一种基于人才数据的招聘服务方法技术

本发明专利技术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

【技术实现步骤摘要】
一种基于人才数据的招聘服务方法


[0001]本专利技术属于人才招聘
，具体涉及一种基于人才数据的招聘服务方法。

技术介绍

[0002]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习的方方面面。简历信息也是这些海量数据中的一部分，招聘是人力资源管理中重要的工作之一，其中简历筛选是招聘的第一环节，目前利用网络招聘平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。
[0003]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。

技术实现思路

[0004]本专利技术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
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于人才数据的招聘服务方法，包括有以下步骤：
[0006]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；
[0007]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；
[0008]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；
[0009]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；
[0010]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。
[0011]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。
[0012]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。
[0013]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。
[0014]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。
[0015]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。
[0016]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。
[0017]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。
[0018]与现有技术相比，本专利技术的有益效果是：
[0019](1)本专利技术通过组合法、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。
[0020](2)本专利技术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
[0021]图1为本专利技术的服务方法步骤结构示意图。
具体实施方式
[0022]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0023]请参阅图1，本专利技术提供一种技术方案：一种基于人才数据的招聘服务方法，包括有以下步骤：
[0024]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；
[0025]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；
[0026]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，然后通过组合本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：陈契宪，
申请(专利权)人：上海腾竞商务咨询有限公司，
类型：发明
国别省市：