【技术实现步骤摘要】
本专利技术涉及岗位管理系统，具体为一种基于微信社交关系的智能岗位推荐系统。
技术介绍
1、岗位推荐系统是一个复杂而有效的工具，旨在帮助求职者快速、准确地找到符合其个人背景和职业期望的岗位。
2、现有的岗位推荐系统主要指各个求职平台，通过对求职者的简历和求职意向进行分析，以筛选推荐合适的岗位。
3、公告号cn112308535b公开了基于知识图谱的岗位选择评估推荐方法及系统。该方法包括：以知识图谱的形式显示多个岗位以及每个岗位对应的岗位特征；获取所述知识图谱中被用户选择的意向岗位和被用户选择的意向岗位特征；根据所述意向岗位和意向岗位特征、预设的多个招聘岗位各自对应的就职人员必需特征和招聘岗位特征、以及所述用户的个人特征，确定在所述多个招聘岗位中针对所述用户的推荐岗位；输出针对所述用户的推荐岗位。
4、如上专利示出了目前的大部分求职平台的岗位推荐类型，即均是被动的按照求职者选择的岗位类别，将所有属于该类别的岗位进行推荐，不能较为准确的分析求职者感兴趣的岗位，而推荐的岗位众多，会混杂有很多不适合求职者的岗位，其中可能还混有很多求职者不喜欢的岗位，因此在大量的招聘信息轰炸下，会打击求职者的积极性，进而可能会忽略掉可能较为适合求职者的岗位信息。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种基于微信社交关系的智能岗位推荐系统，解决了现有的岗位推荐系统不能较为准确的分析求职者感兴趣的岗位进行推荐的问题。
2、为实现以上目的，本专利技术
3、用户端，为供用户登录查询岗位的客户端，并为用户推荐岗位；
4、企业端，为供企业上传招聘信息的客户端；
5、信息处理单元，用于从用户端获取用户个人登记信息，并通过授权后获取用户的微信社交信息，通过对微信社交信息分析以提取适合用户的岗位信息，并在提取所需的岗位信息后删除获取的微信社交信息；
6、隐私保护单元，用于对从用户端获取的信息进行隐私保护；
7、云数据库，用于直接储存企业端信息和储存通过隐私保护单元加密后的用户端的信息；
8、所述用户端包括：
9、用户访问平台，为用户提供注册登录、填报信息、查询岗位、编辑投递简历、与企业沟通的基础功能；
10、用户编辑模块，供用户对推荐的岗位类型进行调整；
11、岗位推荐模块，用于为用户推荐经过信息处理单元分析后的适合用户的岗位。
12、优选的，所述信息处理单元包括：
13、信息获取模块，从用户端获取用户的注册信息以及填写的简历信息，并在获取权限后从用户微信账户中获取用户的微信聊天信息、朋友圈信息和好友信息；
14、信息分析模块，用于对信息获取模块获取的用户信息分析适合的岗位进行后续的推荐。
15、优选的，所述信息分析模块的信息分析过程包括：
16、步骤a1，通过用户在用户端登记的个人信息，智能分析有关联的岗位，并对初步获取的岗位信息提取关键词；
17、步骤a2，遍历获取的微信聊天信息，提取出与关联关键词集合ai一致的词汇，并获取词汇对应的聊天记录至聊天结束为止；
18、步骤a3，使用基于pad的三维情感模型，对截取的聊天记录分析词汇，判断对岗位的情绪状态，进而判断是否对聊天记录中涉及的岗位有意向；
19、步骤a4，通过聊天记录获取与好友聊天的对话频率和对话次数，对话频率按照对话的天数记录确定，对话次数按照对话语句的数量确定；综合考虑两项参数，评判好友亲密度并列表排序；
20、步骤a5，分析与亲密好友列表中的好友聊天记录中提到的岗位，以及获取亲密好友朋友圈信息涉及的岗位信息，分析亲密好友可能所处的岗位；
21、步骤a6，结合步骤a3和步骤a5，总结提取出的为用户推荐的岗位信息。
22、优选的，所述步骤a1中，建立岗位关键词集合a（a1，a2，...，an），并对每个岗位关键词ai列举若干个关联关键词建立关联关键词集合ai（ai1，ai2，...，aim）。
23、优选的，所述步骤a2中，记录出现关联关键词的聊天记录出现的时间戳t，并持续获取后续聊天记录的时间，对聊天记录间隔时间求取差值，设相邻两条聊天记录的时间戳分别为ts和ts+1，聊天中断时间阈值为tz，在聊天中断的时长达到设定的聊天中断时间阈值，即f(ts+1-ts)≥tz时，停止获取聊天记录，其中f（）为将时间差转换为分钟的函数。
24、优选的，所述步骤a4中，好友亲密度计算包括：
25、好友亲密度基于对话频率和对话次数，并结合各自的权重来计算，设好友亲密度为i，具体公式如下：
26、i=df×wf+dc×wc；
27、其中，df表示对话频率，直接统计与好友进行对话的天数；
28、dc表示对话次数，统计与好友进行对话的语句总数；
29、wf和wc是根据实际需求设定的权重值，并以百分比形式表示，且wf+wc=100%，wf和wc的具体比值默认由系统设置，或设置供用户调整的选项；
30、列表排序包括：
31、根据计算出的好友亲密度i的大小顺序，对好友进行排序，建立亲密好友列表，亲密度高的好友排在前面，且亲密好友列表设定n行，仅保留前n个好友进行记录。
32、优选的，所述步骤a5包括：
33、步骤b1：收集与整理信息
34、b1.1收集聊天记录：导出与亲密好友的聊天记录，获取与岗位相关的对话；
35、b1.2收集朋友圈信息：浏览并收集亲密好友的朋友圈动态；
36、b1.3信息整理：将收集到的信息整理成文本格式，便于后续分析；
37、步骤b2：关键词提取与分析
38、b2.1关键词提取：使用文本挖掘技术从聊天记录和朋友圈文本中提取与岗位相关的关键词；
39、b2.2关键词频率分析：统计每个关键词出现的频率，频率越高的关键词越能代表好友所处的岗位或行业；
40、步骤b3：如果有多条聊天记录或朋友圈信息，使用朴素贝叶斯分类器来预测好友所处的岗位；这需要一些已标记的岗位数据作为训练集。
41、优选的，所述步骤b3中的具体计算步骤为：
42、b3.1数据准备：收集已标记的岗位数据作为训练集；
43、b3.2文本预处理：对文本进行清洗、分词、词干提取或词形还原；
44、b3.3特征提取：从文本中提取特征，使用词袋模型或tf-idf方法；
45、b3.4训练朴素贝叶斯分类器：使用训练数据和对应的岗位标签来训练分类器；
46、b3.5预测：对于新的文本，使用朴素贝叶斯分类器进行岗位预测；
47、具体地，对于一个新的、未被标记的样本判断其最可能属于哪个类别，通过朴素贝叶本文档来自技高网...
【技术保护点】
1.一种基于微信社交关系的智能岗位推荐系统，其特征在于，包括：
2.根据权利要求1所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述信息处理单元包括：
3.根据权利要求2所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述信息分析模块的信息分析过程包括：
4.根据权利要求3所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述步骤A1中，建立岗位关键词集合A（A1，A2，...，An），并对每个岗位关键词Ai列举若干个关联关键词建立关联关键词集合Ai（Ai1，Ai2，...，Aim）。
5.根据权利要求3所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述步骤A2中，记录出现关联关键词的聊天记录出现的时间戳T，并持续获取后续聊天记录的时间，对聊天记录间隔时间求取差值，设相邻两条聊天记录的时间戳分别为TS和TS+1，聊天中断时间阈值为TZ，在聊天中断的时长达到设定的聊天中断时间阈值，即F(TS+1-TS)≥TZ时，停止获取聊天记录，其中F（）为将时间差转换为分钟的函数。
6.根据权利
7.根据权利要求3所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述步骤A5包括：
8.根据权利要求7所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述步骤B3中的具体计算步骤为：
9.根据权利要求1所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述隐私保护单元包括保密条例和隐私信息保密措施，所述保密条例用于展示于用户查看，并为系统提供法律约束，所述隐私信息保密措施用于对用户信息进行隐私保护。
10.根据权利要求9所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述隐私信息保密措施包括：在收集用户信息之前，获取用户的授权；限制获取信息的内容，并在单次获取信息后记录获取的时间段，在提取出所需的岗位信息后，将获取的数据删除；对收集到的用户信息进行匿名化处理；对敏感信息进行加密存储，并实行数据隔离策略；制定保密条例；定期对系统进行安全漏洞扫描和风险评估。
...【技术特征摘要】
1.一种基于微信社交关系的智能岗位推荐系统，其特征在于，包括：
2.根据权利要求1所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述信息处理单元包括：
3.根据权利要求2所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述信息分析模块的信息分析过程包括：
4.根据权利要求3所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述步骤a1中，建立岗位关键词集合a（a1，a2，...，an），并对每个岗位关键词ai列举若干个关联关键词建立关联关键词集合ai（ai1，ai2，...，aim）。
5.根据权利要求3所述的一种基于微信社交关系的智能岗位推荐系统，其特征在于：所述步骤a2中，记录出现关联关键词的聊天记录出现的时间戳t，并持续获取后续聊天记录的时间，对聊天记录间隔时间求取差值，设相邻两条聊天记录的时间戳分别为ts和ts+1，聊天中断时间阈值为tz，在聊天中断的时长达到设定的聊天中断时间阈值，即f(ts+1-ts)≥tz时，停止获取聊天记录，其中f（）为将时间差转换为分钟的函数。
【专利技术属性】
技术研发人员：吴业强，
申请(专利权)人：北京位来小猎科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。