CN117455430B - 基于ai的简历信息处理方法、装置、设备及存储介质 - Google Patents
基于ai的简历信息处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117455430B CN117455430B CN202311120694.8A CN202311120694A CN117455430B CN 117455430 B CN117455430 B CN 117455430B CN 202311120694 A CN202311120694 A CN 202311120694A CN 117455430 B CN117455430 B CN 117455430B
- Authority
- CN
- China
- Prior art keywords
- information
- job
- target
- user
- seeking
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 32
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 140
- 230000007115 recruitment Effects 0.000 claims abstract description 125
- 238000012216 screening Methods 0.000 claims abstract description 23
- 238000004891 communication Methods 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 53
- 230000008569 process Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 17
- 238000007418 data mining Methods 0.000 claims description 15
- 238000005065 mining Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种基于AI的简历信息处理方法、装置、设备及存储介质。在本申请实施例中,提供AI服务模块,辅助挖掘求职用户的隐式求职需求信息,结合求职用户的显式求职需求信息,生成求职用户的目标简历信息,减少了生成简历的时间成本,提升了生成简历的效率。进一步,AI服务模块还可以模拟求职端与招聘端进行交互,预先为求职端进行岗位筛选,提高求职用户与招聘岗位之间的匹配度。
Description
技术领域
本申请涉及人工智能技术领域,尤其涉及一种基于AI的简历信息处理方法、装置、设备及存储介质。
背景技术
目前,招聘单位对应的招聘端可以在招聘平台上发布招聘岗位,通过招聘端主动联系符合招聘条件的求职用户,招聘平台也可以主动向求职用户对应的求职端推送招聘岗位。同时,在求职时求职用户需要在求职端制作一份或者多份简历,并通过简历说明自己过去的学习、工作经历,以向招聘单位证明自己的能力和经验符合申请的招聘岗位要求。
然而,准备简历往往需要耗费求职用户大量的时间和精力,且结果常不能令求职用户满意,导致生成简历的效率较低。
发明内容
本申请的多个方面提供一种基于AI的简历信息处理方法、装置、设备及存储介质,用以提高简历的生成效率。
本申请实施例提供一种基于AI的简历信息处理方法,适用于配置有AI服务模块的求职端,AI服务模块至少用于执行简历信息处理方法,简历信息处理方法包括:响应于在求职端提供的AI交互页面上的简历处理操作,确定求职端对应的求职用户提交的显式求职需求信息;根据求职用户的标识信息,获取求职用户在历史求职过程中的目标求职记录信息,目标求职记录信息至少包括:历史求职过程中与招聘用户的目标沟通信息以及针对历史岗位和/或招聘用户的目标搜索信息;将目标求职记录信息输入至AI语言模型中进行数据挖掘,得到求职用户的隐式求职需求信息;根据显式求职需求信息和隐式求职需求信息,生成目标简历信息;以及响应于在AI交互页面上的岗位筛选操作,根据目标简历信息,从已发布的岗位信息中筛选与求职用户适配的至少一个候选岗位信息;针对任一候选岗位信息,基于AI语言模型,模拟求职端与任一候选岗位信息对应的招聘端进行至少一个轮次的交互。
本申请实施例还提供一种基于AI的简历信息处理装置,装置包括:AI服务模块,AI服务模块,用于:响应于在求职端提供的AI交互页面上的简历处理操作,确定求职端对应的求职用户提交的显式求职需求信息;根据求职用户的标识信息,获取求职用户在历史求职过程中的目标求职记录信息,目标求职记录信息至少包括:历史求职过程中与招聘用户的目标沟通信息以及针对历史岗位和/或招聘用户的目标搜索信息;将目标求职记录信息输入至AI语言模型中进行数据挖掘,得到求职用户的隐式求职需求信息;根据显式求职需求信息和隐式求职需求信息,生成目标简历信息;以及响应于在AI交互页面上的岗位筛选操作,根据目标简历信息,从已发布的岗位信息中筛选与求职用户适配的至少一个候选岗位信息;针对任一候选岗位信息,基于AI语言模型,模拟求职端与任一候选岗位信息对应的招聘端进行至少一个轮次的交互。
本申请实施例还提供一种基于AI的简历信息处理设备,包括:存储器和处理器;存储器,用于存储AI服务模块对应的计算机程序;处理器,与存储器耦合,用于执行计算机程序,以实现本申请实施例提供的基于AI的简历信息处理方法中的步骤。
本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,当计算机程序被处理器执行时,致使处理器实现本申请实施例提供的基于AI的简历信息处理方法中的步骤。
在本申请实施例中,提供AI服务模块,辅助挖掘求职用户的隐式求职需求信息,结合求职用户的显式求职需求信息,生成求职用户的目标简历信息,减少了生成简历的时间成本,提升了生成简历的效率。进一步,AI服务模块还可以模拟求职端与招聘端进行交互,预先为求职端进行岗位筛选,提高求职用户与招聘岗位之间的匹配度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请示例性实施例提供的一种基于AI的求职服务***的结构示意图;
图2为本申请示例性实施例提供的一种基于AI的简历信息处理方法的流程示意图;
图3a为本申请示例性实施例提供的一种AI交互页面的结构示意图;
图3b为本申请示例性实施例提供的另一种AI交互页面的结构示意图;
图3c为本申请示例性实施例提供的一种AI呼叫服务的示意图;
图4为本申请示例性实施例提供的一种基于AI的简历信息处理装置的结构示意图;
图5为本申请示例性实施例提供的一种基于AI的简历信息处理设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。本申请涉及的各种模型(包括但不限于语言模型或大模型)是符合相关法律和标准规定的。
针对上述技术问题,在本申请实施例中,提供AI服务模块,辅助挖掘求职用户的隐式求职需求信息,结合求职用户的显式求职需求信息,生成求职用户的目标简历信息,减少了生成简历的时间成本,提升了生成简历的效率。进一步,AI服务模块还可以模拟求职端与招聘端进行交互,预先为求职端进行岗位筛选,提高求职用户与招聘岗位之间的匹配度。
以下结合附图,对本申请实施例提供的一种解决方案进行详细说明。
图1为本申请示例性实施例提供的一种基于AI的求职服务***的结构示意图。如图1所示,该***包括:招聘端101和求职端102,以及该求职端对应的AI服务模块103。其中,AI服务模块用于为求职端提供求职交互服务,招聘交互服务是指与招聘相关的交互服务,例如,聊天服务或短信服务等。求职端和招聘端可以涉及家政领域、货车司机领域、租房领域、卖方卖房领域、搬家领域等。
在本实施例中,并不对各端侧的部署实施进行限定。其中,招聘端101和求职端102可以分别部署在终端设备上。例如,可以在终端设备上部署招聘端101对应的招聘应用程序(APPlication,APP),以实现将招聘端101部署在终端设备上,相应地,可以在终端设备上部署求职端102对应的求职APP,以实现将求职端102部署在终端设备上。可选地,招聘APP和求职APP可以是相同的APP。
另外,部署招聘端101和求职端102的终端设备可以通过服务端设备进行通信。AI服务模块103可以独立部署在服务端设备上,也可以独立部署在求职端102对应的终端设备上,还可以分布式的部署在求职端102对应的终端设备和服务端设备上,对此不做限定。
在本实施例中,AI服务模块主要用于为求职端提供简历信息处理服务,例如,简历挖掘。下面提供一种基于AI的简历信息处理方法。
图2为本申请示例性实施例提供的一种基于AI的简历信息处理方法的流程示意图,该方法适用于配置有AI服务模块的求职端,该AI服务模块至少用于执行简历信息处理方法,如图2所示,该方法包括:
201、响应于在求职端提供的AI交互页面上的简历处理操作,确定求职端对应的求职用户提交的显式求职需求信息;
202、根据求职用户的标识信息,获取求职用户在历史求职过程中的目标求职记录信息,目标求职记录信息至少包括:历史求职过程中与招聘用户的目标沟通信息以及针对历史岗位和/或招聘用户的目标搜索信息;
203、将目标求职记录信息输入至AI语言模型中进行信息提取,得到求职用户的隐式求职需求信息;
204、根据显式求职需求信息和隐式求职需求信息,生成目标简历信息;
205、响应于在AI交互页面上的岗位筛选操作,根据目标简历信息,从已发布的岗位信息中筛选与求职用户适配的至少一个候选岗位信息;针对任一候选岗位信息,基于AI语言模型,模拟求职端与任一候选岗位信息对应的招聘端进行至少一个轮次的交互。
在本实施例中,求职端提供有AI交互页面,求职用户可以在该AI交互页面上与AI服务模块进行交互。如图3a和3b所示,以AI服务模块是AI助手为例进行图示,展示了求职用户与AI助手进行交互的示意图。
在本实施例中,求职用户可以在AI交互页面上发起简历处理操作,AI服务模块可以响应于该简历处理操作,确定求职用户提交的显式求职需求信息。通常情况下,显式求职需求信息具备结构化以及描述成本低的特点,可以从求职简历中获取,或者由求职用户进行描述。
其中,响应于简历处理操作的方式并不限定。例如,AI交互页面上提供有输入框,求职用户通过该输入框输入简历处理指令以发起简历处理操作,例如,帮我生成或修改简历,AI服务模块可以识别求职用户输入的简历处理指令,确定求职用户提交的显式求职需求信息。在图3a中,以求职用户输入“能不能帮我生成一份简历”为例进行图示,并不限于此,相应地,AI助手回复“可以呀,您可以简单描述一下您的基本情况吗?例如想找的职位,您的年龄、工作经验、期望工作的地点等”,求职用户回复“我叫XX,今年Y岁。想在北京找一个会晕司机的工作,我有5年的工作经验,有A2驾照。工作地点最好是在B区”。又例如,AI服务模块具有语音识别功能,AI交互页面上提供有语音输入控件,求职用户可以基于该语音输入控件输入语音指令,以发起简历处理操作,AI服务模块识别输入的语音指令,确定求职用户提交的显式求职需求信息。
在本实施例中,求职用户在历史求职过程中可以生成目标求职记录信息,目标求职记录信息至少包括:历史求职过程中求职用户与招聘用户的目标沟通信息以及求职用户的目标搜索信息,求职用户的目标搜索信息包括以下至少一种:针对历史岗位的目标搜索信息以及针对招聘用户的目标搜索信息等。例如,在历史求职过程中,求职用户与招聘用户的目标沟通信息包括以下至少一种:求职用户与招聘用户在交互页面上的交互信息、通话信息、短信或邮件等;针对历史岗位的搜索信息可以是:“中式厨师”、“城市名+中式厨师”或者“城市名+县/区名+中式厨师”;针对招聘用户的目标搜索信息可以是:“XX公司+厨师”。
其中,求职用户具有标识信息,例如,求职用户的昵称、账号、或身份编号(Identity document,ID)等。AI服务模块预先维护有多个求职用户的标识信息与多个求职用户在历史求职过程中的目标求职记录信息的对应关系,基于此,AI服务模块可以根据求职用户的标识信息,获取求职用户在历史求职过程中的目标求职记录信息。
在本实施例中,可以将目标求职记录信息输入至AI语言模型进行数据挖掘,得到求职用户的隐式求职需求信息。其中,AI语言模型并不限定。从AI语言模型采用的技术来看,AI语言模型的类型包含但不限于:监督学习模型、半监督学习模型、无监督学习模型、强化学习模型、卷积神经网络(Convolutional Neural Networks,CNN)模型、递归神经网络(Recurrent Neural Networks,RNN)模型、生成式模型或异常检测模型等。从AI语言模型实现的功能来看,AI语言模型包括但不限于:自然语言理解模型、图像或视频理解模型、聊天模型、智能客服模型、AI搜索引擎以及多模态图片生成模型等等。进一步,AI语言模型实现为:大语言模型(Large Language Model,LLM),通用语言生成模型(General LanguageModel,GLM)、基于GLM架构的语言对话模型(ChatGLM-6B)或者上述模型的变形模型等。其中,LLM是一种使用大量文本数据训练的深度学习模型,可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务,如文本分类、问答、对话等,是通向人工智能的一条重要途径。
其中,数据挖掘主要是通过AI语言模型使用各种算法,从目标求职记录信息中提取出隐式求职需求信息的过程。隐式求职需求信息具备非结构化、描述成本高以及长尾效应(差异化、少量的需求)等特点,例如,隐式求职需求信息可以是求职偏好信息,具体可以是精确到县/区或街道等细粒度的工作地点信息、相关福利待遇或者对工作时间的特殊需求等,隐式求职需求信息需要招聘双方在反复沟通中进行确认、澄清或筛选。
在本实施例中,可以根据显式求职需求信息和隐式求职需求信息,生成目标简历信息,从而在目标简历信息中体现更为丰富的信息,有利于提高求职效率。其中,目标简历信息中可以体现全部的显式求职需求信息,以及全部隐式求职需求信息,也可以是体现部分显式求职需求信息,或者部分隐式求职需求信息,对此不做限定。在图3a中,求职用户输入显式求职需求信息,AI助手向求职端返回目标简历信息。其中,AI助手生成隐式需求信息的过程并未在图3a中体现。在图3a中的AI交互页面上,求职用户可点击该目标简历信息,AI服务模块可以展示该目标简历信息,并对目标简历信息上的内容进行编辑,例如,修改、删除或增添内容等。
在本实施例X1中,AI服务模块可以根据目标简历信息为求职用户筛选合适的岗位,降低求职用户筛选岗位信息以及确认岗位信息等的沟通成本,提升筛选效率,无需在等待中消耗精力,提升求职用户的求职体验。具体地,求职用户可以在AI交互页面上发起岗位筛选操作,例如,通过语音或者文字的方式在AI交互页面上提交进行岗位筛选的语音指令或者文本指令,例如,文本指令可以是:“帮我筛选合适的岗位”。在图3b中,以“帮我筛选几个合适的职位,我看看”为例进行图示,相应地,AI助手回复“可以呀,我马上帮您筛选几个岗位,这个过程可能需要一些时间,请您稍等”。
相应地,AI服务模块可以响应于在AI交互页面上的岗位筛选操作,根据目标简历信息,从已发布的岗位信息中筛选与求职用户适配的至少一个候选岗位信息。例如,将目标简历信息与已发布的岗位信息进行匹配,计算目标简历信息与已发布岗位信息的匹配度,若匹配度高于设定的匹配度阈值,则将该已发布的岗位信息作为候选岗位信息。针对任一候选岗位信息,基于AI语言模型,模拟求职端与该任一候选岗位信息对应的招聘端进行至少一个轮次的交互,提高两端之间的沟通效率,进而提高求职效率。在图3b中,AI助手回复“您好,我已经帮您筛选了20个岗位跟您的简历比较匹配,是否需要帮您去跟招聘方聊一聊,进一步确认是否匹配?”,求职用户可以回复“嗯嗯,去聊一下,帮我筛选出最合适的5个,并完成投递”。
需要说明的是,AI服务模块模拟求职端进行交互的过程可以是确定候选岗位信息之后自动执行的,也可以是在求职用户在AI交互页面上发起交互指令的情况下,响应于求职用户的交互指令,模拟求职端进行交互。其中,至少一个轮次的交互主要是模拟求职端与招聘端进行信息了解的过程,主要目的是进行双向或单向信息的了解。其中,在模拟求职端与招聘端进行至少一个轮次的交互的方式并不限定,凡是能够让两端进行交互的方式均适用于本申请实施例,例如,信息交互、语音交互、电话、微信、第三方即时通讯、邮件等。
在本申请实施例中,提供AI服务模块,辅助挖掘求职用户的隐式求职需求信息,结合求职用户的显式求职需求信息,生成求职用户的目标简历信息,减少了生成简历的时间成本,提升了生成简历的效率。进一步,AI服务模块还可以模拟求职端与招聘端进行交互,预先为求职端进行岗位筛选,提高求职用户与招聘岗位之间的匹配度。
在一可选实施例X2中,生成目标简历信息之后,还可以发布该目标简历信息,例如,将发布至求职平台或者招聘平台,以供招聘用户针对该目标简历信息发起与求职用户的交互。在招聘端向求职端针对目标简历信息发起交互的情况下,基于AI语言模型模拟求职端与招聘端进行至少一个轮次的交互。其中,关于至少一个轮次的交互的详细介绍可参见前述。
其中,在招聘端向求职端针对目标简历信息发起交互的情况下,AI服务模块模拟求职端进行应答的时机并不限定。下面进行举例说明。
例如,在招聘端向求职端针对目标简历信息发起交互的情况下,判断该求职端是否进行应答,例如,在求职端对应的APP处于后台运行状态的情况下,认为该求职端未进行应答,又例如,在求职端接收交互信息之后的设定时间内(如,1分钟),该求职端未针对该交互信息进行应答,则认为该求职端未进行应答。若求职端未进行应答,则基于AI语言模型模拟求职端与招聘端进行至少一个轮次的交互。
又例如,求职用户可以指示AI服务模块进行模拟应答,向AI服务模块发送指示模拟应答的指令,AI服务模块响应于该指示模拟应答的指令,基于AI语言模型模拟求职端与招聘端进行至少一个轮次的交互。例如,在求职端提供的AI交互页面上展示有启动控件,求职用户可以触发该启动控件,以向AI服务模块发送指示模拟应答的指令。
其中,AI服务模块模拟求职端与招聘端进行交互,主要分为两个阶段,第一阶段是实施例X1和实施例X2中的交互,主要是模拟求职端与招聘端进行信息了解的过程,目的是进行双向或单向信息的了解;第二阶段的交互主要是求职用户与招聘岗位匹配中后的进一步信息交互,主要是进行语音沟通、约面试等。其中,在每个阶段的交互方式并不限定,凡是能够让两端进行交互的方式均适用于本申请实施例,例如,信息交互、语音交互、电话、微信、第三方即时通讯、邮件等。
关于第一阶段的交互可参见前述实施例X1和X2,针对第二阶段的交互,AI服务模块在模拟求职端进行应答的过程中,会涉及与招聘岗位或者目标简历信息相关的交互信息,AI服务模块可以从至少一个轮次的交互信息中,识别与目标简历信息或者招聘岗位信息相关的交互信息,基于该交互信息,确定目标简历信息与招聘岗位之间的匹配度,匹配度可以是20%、50%或80%等,对此不做限定。目标简历信息与招聘岗位之间的匹配度越高,表示求职用户越适合该招聘岗位。其中,匹配度需要满足一定的匹配度要求,例如,匹配度大于设定的匹配度阈值,匹配度阈值可以是40%、70%或85%等。
在该匹配度满足设定的匹配度要求的情况下,在求职端和招聘端之间建立交互通道,并控制求职端和招聘端通过该交互通道进行求职相关的后续交互。其中,交互通道并不限定,例如,可以是语音通话、视频通话或打电话等。
可选地,通过AI服务模块分别于求职端和招聘端之间建立音视频通道,以实现在求职端和招聘端之间建立音视频通道,AI服务模块分别呼叫求职端和招聘端,以在求职端和招聘端呼叫接通的情况下,控制求职端和招聘端通过该音视频通道进行求职相关的音视频通话。
例如,在图3c中,在该匹配度满足设定的匹配度要求的情况下,Ai服务模块分别呼叫求职端和招聘端,其中,呼叫方式并不限定。例如,可以先呼叫招聘端,再呼叫求职端;也可以先呼叫求职端,再呼叫招聘端,也可以同时呼叫招聘端和求职端。在图3c中,在该匹配度满足设定的匹配度要求的情况下,AI服务模块可以先呼叫招聘端,在招聘端同意转接求职端的情况下,AI服务模块呼叫求职端,实现招聘端与求职端的连接,以进行求职相关的后续交互。
下面对呼叫过程进行举例说明:a)接通求职端后播报语音:“【求职用户姓名】你好,我是AI助手,看到你对【招聘岗位名称】的工作比较感兴趣,现在方便吗,可以帮您转接电话和招聘端聊一聊,可以么?”求职端回复“可以”的情况下,AI服务模块向求职端输出语音提示:“好,现在为您转接电话”。若转接招聘端成功,则双方开始对话;若转接中求职端挂断,本次通话自动结束;若转接中招聘端挂断/超时未接,均向求职端输出提示:“对不起,对方可能在忙,您稍后主动电话联系他”。若求职端不同意转接电话,回复“拒绝”,则AI服务模块回复:“嗯嗯,好的,您之后可在APP上再看看岗位信息,就先不打扰了哈,再见”。
可选地,若AI服务模块向招聘端发起呼叫时,招聘端处于占线状态,则延迟设定时间(如,3分钟)后再次呼叫。
其中,由于受用户活跃周期及主观意愿等限制,需要在招聘端发起交互的情况下,求职端应尽快应答,提高连接效率,并先探知信息,前置判断是否要进一步沟通。AI服务模块可以模拟求职端进行应答,以建立招聘端和求职端之间的连接,该模拟应答过程,可以作为求职端和招聘端双方确认意向的前置服务场景。
以求职端连接招聘端为例进行说明:
a、在招聘端主动表达交互意向时,求职端不在线,AI服务模块代替求职端进行前置问询等一系列关乎招聘意向、人岗匹配度的问题,期待快速得到招聘端的在线反馈;
b、基于招聘端反馈的内容,评估招聘端的意向匹配度,并判断当次连接是否需助力推进(如,强提醒求职端快速联系招聘端)
c、整理求职端反馈的结构化内容,自动完善求职简历信息,例如,将反馈的结构化内容自动更新到求职用户的目标简历信息中,辅助下一次推荐匹配。
在本实施例中,求职用户与招聘岗位之间的匹配度需要满足的匹配度要求并不限定。例如,设置第一匹配度阈值和第二匹配度阈值,第一匹配度阈值小于第二匹配度阈值,第一匹配度阈值可以是20%、50%或70%等,相应地,第二匹配度阈值可以是30%、60%或90%等,该第一匹配度要求可以是大于设定的第一匹配度阈值,且小于设定的第二匹配度阈值,第二匹配度要求是大于或等于设定的第二匹配度阈值。在匹配度满足设定的第一匹配度要求的情况下,认为求职用户和招聘用户之间还需要进一步进行求职相关的后续交互,在求职端和招聘端之间建立交互通道,并控制求职端和招聘端通过交互通道进行求职相关的后续交互。
可选地,在匹配度满足设定的第二匹配度要求的情况下,认为求职用户与招聘岗位之间匹配度较高,可以进行预约面试,则根据求职端针对目标简历信息预先配置的面试需求信息,向招聘端发送面试预约请求,以模拟求职端与招聘端进行面试预约;以及接收招聘端提供的预约信息,将预约信息提供给求职端,以供求职端根据预约信息接受面试。其中,面试需求信息可以是面试确认信息、面试时间信息以及面试地点信息中的至少一种。预约信息可以实现为预约好的面试信息,例如预约时间以及预约地点等。
在一可选实施例中,传统机器模型构建过程中,需要大量的标注数据,而单个岗位或简历的数据较为稀疏,具备典型的长尾效应,大部分的招聘用户和求职用户仅有少量对话数据,不足以支撑传统机器学习的模型训练,使得传统机器模型精确度较低。AI语言模型具备强大的语言理解和零样本(zero-shot)处理能力,通过设计提示(prompt),不需要训练,即可完成数据挖掘、信息抽取、文本匹配、对话模拟的功能。因此,可以在AI语言模型中采用提示学习(Prompt Learning)的方式进行数据挖掘,使得在不显著改变AI语言模型的结构和参数的情况下,通过向AI语言模型的输入增加“提示模板”的方式,来更好的实现AI语言模型的数据挖掘能力。提示模板主要用于引导AI语言模型输出设定类型的内容。
基于此,可以将目标求职记录信息输入至AI语言模型,针对目标沟通信息和目标搜索信息采用不同的路径进行解析。
其中,针对目标沟通信息,采用预先训练的第一提示模板,对该目标沟通信息进行解析,得到求职用户和招聘用户分别对应的第一交互信息和第二交互信息。其中,第一提示模板至少包括:求职用户和招聘用户相关的提示信息,例如,提示信息可以是标识信息、声纹信息或其它提示信息。其中,该第一交互信息和第二交互信息的信息形态可以是卡片承载的图文信息、问答对信息、动图、链接信息,也可以是语音信息或语音交互控件等。从第一交互信息和第二交互信息中,提取与目标简历信息适配的目标交互信息;从目标交互信息中解析出招聘用户的至少一个问题信息,以及求职用户针对至少一个问题进行答复得到的至少一个答案信息,以得到至少一个第一问答对。
其中,针对目标搜索信息,采用预先生成的第二提示模板对目标搜索信息进行解析,得到与目标简历信息适配的至少一个搜索关键字。其中,第二提示模板中至少包括与求职相关的提示信息,例如,工作时间、工作地点、工作内容以及福利待遇等求职相关的提示信息。例如,“区/县名+岗位名”、“居家办公+岗位名”或者“母婴室+岗位名”等,其中,搜索关键字可以是“区/县”、“居家办公”、“母婴室”或“岗位名”;根据搜索关键字生成至少一个第二问答对,例如,搜索关键字为:“区/县名”,第二问答对可以是:【期望工作的区域是哪里?】,【区/县名】;搜索关键字为:“居家办公”,第二问答对可以是:【期望的工作形式是什么?】,【居家办公】;搜索关键字为:“母婴室”,第二问答对可以是:【期望的福利待遇是什么?】【公司有母婴室】。
其中,根据至少一个第一问答对和至少一个第二问答对,生成求职用户的隐式求职需求信息。例如,将全部第一问答对和全部第二问答对直接作为求职用户的隐式求职需求信息。又例如,将部分第一问答对和部分第二问答对作为求职用户的隐式求职需求信息。
在一可选实施例中,以问答对的方式对隐式求职需求信息和显式求职需求信息进行表达,在显式求职需求信息的基础上,增加表达隐式求职需求信息和显式求职需求信息的问答对,以得到目标简历信息。其中,表达隐式求职需求信息的问答对可以实现为上述第一问答对和第二问答对;显式求职需求信息可以分为两部分,一部分采用信息项及其描述信息的形式进行表达,例如,将显式求职需求信息中部分描述信息及其所属类别体现在目标简历信息中,如,描述信息为厨师,A市,做过5年鲁菜,信息项—描述信息实现为:岗位:厨师;期望工作地点:A市;工作经验:5年鲁菜。另一部分采用问答对的形式进行表达,例如,【期望工作时间?】,【上午10点至晚上9点】。
在一可选实施例中,响应于在求职端提供的AI交互页面上的简历处理操作,确定求职端对应的求职用户提交的显式求职需求信息的实施方式,并不限定。例如,求职用户可以在AI交互页面上输入显式求职需求信息,如图3a所示。相应地,AI服务模块可以响应于在求职端提供的AI交互页面上的输入操作,获取求职端对应的求职用户提交的显式求职需求信息,具体可参见前述,在此不再赘述。又例如,响应于在求职端提供的AI交互页面上的简历处理操作,获取求职端已发布的简历信息;从已发布的简历信息中确定求职用户的显式求职需求信息。
在一可选实施例中,根据求职用户的标识信息可以获取求职用户的历史沟通记录和历史搜索记录;其中,历史沟通记录中包括求职用户与各个招聘用户的历史沟通记录,根据招聘用户的属性信息、招聘用户的账户类型信息以及与目标简历信息适配设定内容类型中的至少一种,从历史沟通记录中选择与招聘用户相关的信息作为目标沟通信息;其中,招聘用户的属性信息可以包含但不限于:招聘用户的名称、办公地点、薪资范围、公司规模以及工作时间等,例如,从历史沟通记录中选择招聘用户的设定属性信息作为目标沟通信息。招聘用户的账户类型信息可以是招聘用户的账户等级,该账户等级可以体现招聘用户的信誉度以及使用时长等,或者,招聘用户的账户类型可以是会员或者非会员,对此不做限定。例如,可以确定信誉度高于设定信誉度阈值的设定招聘用户,将求职用户与该设定招聘用户的历史沟通记录作为目标沟通信息,或者选择求职用户与账户类型是会员的招聘用户的历史沟通记录作为目标沟通信息。与目标简历信息适配的设定内容类型可以是目标简历信息中的求职岗位、期望薪资、工作城市、福利待遇等,将历史沟通记录中与目标简历信息适配的设定内容类型相关的信息作为目标沟通信息。从历史搜索记录中选择与历史岗位和招聘用户中的至少一种相关的信息作为目标搜索信息。与历史岗位相关的信息可以是求职用户的历史求职岗位相关的信息,其中,与招聘用户相关的信息可以是招聘用户的属性信息,详细可参见前述。
在一可选实施例中,针对实施例X1和实施例X2中至少一个轮次的交互信息,将至少一个轮次的交互信息作为目标求职记录信息;将目标求职记录信息输入至AI语言模型中进行数据挖掘,得到新的隐式求职需求信息;关于在AI语言模型中进行数据挖掘的实施方式可参见前述,根据新的隐式求职需求信息,对目标简历信息进行更新,不断对目标简历信息进行完善、补充和丰富,提高招聘效率。
在一可选实施例中,可以预先在求职端配置是否激活AI服务模块。例如,在求职端上提供有AI服务配置页面,可以在求职端的任一端的AI服务配置页面上发起服务激活操作,针对求职端激活提供简历处理服务的AI服务模块。
在一可选实施例中,可以预先在求职端购买AI服务模块,使得AI服务模块可以面向求职端和招聘端提供简历处理服务。在求职端可以提供AI服务选择页面,AI服务页面上包括待选择的AI服务,可以在求职端中的任一端的AI服务选择页面上发起针对该待选择的AI服务的选择操作,AI服务模块可以响应于AI服务选择页面上的选择操作,确定针对求职端激活与选择操作对应的AI服务模块。
需要说明的是,上述实施例所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,步骤201至步骤203的执行主体可以为设备;又比如,步骤201和202的执行主体可以为设备,步骤203的执行主体可以为设备B;等等。
另外,在上述实施例及附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如201、202等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
图4为本申请示例性实施例提供的一种基于AI的简历信息处理装置的结构示意图,如图4所示,该装置包括:AI服务模块40。
AI服务模块40,用于响应于在求职端提供的AI交互页面上的简历处理操作,确定求职端对应的求职用户提交的显式求职需求信息;根据求职用户的标识信息,获取求职用户在历史求职过程中的目标求职记录信息,目标求职记录信息至少包括:历史求职过程中与招聘用户的目标沟通信息以及针对历史岗位和/或招聘用户的目标搜索信息;将目标求职记录信息输入至AI语言模型中进行数据挖掘,得到求职用户的隐式求职需求信息;根据显式求职需求信息和隐式求职需求信息,生成目标简历信息;以及响应于在AI交互页面上的岗位筛选操作,根据目标简历信息,从已发布的岗位信息中筛选与求职用户适配的至少一个候选岗位信息;针对任一候选岗位信息,基于AI语言模型,模拟求职端与任一候选岗位信息对应的招聘端进行至少一个轮次的交互。
在一可选实施例中,AI服务模块还用于:发布目标简历信息;在招聘端向求职端针对目标简历信息发起交互的情况下,基于AI语言模型模拟求职端与招聘端进行至少一个轮次的交互。
在一可选实施例中,AI服务模块具体用于:将目标求职记录信息输入至AI语言模型,采用预先生成的第一提示模板,对目标沟通信息进行解析,得到求职用户和招聘用户分别对应的第一交互信息和第二交互信息,第一提示模板中至少包括求职用户和招聘用户相关的提示信息;从第一交互信息和第二交互信息中,提取与目标简历信息适配的目标交互信息;从目标交互信息中解析出招聘用户的至少一个问题信息,以及求职用户针对至少一个问题进行答复得到的至少一个答案信息,以得到至少一个第一问答对;采用预先生成的第二提示模板对目标搜索信息进行解析,得到与目标简历信息适配的至少一个搜索关键字;根据搜索关键字生成至少一个第二问答对;第二提示模板中至少包括与求职相关的提示信息;根据至少一个第一问答对和至少一个第二问答对,生成求职用户的隐式求职需求信息。
在一可选实施例中,AI服务模块具体用于:以问答对的方式对隐式求职需求信息和显式求职需求信息进行表达;在显式求职需求信息的基础上,增加表达隐式求职需求信息和显式求职需求信息的问答对,以得到目标简历信息。
在一可选实施例中,AI服务模块具体用于:响应于在求职端提供的AI交互页面上的输入操作,获取求职端对应的求职用户提交的显式求职需求信息;或者,响应于在求职端提供的AI交互页面上的简历处理操作,获取求职端已发布的简历信息;从已发布的简历信息中确定求职用户的显式求职需求信息。
在一可选实施例中,AI服务模块具体用于:根据求职用户的标识信息,获取求职用户的历史沟通记录和历史搜索记录;根据招聘用户的属性信息、招聘用户的账户类型信息以及与目标简历信息适配设定内容类型中的至少一种,从历史沟通记录中选择与招聘用户相关的信息作为目标沟通信息;从历史搜索记录中选择与历史岗位和/或招聘用户相关的信息作为目标搜索信息。
在一可选实施例中,AI服务模块还用于:将至少一个轮次的交互信息作为目标求职记录信息;将目标求职记录信息输入至AI语言模型中进行数据挖掘,得到新的隐式求职需求信息;根据新的隐式求职需求信息,对目标简历信息进行更新。
关于本申请实施例提供的图4所示装置中各步骤的详细实施方式以及有益效果已经在前述实施例中进行了详细描述,此处将不做详细阐述说明。
图5为本申请示例性实施例提供的一种基于AI的简历信息处理设备的结构示意图,如图5所示,该设备包括:存储器54和处理器55。
存储器54,用于存储AI服务模块对应的计算机程序,并可被配置为存储其它各种数据以支持在基于AI的简历信息处理设备上的操作。这些数据的示例包括用于在基于AI的简历信息处理设备上操作的任何应用程序或方法的指令等。
处理器55,与存储器54耦合,用于执行存储器54中的计算机程序,以用于:响应于在求职端提供的AI交互页面上的简历处理操作,确定求职端对应的求职用户提交的显式求职需求信息;根据求职用户的标识信息,获取求职用户在历史求职过程中的目标求职记录信息,目标求职记录信息至少包括:历史求职过程中与招聘用户的目标沟通信息以及针对历史岗位和/或招聘用户的目标搜索信息;将目标求职记录信息输入至AI语言模型中进行数据挖掘,得到求职用户的隐式求职需求信息;根据显式求职需求信息和隐式求职需求信息,生成目标简历信息;以及响应于在AI交互页面上的岗位筛选操作,根据目标简历信息,从已发布的岗位信息中筛选与求职用户适配的至少一个候选岗位信息;针对任一候选岗位信息,基于AI语言模型,模拟求职端与任一候选岗位信息对应的招聘端进行至少一个轮次的交互。
在一可选实施例中,处理器55还用于:发布目标简历信息;在招聘端向求职端针对目标简历信息发起交互的情况下,基于AI语言模型模拟求职端与招聘端进行至少一个轮次的交互。
在一可选实施例中,处理器55在将目标求职记录信息输入至AI语言模型中进行数据挖掘,得到求职用户的隐式求职需求信息时,具体用于:将目标求职记录信息输入至AI语言模型,采用预先生成的第一提示模板,对目标沟通信息进行解析,得到求职用户和招聘用户分别对应的第一交互信息和第二交互信息,第一提示模板中至少包括求职用户和招聘用户相关的提示信息;从第一交互信息和第二交互信息中,提取与目标简历信息适配的目标交互信息;从目标交互信息中解析出招聘用户的至少一个问题信息,以及求职用户针对至少一个问题进行答复得到的至少一个答案信息,以得到至少一个第一问答对;采用预先生成的第二提示模板对目标搜索信息进行解析,得到与目标简历信息适配的至少一个搜索关键字;根据搜索关键字生成至少一个第二问答对;第二提示模板中至少包括与求职相关的提示信息;根据至少一个第一问答对和至少一个第二问答对,生成求职用户的隐式求职需求信息。
在一可选实施例中,处理器55在根据显式求职需求信息和隐式求职需求信息,生成目标简历信息时,具体用于:以问答对的方式对隐式求职需求信息和显式求职需求信息进行表达;在显式求职需求信息的基础上,增加表达隐式求职需求信息和显式求职需求信息的问答对,以得到目标简历信息。
在一可选实施例中,处理器55在响应于在求职端提供的AI交互页面上的简历处理操作,确定求职端对应的求职用户提交的显式求职需求信息时,具体用于:响应于在求职端提供的AI交互页面上的输入操作,获取求职端对应的求职用户提交的显式求职需求信息;或者,响应于在求职端提供的AI交互页面上的简历处理操作,获取求职端已发布的简历信息;从已发布的简历信息中确定求职用户的显式求职需求信息。
在一可选实施例中,处理器55在根据求职用户的标识信息,获取求职用户在历史求职过程中的目标求职记录信息时,具体用于:根据求职用户的标识信息,获取求职用户的历史沟通记录和历史搜索记录;根据招聘用户的属性信息、招聘用户的账户类型信息以及与目标简历信息适配设定内容类型中的至少一种,从历史沟通记录中选择与招聘用户相关的信息作为目标沟通信息;从历史搜索记录中选择与历史岗位和/或招聘用户相关的信息作为目标搜索信息。
在一可选实施例中,处理器55还用于:将至少一个轮次的交互信息作为目标求职记录信息;将目标求职记录信息输入至AI语言模型中进行数据挖掘,得到新的隐式求职需求信息;根据新的隐式求职需求信息,对目标简历信息进行更新。
关于本申请实施例提供的图5所示设备中各步骤的详细实施方式以及有益效果已经在前述实施例中进行了详细描述,此处将不做详细阐述说明。
进一步,如图5所示,该基于AI的简历信息处理设备还包括:通信组件56、显示器57、电源组件58、音频组件59等其它组件。图5中仅示意性给出部分组件,并不意味着基于AI的简历信息处理设备只包括图5所示组件。另外,图5中虚线框内的组件为可选组件,而非必选组件,具体可视基于AI的简历信息处理设备的产品形态而定。本实施例的基于AI的简历信息处理设备可以实现为台式电脑、笔记本电脑、智能手机或IOT设备等终端设备。
相应地,本申请实施例还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被执行时能够实现上述图2所示方法实施例中可由会话状态同步设备执行的各步骤。
上述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random-Access Memory,SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read Only Memory,EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM),可编程只读存储器(Programmable Read-Only Memory,PROM),只读存储器(Read-Only Memory,ROM),磁存储器,快闪存储器,磁盘或光盘。
上述通信组件被配置为便于通信组件所在设备和其他设备之间有线或无线方式的通信。通信组件所在设备可以接入基于通信标准的无线网络,如WiFi,2G、3G、4G/LTE、5G等移动通信网络,或它们的组合。在一个示例性实施例中,通信组件经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,通信组件还包括近场通信(Near Field Communication,NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(Radio Frequency Identification,RFID)技术,红外数据协会(InfraredData Association,IrDA)技术,超宽带(Ultra Wide Band,UWB)技术,蓝牙(BlueTooth,BT)技术和其他技术来实现。
上述显示器包括屏幕,其屏幕可以包括液晶显示器(Liquid Crystal Display,LCD)和触摸面板(TouchPanel,TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。
上述电源组件,为电源组件所在设备的各种组件提供电力。电源组件可以包括电源管理***,一个或多个电源,及其他与为电源组件所在设备生成、管理和分配电力相关联的组件。
上述音频组件,可被配置为输出和/或输入音频信号。例如,音频组件包括一个麦克风(Microphone,MIC),当音频组件所在设备处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或经由通信组件发送。在一些实施例中,音频组件还包括一个扬声器,用于输出音频信号。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、只读光盘(Compact Disc Read-Only Memory,CD-ROM)、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(Central ProcessingUnit,CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RandomAccess Memory,RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(Phase-change Random AccessMemory,PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(Digital Video Disc,DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (7)
1.一种基于AI的简历信息处理方法,其特征在于,适用于配置有AI服务模块的求职端,所述AI服务模块至少用于执行所述简历信息处理方法,所述简历信息处理方法包括:
响应于在所述求职端提供的AI交互页面上的简历处理操作,确定所述求职端对应的求职用户的显式求职需求信息,所述显式求职需求信息由所述求职用户输入或者从所述求职用户的已发布简历信息中获取;
根据所述求职用户的标识信息,获取所述求职用户在历史求职过程中的目标求职记录信息,所述目标求职记录信息至少包括:历史求职过程中与招聘用户的目标沟通信息以及针对历史岗位和/或招聘用户的目标搜索信息;
将所述目标求职记录信息输入至AI语言模型,采用预先生成的第一提示模板,对所述目标沟通信息进行解析,得到所述求职用户和所述招聘用户分别对应的第一交互信息和第二交互信息,所述第一提示模板中至少包括求职用户和招聘用户相关的提示信息;
从所述第一交互信息和所述第二交互信息中,提取与目标简历信息适配的目标交互信息;
从所述目标交互信息中解析出招聘用户的至少一个问题信息,以及求职用户针对所述至少一个问题进行答复得到的至少一个答案信息,以得到至少一个第一问答对;
采用预先生成的第二提示模板对所述目标搜索信息进行解析,得到与所述目标简历信息适配的至少一个搜索关键字;根据所述搜索关键字生成至少一个第二问答对;所述第二提示模板中至少包括与求职相关的提示信息;
根据所述至少一个第一问答对和至少一个第二问答对,生成所述求职用户的隐式求职需求信息;
在所述显式求职需求信息的基础上,增加表达所述隐式求职需求信息和所述显式求职需求信息的问答对,以得到所述目标简历信息;以及
响应于在所述AI交互页面上的岗位筛选操作,根据所述目标简历信息,从已发布的岗位信息中筛选与所述求职用户适配的至少一个候选岗位信息;针对任一候选岗位信息,基于所述AI语言模型,模拟所述求职端与所述任一候选岗位信息对应的招聘端进行至少一个轮次的交互。
2.根据权利要求1所述的方法,其特征在于,还包括:
发布所述目标简历信息;
在招聘端向求职端针对所述目标简历信息发起交互的情况下,基于AI语言模型模拟所述求职端与所述招聘端进行至少一个轮次的交互。
3.根据权利要求1所述的方法,其特征在于,根据所述求职用户的标识信息,获取所述求职用户在历史求职过程中的目标求职记录信息,包括:
根据所述求职用户的标识信息,获取所述求职用户的历史沟通记录和历史搜索记录;
根据招聘用户的属性信息、招聘用户的账户类型信息以及与目标简历信息适配设定内容类型中的至少一种,从所述历史沟通记录中选择与招聘用户相关的信息作为目标沟通信息;
从所述历史搜索记录中选择与历史岗位和/或招聘用户相关的信息作为目标搜索信息。
4.根据权利要求1或2所述的方法,其特征在于,还包括:
将所述至少一个轮次的交互信息作为目标求职记录信息;
将所述目标求职记录信息输入至AI语言模型中进行数据挖掘,得到新的隐式求职需求信息;
根据所述新的隐式求职需求信息,对所述目标简历信息进行更新。
5.一种基于AI的简历信息处理装置,其特征在于,所述装置包括:AI服务模块,所述AI服务模块,用于:
响应于在求职端提供的AI交互页面上的简历处理操作,确定所述求职端对应的求职用户的显式求职需求信息,所述显式求职需求信息由所述求职用户输入或者从所述求职用户的已发布简历信息中获取;
根据所述求职用户的标识信息,获取所述求职用户在历史求职过程中的目标求职记录信息,所述目标求职记录信息至少包括:历史求职过程中与招聘用户的目标沟通信息以及针对历史岗位和/或招聘用户的目标搜索信息;
将所述目标求职记录信息输入至AI语言模型,采用预先生成的第一提示模板,对所述目标沟通信息进行解析,得到所述求职用户和所述招聘用户分别对应的第一交互信息和第二交互信息,所述第一提示模板中至少包括求职用户和招聘用户相关的提示信息;
从所述第一交互信息和所述第二交互信息中,提取与目标简历信息适配的目标交互信息;
从所述目标交互信息中解析出招聘用户的至少一个问题信息,以及求职用户针对所述至少一个问题进行答复得到的至少一个答案信息,以得到至少一个第一问答对;
采用预先生成的第二提示模板对所述目标搜索信息进行解析,得到与所述目标简历信息适配的至少一个搜索关键字;根据所述搜索关键字生成至少一个第二问答对;所述第二提示模板中至少包括与求职相关的提示信息;
根据所述至少一个第一问答对和至少一个第二问答对,生成所述求职用户的隐式求职需求信息;
在所述显式求职需求信息的基础上,增加表达所述隐式求职需求信息和所述显式求职需求信息的问答对,以得到所述目标简历信息;以及
响应于在所述AI交互页面上的岗位筛选操作,根据所述目标简历信息,从已发布的岗位信息中筛选与所述求职用户适配的至少一个候选岗位信息;针对任一候选岗位信息,基于所述AI语言模型,模拟所述求职端与所述任一候选岗位信息对应的招聘端进行至少一个轮次的交互。
6.一种基于AI的简历信息处理设备,其特征在于,包括:存储器和处理器;所述存储器,用于存储AI服务模块对应的计算机程序;所述处理器,与所述存储器耦合,用于执行所述计算机程序,以实现权利要求1-4中任一项所述的方法。
7.一种存储有计算机程序的计算机可读存储介质,其特征在于,当所述计算机程序被处理器执行时,致使所述处理器实现权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311120694.8A CN117455430B (zh) | 2023-08-31 | 2023-08-31 | 基于ai的简历信息处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311120694.8A CN117455430B (zh) | 2023-08-31 | 2023-08-31 | 基于ai的简历信息处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117455430A CN117455430A (zh) | 2024-01-26 |
CN117455430B true CN117455430B (zh) | 2024-05-17 |
Family
ID=89595494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311120694.8A Active CN117455430B (zh) | 2023-08-31 | 2023-08-31 | 基于ai的简历信息处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117455430B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117933953A (zh) * | 2024-03-21 | 2024-04-26 | 北京五八信息技术有限公司 | 线上求职的会话方法、装置、电子设备及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050532A (zh) * | 2014-06-19 | 2014-09-17 | 高海逵 | 简历生成方法及简历生成*** |
CN104252517A (zh) * | 2014-01-08 | 2014-12-31 | 五八同城信息技术有限公司 | 基于语音识别和云标签的简历推荐*** |
CN105894253A (zh) * | 2016-05-09 | 2016-08-24 | 陈包容 | 一种实现求职需求自动推送的方法及装置 |
CN108664587A (zh) * | 2018-05-07 | 2018-10-16 | 嘉善在线信息科技有限公司 | 基于关键词组合生成、完善、搜索简历的方法及*** |
CN110069603A (zh) * | 2019-04-17 | 2019-07-30 | 北京军融英杰信息技术服务有限公司 | 简历快速处理方法、装置及电子设备 |
CN112541329A (zh) * | 2019-09-20 | 2021-03-23 | 上海大岂网络科技有限公司 | 简历创建方法、装置、电子设备 |
KR102368188B1 (ko) * | 2021-11-29 | 2022-03-02 | (주)올워크 | 인공지능 기반 직업 매칭 시스템 |
KR102416684B1 (ko) * | 2020-12-29 | 2022-07-06 | (주)올워크 | 인공지능 기반 이력서/구인요청서 작성 지원 시스템 |
CN115617960A (zh) * | 2021-07-13 | 2023-01-17 | 上海近屿智能科技有限公司 | 一种岗位推荐方法及装置 |
CN117057762A (zh) * | 2023-08-31 | 2023-11-14 | 北京五八信息技术有限公司 | 基于ai的岗位信息处理方法、装置、设备及存储介质 |
CN117094690A (zh) * | 2023-08-31 | 2023-11-21 | 北京五八信息技术有限公司 | 信息处理方法、电子设备及存储介质 |
CN117151662A (zh) * | 2023-08-31 | 2023-12-01 | 北京五八信息技术有限公司 | 基于ai的岗位信息处理方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230109692A1 (en) * | 2021-10-12 | 2023-04-13 | Tata Consultancy Services Limited | Method and system for providing assistance to interviewers |
-
2023
- 2023-08-31 CN CN202311120694.8A patent/CN117455430B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252517A (zh) * | 2014-01-08 | 2014-12-31 | 五八同城信息技术有限公司 | 基于语音识别和云标签的简历推荐*** |
CN104050532A (zh) * | 2014-06-19 | 2014-09-17 | 高海逵 | 简历生成方法及简历生成*** |
CN105894253A (zh) * | 2016-05-09 | 2016-08-24 | 陈包容 | 一种实现求职需求自动推送的方法及装置 |
CN108664587A (zh) * | 2018-05-07 | 2018-10-16 | 嘉善在线信息科技有限公司 | 基于关键词组合生成、完善、搜索简历的方法及*** |
CN110069603A (zh) * | 2019-04-17 | 2019-07-30 | 北京军融英杰信息技术服务有限公司 | 简历快速处理方法、装置及电子设备 |
CN112541329A (zh) * | 2019-09-20 | 2021-03-23 | 上海大岂网络科技有限公司 | 简历创建方法、装置、电子设备 |
KR102416684B1 (ko) * | 2020-12-29 | 2022-07-06 | (주)올워크 | 인공지능 기반 이력서/구인요청서 작성 지원 시스템 |
CN115617960A (zh) * | 2021-07-13 | 2023-01-17 | 上海近屿智能科技有限公司 | 一种岗位推荐方法及装置 |
KR102368188B1 (ko) * | 2021-11-29 | 2022-03-02 | (주)올워크 | 인공지능 기반 직업 매칭 시스템 |
CN117057762A (zh) * | 2023-08-31 | 2023-11-14 | 北京五八信息技术有限公司 | 基于ai的岗位信息处理方法、装置、设备及存储介质 |
CN117094690A (zh) * | 2023-08-31 | 2023-11-21 | 北京五八信息技术有限公司 | 信息处理方法、电子设备及存储介质 |
CN117151662A (zh) * | 2023-08-31 | 2023-12-01 | 北京五八信息技术有限公司 | 基于ai的岗位信息处理方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
58同城 AI Lab 2022 年度回顾——一份AI中台产品应用手册;詹坤林;, https://maimai.cn/article/detail?fid=1769550390&efid=ufBOJ1vIOPU_M QesVPQIjQ;20230120;1-14 * |
Object-Centric Representation Learning for Video Question Answering [arXiv];Long Hoang Dang等;arXiv;20210411;8 * |
复试、求职、订票有它们谁还敢说难;Dream;;电脑爱好者;20080301(05);51 * |
Also Published As
Publication number | Publication date |
---|---|
CN117455430A (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9262175B2 (en) | Systems and methods for storing record of virtual agent interaction | |
US9276802B2 (en) | Systems and methods for sharing information between virtual agents | |
US9148394B2 (en) | Systems and methods for user interface presentation of virtual agent | |
US9659298B2 (en) | Systems and methods for informing virtual agent recommendation | |
US9560089B2 (en) | Systems and methods for providing input to virtual agent | |
US9679300B2 (en) | Systems and methods for virtual agent recommendation for multiple persons | |
US10958457B1 (en) | Device control based on parsed meeting information | |
US20140164532A1 (en) | Systems and methods for virtual agent participation in multiparty conversation | |
US20140164953A1 (en) | Systems and methods for invoking virtual agent | |
US20170277993A1 (en) | Virtual assistant escalation | |
CN112470454A (zh) | 使用话音和文本的同步通信 | |
CN110022258B (zh) | 一种即时通信的会话控制方法及装置、电子设备 | |
WO2014093339A1 (en) | System and methods for virtual agent recommendation for multiple persons | |
CN109564530A (zh) | 提供具有可选择的可遍历的状态机的个人辅助模块 | |
CN117151662A (zh) | 基于ai的岗位信息处理方法、装置、设备及存储介质 | |
CN117455430B (zh) | 基于ai的简历信息处理方法、装置、设备及存储介质 | |
CN113228074A (zh) | 通过人工智能进行紧急性和情绪状态匹配以用于自动安排 | |
CN110992948B (zh) | 基于多轮语音交互的餐厅预订方法及终端 | |
CN116049360A (zh) | 基于客户画像的智能语音对话场景话术干预方法及*** | |
US20230214737A1 (en) | Workforce response based event management methods and systems | |
CN117057762A (zh) | 基于ai的岗位信息处理方法、装置、设备及存储介质 | |
CN116569197A (zh) | 在协作会话中的用户提升 | |
CN115982331A (zh) | 会话场景中的信息交互方法、装置及设备 | |
CN113724036A (zh) | 提供问题咨询服务的方法及电子设备 | |
CN117094690A (zh) | 信息处理方法、电子设备及存储介质 |
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 |