职位投递时长预估的方法、系统及电子设备技术方案

本申请实施例提供一种职位投递时长预估的方法、系统及电子设备。其中，方法包括：获取待预估第一职位的画像特征；获取投递时长预估模型；利用所述投递时长预估模型，对所述第一职位的画像特征进行分析，得到所述第一职位发布后初次被投递时对应的投递时长；将所述投递时长发送至客户端，以显示在所述客户端的界面上。采用本申请实施例提供的技术方案，能够精准地预估出职位发布后初次被投递的时长，实现了职位投递快慢的量化，从而方便于职位发布方结合预估情况对发布后的职位作出对应的调整动作。

【技术实现步骤摘要】
职位投递时长预估的方法、系统及电子设备
本申请涉及计算机
，尤其涉及一种职位投递时长预估的方法、系统、装置、电子设备及计算机可读存储介质。
技术介绍
随着智能设备的普及和互联网技术的发展，越来越多的招聘者通过网络发布职位来寻找求职人员，而求职人员则可以依据职位要求并结合自身实际情况来从网络中筛选出适合自己的职位进行投递。不过在实际中，由于职位的需求比或职位的发布时间等情况不同，往往职位发布后被首次投递的快慢也不同。现有技术中，还未存在针对职位发布后首次被投递时对应的投递时长的相关研究，即职位投递时长并没有被量化，因此职位发布方无法基于职位投递时长对发布后的职位进行管理。
技术实现思路
鉴于上述问题，本申请提供一种解决上述问题或至少部分地解决上述问题的职位投递时长预估方法及系统、装置、电子设备及计算机可读存储介质。在本申请的一个实施例中，提供了一种职位投递时长预估的方法。该方法，包括：获取待预估第一职位的画像特征；获取投递时长预估模型；利用所述投递时长预估模型，对所述第一职位的画像特征进行分析，得到所述第一职位发布后初次被投递时对应的投递时长；将所述投递时长发送至客户端，以显示在所述客户端的界面上。在本申请的一实施例中，提供了一种职位投递时长预估系统。该系统包括：客户端，用于响应于用户针对待预估第一职位触发的输入事件，将用户输入的所述第一职位的描述信息发送至服务端；服务端，用于接收所述客户端发送的第一职位的描述信息，从所述描述信息中提取所述第一职位的画像特征；获取投递时长预估模型；利用所述投递时长预估模型，对所述第一职位的画像特征进行分析，得到所述第一职位发布后初次被投递时对应的投递时长；并将所述投递时长反馈至所述客户端。在本申请的一实施例中，提供了一种职位投递时长预估装置。该装置包括：第一获取模块，用于获取待预估第一职位的画像特征；第二获取模块，用于获取投递时长预估模型；分析模块，用于利用所述投递时长预估模型，对所述第一职位的画像特征进行分析，得到所述第一职位发布后初次被投递时对应的投递时长。发送模块，用于将所述投递时长发送至客户端，以显示在所述客户端的界面上。在本申请的一个实施例中，提供了一种电子设备。该电子设备包括：存储器和处理器，其中，所述存储器，用于存储程序；所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以用于：获取待预估第一职位的画像特征；获取投递时长预估模型；利用所述投递时长预估模型，对所述第一职位的画像特征进行分析，得到所述第一职位发布后初次被投递时对应的投递时长；将所述投递时长发送至客户端，以显示在所述客户端的界面上。在本申请的一个实施例中，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，所述程序被处理器执行时实现本申请实施例所述的职位投递时长预估方法的步骤。本申请实施例提供的技术方案，在获取到待预估第一职位的画像特征后，通过利用已训练好的投递时长预估模型对所述第一职位的画像特征进行分析，便可得到所述第一职位发布后初次被投递时对应的投递时长，此外还可以进一步地将所述投递时长发送至客户端，以显示在所述客户端的界面上。方案中投递时长预估模型是基于大量样本职位相关数据进行训练得到的，为此能够精准地预估出职位发布后初次被投递时对应的投递时长，实现了职位投递快慢的量化，从而方便于职位发布方结合预估投递时长情况对发布后的职位作出对应的调整动作，比如，删减或修改职位的一些要求特征，以降低职位招聘难度；或者，删减或修改职位的一些要求特征，以提高职位招聘难度。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要利用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本申请一实施例提供的职位投递时长预估方法的流程示意图；图2a为本申请一实施例提供的职位投递时长预估系统的结构框图；图2b为本申请另一实施例提供的职位投递时长预估系统的具体形式示意图；图3为本申请一实施例提供的职位投递时长预估装置的结构框图；图4为本申请一实施例提供的电子设备的结构框图。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。在本申请的说明书、权利要求书及上述附图中描述的一些流程中，包含了按照特定顺序出现的多个操作，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101、102等，仅仅是用于区分各个不同的操作，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。而本申请中术语“或/和”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如：A或/和B，表示可以单独存在A，同时存在A和B，单独存在B这三种情况；本申请中字符“/”，一般表示前后关联对象是一种“或”关系。此外，下述的各实施例仅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。现有技术中，由于还未存在针对职位发布后首次被投递时对应的投递时长的相关研究，为此职位发布方在发布一职位后，往往只有采取被动等待策略，以等待求职者对该职位进行投递，且在等待求职者度对该职位进行投递期间，职位发布方很难针对发布后的职位做出任何动作。为解决现有技术存在的缺陷，本申请实施例提供了一种职位投递时长预估的方法，其核心在于：获取待预估第一职位的画像特征，基于已训练好的投递时长预估模型，对所述第一职位的画像特征进行分析，以得到所述第一职位发布后初次被投递时对应的投递时长，从而方便于职位发布方基于预估出的投递时长，对发布后的第一职位在不同场景下做出相应的调整动作。以下部分将结合附图对本申请实施例的技术方案进行说明。图1示出了本申请一实施例提供的职位投递时长预估方法的流程示意图。本实施例可适用于预测职位发布后初次被投递时对应的投递时长的应用场景中，该方法可以由职位投递时长的预估装置来执行，所述装置可以通过软件和/或硬件的方式实现，并集成在服务器中；其中，所述服务器为提供职位发布的后台服务器。参考图1所示，本实施例提供的职位投递时长预估方法，具体包括以下步骤：101、获取待预估第一职位的画像特征102、获取投递时长预估模型；103、利用所述投递时长预估模型，对所述第一职位的画像特征进行分析，得到所述第一职位发布后初次本文档来自技高网...

【技术保护点】
1.一种职位投递时长预估的方法，其特征在于，包括：/n获取待预估第一职位的画像特征；/n获取投递时长预估模型；/n利用所述投递时长预估模型，对所述第一职位的画像特征进行分析，得到所述第一职位发布后初次被投递时对应的投递时长；/n将所述投递时长发送至客户端，以显示在所述客户端的界面上。/n

【技术特征摘要】
1.一种职位投递时长预估的方法，其特征在于，包括：
获取待预估第一职位的画像特征；
获取投递时长预估模型；
利用所述投递时长预估模型，对所述第一职位的画像特征进行分析，得到所述第一职位发布后初次被投递时对应的投递时长；
将所述投递时长发送至客户端，以显示在所述客户端的界面上。


2.根据权利要求1所述的方法，其特征在于，所述投递时长预估模型为机器学习模型；以及
获取投递时长预估模型，包括：
对待训练机器学习模型进行训练，得到所述投递时长预估模型。


3.根据权利要求2所述的方法，其特征在于，对待训练机器学习模型进行训练，包括：
获取训练样本；其中，所述训练样本包括：至少一个样本职位的历史画像特征及对应的第一投递时长，与各样本职位相似的第二职位的画像特征及对应的第二投递时长，可用投递者数量；
将所述历史画像特征、所述第二职位的画像特征及所述可用投递者数量作为所述待训练机器学习模型的输入，执行所述机器学习模型得到输出结果；
根据所述输出结果、所述第一投递时长及所述第二投递时长，优化所述机器学习模型。


4.根据权利要求2或3所述的方法，其特征在于，所述机器学习模型包括如下中至少一种：
逻辑回归模型、决策树模型、随机森林模型、支持向量机模型。


5.根据权利要求1所述的方法，其特征在于，所述画像特征包括：职位基本信息、职位发布时间、职位所属行业、薪资范围、工作地点及所属商圈。


6.根据权利要求1所述的方法，其特征在于，获取待预估第一职位的画像特征，包括：
接收用户通过客户端针对所述第一职位发送的描述信息；
从所述描...

【专利技术属性】
技术研发人员：王秋杰，殷海明，
申请(专利权)人：长沙市到家悠享网络科技有限公司，
类型：发明
国别省市：湖南;43