一种岗位推荐方法、计算设备及存储介质技术

本申请公开了一种岗位推荐方法，属于数据处理技术领域，该方法包括：获取学生数据和岗位数据，学生数据包括学生的基本信息、行为数据和成绩数据，岗位数据包括企业的岗位基本信息和岗位能力需求信息；将学生的基本信息与岗位基本信息进行相似度匹配，得到第一排序结果；基于学生的行为数据和成绩数据生成学生能力画像；将学生能力画像和岗位能力需求信息进行匹配，基于匹配结果对第一排序结果进行筛选和修正，得到第二排序结果；基于第二排序结果向学生推荐匹配岗位或者向企业推荐匹配学生。本方案能够便捷地获取学生行为数据，提高对学生能力判断的准确性，进而提高岗位匹配的准确度。度。度。

【技术实现步骤摘要】
一种岗位推荐方法、计算设备及存储介质


[0001]本专利技术涉及人才招聘
，尤其是涉及一种岗位推荐方法、计算设备及存储介质。

技术介绍

[0002]在毕业生招聘中，企业需要从大量候选简历中，根据学生的简历内容和岗位需求进行匹配，进行初步筛选。筛选出来的学生，还需要经过几轮面试，才能确认学生是否适合岗位。整个过程耗时耗力，初筛仅通过简历文字描述和岗位需求进行匹配，比较片面，也可能会漏掉合适的人选。
[0003]人岗匹配是一个双向动态过程，现有岗位推荐系统不能从多维度评估学生的多个方面的能力，也没有针对企业岗位对学生各方面能力的具体需求进行挖掘，求职人与岗位之间，缺乏精确匹配和深度理解。
[0004]因此，需要一种岗位推荐方法，能够更加便捷地获取学生多方面的能力评估，提高人岗匹配的准确度。

技术实现思路

[0005]针对现有技术中的缺陷，本方案提供了一种岗位推荐方法，能够利用学生在数字化教学平台中的行为数据对学生多个方面的能力进行评价，并基于企业岗位对学生能力的具体需求进行多维度的匹配，提高人岗匹配的准确度。
[0006]根据本专利技术的第一方面，提供了一种岗位推荐方法，包括：首先，获取学生数据和岗位数据，学生数据包括学生的基本信息、行为数据和成绩数据，岗位数据包括企业的岗位基本信息和岗位能力需求信息；然后，将学生的基本信息与岗位基本信息进行相似度匹配，得到第一排序结果；接着，基于学生的行为数据和成绩数据生成学生能力画像；随后，将学生能力画像和岗位能力需求信息进行匹配，基于匹配结果对第一排序结果进行筛选和修正，得到第二排序结果；基于第二排序结果向学生推荐匹配岗位或者向企业推荐匹配学生。
[0007]通过采用上述技术方案，不仅仅依据简历中的基本信息，通过获取学生行为数据、成绩数据，能够对学生多方面的能力进行准确评估，通过对岗位具体能力需求进行挖掘，能够准确把握岗位对人才能力的需求；通过多维度匹配，能够提高人岗匹配的准确性。
[0008]可选地，在上述方法中，学生基本信息包括学历、专业、自评信息、经历信息和求职意向，求职意向包括期望岗位名称、期望薪资、期望职业内容；学生行为数据包括学生在教学云平台上登录数据、浏览数据，成绩数据包括学生在教学平台上的理论课成绩、实验成绩、实训成绩、日常作业成绩、奖励信息。
[0009]通过上述技术方案，借助数字化教学平台，通过获取学生在教学平台中的理论课考试成绩、实训成绩、实验成绩、日常作业成绩、奖励信息等，能够对学生能力等级进行量化，作为学生能力画像的基础数据。
[0010]可选地，在上述方法中，岗位基本信息包括岗位名称、薪资范围、岗位职责描述、岗
位学历要求、岗位专业要求、岗位技能要求、岗位偏好性格；岗位能力需求信息包括岗位对学生行动力、学习能力、实践能力、创新能力的等级需求。
[0011]通过上述技术方案，与企业深度合作，能够分析除岗位硬性要求之外的能力需求，例如学习能力、创新能力、偏好性格等，能够将关键词没有匹配到但是能力符合的应聘者们挑选出来。
[0012]可选地，在上述方法中，基于doc2vector模型计算学生基本信息与岗位基本信息之间的文本相似度；基于文本相似度对与学生基本信息匹配的岗位进行排序以及对与岗位基本信息匹配的学生进行排序，得到第一排序结果。
[0013]可选地，在上述方法中，基于学生每个学期在教学云平台上的平均每天登录次数、理论课考试平均分、实训成绩平均分、日常作业成绩平均分、奖励次数，对学生能力分别进行等级划分，得到学生学习行动力等级、学习能力等级、实践能力等级、创新能力等级；将学生的行动力等级、学习能力等级、实践能力等级、创新能力等级作为学生能力画像。
[0014]可选地，在上述方法中，可以分别将学生学习行动力等级、学习能力等级、实践能力等级、创新能力等级与岗位所需的能力等级进行匹配，得到与岗位能力需求匹配的学生；根据与岗位能力需求匹配的学生，对第一排序结果中与学生基本信息匹配的岗位和与岗位基本信息匹配的学生进行筛选和修正，得到第二排序结果。
[0015]可选地，在上述方法中，还可以获取达成面试邀约的学生数据和岗位数据；将达成面试邀约的学生数据和岗位数据输入预先构建的岗位推荐模型中进行训练，得到训练好的岗位匹配模型。
[0016]通过上述技术方案，一旦对企业推荐学生和对学生推荐的企业达成面试邀约，可以作为新数据输入模型，持续训练岗位匹配模型。
[0017]可选地，在上述方法中，获取岗位推荐后的反馈数据，反馈数据包括应聘人员对推荐岗位的感兴趣程度、招聘岗位对推荐人员的感兴趣程度、面试结果；基于反馈数据对岗位推荐模型优化，将学生数据和岗位数据输入优化后的岗位推荐模型，得到岗位推荐结果。
[0018]第二方面，本申请提供一种计算设备，采用如下技术方案：一种计算设备，包括存储器、处理器以及储存在存储器上并可在处理器上运行的计算机程序，处理器执行如第一方面中任一所述的岗位推荐方法。
[0019]第三方面，本申请提供一种计算机可读存储介质，采用如下技术方案：一种计算机可读存储介质，包括存储有能够被处理器加载并执行如第一方面任一种岗位推荐方法的计算机程序。
[0020]通过上述方案，在获取学生数据时，不仅仅依据简历中的基本信息，还获取学生在教学云平台中的行为数据、成绩数据，能够对学生多方面的能力进行准确评估，在获取岗位数据时，通过对岗位具体能力需求进行挖掘，能够准确把握岗位对人才能力的需求；通过多维度匹配，能够提高人岗匹配的准确性，提升招聘效率和求职效率。
附图说明
[0021]图1示出了根据本专利技术一个实施例的岗位推荐方法100的流程示意图；图2示出了根据本专利技术一个实施例的学生数据和岗位数据匹配流程示意图；图3示出了根据本专利技术一个实施例的计算设备300的结构图。
具体实施方式
[0022]下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0023]目前招聘系统中用人单位仅能通过毕业生提交的求职材料了解学生基本信息，缺少对学生在校期间学习表现的查询途径和方法，不能有效判断学生能力和职业素养。并且招聘网站中提供的岗位非常丰富，求职者很难快速在丰富的岗位中找到与自身匹配的岗位。
[0024]而随着高校数字化教学平台的构建，学生可以在教学云平台上完成学、评、测、练的人才培养全过程，并可完成实验教学、实训教学、在线考试、毕业设计、专业认证等教学场景，校企双方可以共同开展课程共建及学生实训。
[0025]为了实现“互联网+就业”模式，本方案提供一种岗位推荐方法，能够根据学生在校期间在教学云平台上的行为数据、成绩、日常表现等对学生多方面的能力进行评估，并根据用人单位对人才能力的具体需求，进行多维度的匹配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种岗位推荐方法，适于在计算设备中执行，其特征在于，包括：获取学生数据和岗位数据，所述学生数据包括学生的基本信息、行为数据和成绩数据，所述岗位数据包括企业的岗位基本信息和岗位能力需求信息；将学生的基本信息与岗位基本信息进行相似度匹配，得到第一排序结果；基于学生的行为数据和成绩数据生成学生能力画像；将所述学生能力画像和岗位能力需求信息进行匹配，基于匹配结果对所述第一排序结果进行筛选和修正，得到第二排序结果；基于所述第二排序结果向学生推荐匹配岗位或者向企业推荐匹配学生。2.根据权利要求1所述的岗位推荐方法，其特征在于，所述学生基本信息包括学历、专业、自评信息、经历信息和求职意向，所述求职意向包括期望岗位名称、期望薪资、期望职业内容；所述学生行为数据包括学生在教学云平台上登录数据、浏览数据，所述成绩数据包括学生在教学平台上的理论课成绩、实验成绩、实训成绩、日常作业成绩、奖励信息。3.根据权利要求1所述的岗位推荐方法，其特征在于，所述岗位基本信息包括岗位名称、薪资范围、岗位职责描述、岗位学历要求、岗位专业要求、岗位技能要求、岗位偏好性格；所述岗位能力需求信息包括岗位对学生行动力、学习能力、实践能力、创新能力的等级需求。4.根据权利要求1所述的岗位推荐方法，其特征在于，所述将学生的基本信息与岗位基本信息进行相似度匹配，得到第一排序结果的步骤包括：基于doc2vector模型计算学生基本信息与岗位基本信息之间的文本相似度；基于文本相似度对与学生基本信息匹配的岗位进行排序以及对与岗位基本信息匹配的学生进行排序，得到第一排序结果。5.根据权利要求2所述的岗位推荐方法，其特征在于，所述基于学生行为数据和成绩数据生成学生能力画像的步骤包括：基于学生每个学期在教学云平台上的平均每天登...

【专利技术属性】
技术研发人员：楚连瑞，孙凯亮，郭晓丹，刘全，李战军，
申请(专利权)人：青软创新科技集团股份有限公司，
类型：发明
国别省市：