵为
其中,n为特征项数;i∈[1,n];fai()为第i项应聘特征值函数,且fai()∈[0,10];fbi()为第i项招聘特征值函数,且fbi()∈[0,10];为第i项招聘选择系数;
所述初步筛选的过程包括:
对矩阵A、B进行减法运算,当存在任一项fai()-fbi()<0,则判断筛选不合格;
否则,判断初步筛选合格;
所述二次筛选的过程包括:
通过公式X=(A-B)*C计算获得应聘人员与招聘需求的匹配系数X;
根据匹配系数X进行二次筛选;
所述方法还包括:
S4、分别在招聘端及应聘端设置问题库及问题解答库,由招聘人员设置M组招聘问题序列QZ和M组应聘问题答复序列RZ;由应聘人员设置M组应聘问题序列QY和M组招聘问题答复序列RY;
当招聘端和应聘端中的任一端访问另一端时,根据QZ和RY及RZ和QY之间的匹配进行自动问题答复;
根据QZ和RY及RZ和QY之间的匹配度对应聘人员与招聘需求的符合度进行评估,并将评估结果向招聘端和应聘端进行展示;
所述评估过程包括:
通过公式 计算获得符合度F;
其中,nQZ-RY为QZ与RY匹配的数量;k∈[1,nQZ-RY];UQZk为第k个招聘问题序列QZ排序值;URYk为第k个招聘问题答复序列RY排序值;nRZ-QY为RZ与QY匹配的数量;l∈[1,nRZ-QY];URZl为第l个应聘问题答复序列RZ排序值;UQYl为第l个应聘问题序列QY排序值;g为分段评价函数,分段评价函数根据符合度F所在的区间设置对应的数值,其取值范围为0-100%,且根据历史数据所在范围之间划分拟合获得;
将符合度F作为评估结果。
2.根据权利要求1所述的一种招聘用智能简历筛选评估方法,其特征在于,根据匹配系数X进行二次筛选的过程包括:
根据匹配系数X获取招聘人员对应初步筛选合格的招聘需求,并对招聘需求进行公司评价,根据评价值从大到小排序,获得第一匹配序列;
根据匹配系数X获取招聘需求对应初步筛选合格的应聘人员,并将应聘人员按匹配系数X从大到小排序,获得第二匹配序列;
通过公式计算获得第二匹配序列第x名排序应聘人员对第一匹配序列第j名公司的推荐值Txj;
其中,Pj为第一匹配序列第j名公司的评价值;x为应聘人员在第二匹配序列中的排序值;γ1、γ2为预设固定系数;
根据推荐值Txj的大小向第二匹配序列第x名排序应聘人员推送对应的招聘需求。
3.根据权利要求2所述的一种招聘用智能简历筛选评估方法,其特征在于,评价值的获取过程包括:
通过公式计算获得评价值J;
其中,[Qmin,Qmax]为招聘需求对应薪资区间;Qave为该公司招聘需求岗位平均薪资;为该地区招聘需求岗位平均薪资;δ1、δ2为第一预设系数,且δ1+δ2=1;Sp为该公司网络评分值;Smax为评分区间最大值;σ1、σ2为第二预设系数,且σ1+σ2=1。
4.一种招聘用智能简历筛选评估***,其特征在于,所述***采用如权利要求1-3任一项招聘用智能简历筛选评估方法进行建立筛选评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310434640.2A CN116468414B (zh) | 2023-04-21 | 2023-04-21 | 一种招聘用智能简历筛选评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310434640.2A CN116468414B (zh) | 2023-04-21 | 2023-04-21 | 一种招聘用智能简历筛选评估方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116468414A CN116468414A (zh) | 2023-07-21 |
CN116468414B true CN116468414B (zh) | 2023-11-21 |
Family
ID=87183922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310434640.2A Active CN116468414B (zh) | 2023-04-21 | 2023-04-21 | 一种招聘用智能简历筛选评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116468414B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116843155B (zh) * | 2023-07-27 | 2024-04-30 | 深圳市贝福数据服务有限公司 | 一种基于saas的人岗双向匹配方法和*** |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004355502A (ja) * | 2003-05-30 | 2004-12-16 | Ie Select:Kk | 人材配置支援システム、人材配置支援方法、サーバ装置およびプログラム |
KR20060038728A (ko) * | 2004-11-01 | 2006-05-04 | 이재은 | 웹상에서의 채용사이트 운영방법 |
CN110377702A (zh) * | 2019-07-18 | 2019-10-25 | 中科鼎富(北京)科技发展有限公司 | 一种简历信息匹配方法及装置 |
CN110874710A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种招聘辅助方法及装置 |
CN111680972A (zh) * | 2020-03-19 | 2020-09-18 | 江苏智檬智能科技有限公司 | 基于人工智能大数据的人才简历匹配方法 |
CN112052271A (zh) * | 2020-09-29 | 2020-12-08 | 中国银行股份有限公司 | 一种数据处理方法及装置 |
CN112418779A (zh) * | 2020-10-30 | 2021-02-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于自然语言理解的在线自助面试方法 |
CN112990887A (zh) * | 2021-05-07 | 2021-06-18 | 北京车智赢科技有限公司 | 一种简历和岗位匹配的方法及计算设备 |
CN113112239A (zh) * | 2021-04-23 | 2021-07-13 | 成都商高智能科技有限公司 | 一种便捷式岗位人才筛选方法 |
CN114742520A (zh) * | 2022-03-22 | 2022-07-12 | 深圳壹账通科技服务有限公司 | 岗位匹配方法、装置、设备及存储介质 |
CN115018469A (zh) * | 2022-07-01 | 2022-09-06 | 佛山市蜂王人力资源有限公司 | 一种基于大数据的人才智能匹配*** |
CN115170082A (zh) * | 2022-07-13 | 2022-10-11 | 上海优尔蓝信息科技有限公司 | 一种基于互联网的网络招聘自动筛选***及其应用方法 |
-
2023
- 2023-04-21 CN CN202310434640.2A patent/CN116468414B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004355502A (ja) * | 2003-05-30 | 2004-12-16 | Ie Select:Kk | 人材配置支援システム、人材配置支援方法、サーバ装置およびプログラム |
KR20060038728A (ko) * | 2004-11-01 | 2006-05-04 | 이재은 | 웹상에서의 채용사이트 운영방법 |
CN110874710A (zh) * | 2018-08-31 | 2020-03-10 | 阿里巴巴集团控股有限公司 | 一种招聘辅助方法及装置 |
CN110377702A (zh) * | 2019-07-18 | 2019-10-25 | 中科鼎富(北京)科技发展有限公司 | 一种简历信息匹配方法及装置 |
CN111680972A (zh) * | 2020-03-19 | 2020-09-18 | 江苏智檬智能科技有限公司 | 基于人工智能大数据的人才简历匹配方法 |
CN112052271A (zh) * | 2020-09-29 | 2020-12-08 | 中国银行股份有限公司 | 一种数据处理方法及装置 |
CN112418779A (zh) * | 2020-10-30 | 2021-02-26 | 济南浪潮高新科技投资发展有限公司 | 一种基于自然语言理解的在线自助面试方法 |
CN113112239A (zh) * | 2021-04-23 | 2021-07-13 | 成都商高智能科技有限公司 | 一种便捷式岗位人才筛选方法 |
CN112990887A (zh) * | 2021-05-07 | 2021-06-18 | 北京车智赢科技有限公司 | 一种简历和岗位匹配的方法及计算设备 |
CN114742520A (zh) * | 2022-03-22 | 2022-07-12 | 深圳壹账通科技服务有限公司 | 岗位匹配方法、装置、设备及存储介质 |
CN115018469A (zh) * | 2022-07-01 | 2022-09-06 | 佛山市蜂王人力资源有限公司 | 一种基于大数据的人才智能匹配*** |
CN115170082A (zh) * | 2022-07-13 | 2022-10-11 | 上海优尔蓝信息科技有限公司 | 一种基于互联网的网络招聘自动筛选***及其应用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116468414A (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116468414B (zh) | 一种招聘用智能简历筛选评估方法及*** | |
CN111078873B (zh) | 一种基于引文网络与科研合作网络的领域专家遴选方法 | |
Rodriguez et al. | Feature selection for job matching application using profile matching model | |
CN110516057B (zh) | 一种信访问题答复方法及装置 | |
CN110727852A (zh) | 一种推送招聘推荐服务的方法、装置及终端 | |
WO2008131969A1 (en) | Method and system for providing a virtual job market | |
CN114819924A (zh) | 一种基于画像分析的企业信息推送处理方法及设备 | |
Onalan et al. | Intolerance to uncertainty and motivational persistence among Turkish females according to entrepreneurial intention | |
CN115438886A (zh) | 家政从业人员服务评价和匹配方法及*** | |
CN112418656A (zh) | 智能坐席分派方法、装置、计算机设备和存储介质 | |
CN113781006A (zh) | 一种基于大数据的人力资源管理***及方法 | |
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*** | |
CN112149976A (zh) | 一种基于人工智能的电网精准投资项目决策方法 | |
CN112417280A (zh) | 一种基于虚拟现实主持人体系的推荐方法和*** | |
CN112396545A (zh) | 一种基于云平台的智慧校园管理*** | |
CN115775140A (zh) | 一种城市人才规划与人力资源智能调配***及方法 | |
CN109992592B (zh) | 基于校园消费卡流水数据的高校贫困生识别方法 | |
CN115204849B (zh) | 基于人工智能的企业人力资源管理方法及*** | |
CN110990662A (zh) | 一种基于引文网络与科研合作网络的领域专家遴选方法 | |
CN115115212A (zh) | 一种适用于相似方案的自主优选排序方法 | |
CN113709511A (zh) | 一种团队求职招聘的视频直播方法及*** | |
CN112116238A (zh) | 一种基于指标权重体系设计的满意度评估方法 | |
CN114048977A (zh) | 一种工程师分级方法、装置及终端设备 | |
CN111275351A (zh) | 一种基于社会关系相关度计算的评审专家指派***及方法 | |
CN109933715A (zh) | 一种基于listwise算法在线学习排序方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |