【技术实现步骤摘要】
本专利技术涉及招聘求职，尤其涉及一种大数据人工智能招聘方法。
技术介绍
1、如今越来越多的企业通过网上招聘员工，通过手机招聘软件找工作的人群也是越来越多，现有的招聘软件能够对企业的招聘信息和求职者的个人简历进行信息筛选和匹配，为企业提供大量的符合基本条件的求职者，也会为求职者提供大量的符合基本需求的企业，由于招聘信息和个人简历中的具体内容有限，需要求职者和企业进一步进行私聊，互相进行提问沟通，方便双方获取更多的信息，但是目前的匹配筛选不够精细，后续的询问和沟通量较大，影响招聘和求职进度。
2、公开号为cn115170094b的中国专利技术专利提供了一种大数据人工智能招聘系统及方法，包括以下步骤：调取企业端的聊天信息，对企业端的聊天信息进行分析得到企业问题和企业关键词；调取求职者的聊天信息，对求职者的聊天信息进行分析得到求职者问题和求职者关键词；接收企业端发送的招聘信息，对个人简历进行一次筛选；根据企业筛选条件对剩余求职者的求职者关键词进行二次筛选，将二次筛选后的求职者的个人简历、求职者问题和求职者关键词推送给企业端；接收求职者的求职信息，对企业的招聘信息进行一次筛选；根据求职筛选条件对剩余企业的企业关键词进行二次筛选。
3、但是在现有技术专利中招聘系统获取用户和企业之间的聊天记录获取问题和关键词，但是仅通过聊天记录进行获取信息效率很低且聊天记录中相关信息并不全面，导致在后续推荐过程中精准度降低，准确性下降，无法精准推荐。
技术实现思路
1、本申请通过提供一种
2、本申请提供了一种大数据人工智能招聘方法，所述方法包括：
3、s100：多渠道收集用户和企业数据，对数据进行预处理形成原始数据集，从原始数据集中按照优选准则选取出具有代表性和区分度的问题和回答，形成目标问题集；所述目标问题集包括用户目标问题集和企业目标问题集；
4、s200：获取所述目标问题集，使用用户目标问题集和企业目标问题集分别对新注册的用户和企业进行提问，根据回答形成用户结果集和企业结果集；根据用户结果集和企业结果集分别对用户和企业设定不同的标签，根据标签建立映射关系；
5、s300：接收企业发送的招聘信息，根据招聘信息对所有用户的个人简历进行初次筛选；接收用户发送的求职信息，根据求职信息对所有企业的招聘信息进行初次筛选；根据企业的标签对初次筛选后符合条件的剩余用户进行再次筛选；根据用户的标签对初次筛选后符合条件的企业进行再次筛选；所述再次筛选是根据标签信息建立的映射关系的数目进行筛选，选取映射关系数目多的企业或用户进行推荐，并设置反馈机制，收集反馈结果。
6、进一步地，所述优选准则通过对原始数据集进行相似度分类，对每一类的问题和回答出现的频率进行统计，筛选出频率高于50％的问题和回答作为候选问题集；获取所述候选问题集，对候选问题集进行内容分析，设定评估指标进行评估得到综合评分，选取综合评分高于评分阈值的问题和回答形成目标问题集。
7、进一步地，在步骤s200中，获取所述目标问题集，使用用户目标问题集和企业目标问题集分别对新注册的用户和企业进行提问，所述用户目标问题集和企业目标问题集均包括多个问题树，多个所述问题树均以一个大主题为树根、以问题为节点、以回答作为节点的分支，实时分析用户或企业的回答，根据回答的内容动态调整后续的问题，直至达到最大提问次数；根据用户或企业的回答路径和最终回答设定相应的标签并建立映射关系。
8、进一步地，所述方法还包括s400：获取使用问题树提问时用户或企业的回答内容趋向，为每一个用户或企业绘制专属的趋势变化曲线图，结合再次筛选进行推荐的反馈结果对趋势变化曲线图进行更新，为每个标签设定不同的权重。
9、进一步地，所述趋势变化曲线图以时间变化为横向轴，采用时间戳记录用户和企业在不同时间段的关注点和需求变化，根据时间分布的分析结果，对标签以及标签的权重进行调整；所述分析结果是在预设时间周期内，获取趋势变化曲线图中的峰值和趋势变化。
10、进一步地，根据所述趋势变化曲线图生成用户或企业专属的智能顾问，所述智能顾问获取有关用户或企业的历史数据和趋势变化曲线图进行整合；所述历史数据包括搜索记录、行为数据和登录状态；所述智能顾问根据历史数据的分析和实时数据的变化对趋势变化曲线图进行调整。
11、进一步地，所述智能顾问实时监测用户或企业的登录状态，若检测到状态中断，记录当前时间戳信息，获取中断时间，设定中断时间阈值，若中断时间超过中断时间阈值，则触发回归验证机制；若中断时间不超过中断时间阈值，则依据新登录的实时数据信息更新趋势变化曲线图。
12、进一步地，所述回归验证机制是使用个性化验证集对回归用户或回归企业进行再次验证，所述个性化验证集是对用户或企业的过往需求分析和当前需求预测结合生成，根据过往需求分析生成基础问题，结合当前需求预测生成个性化验证集；所述过往需求分析是智能顾问在用户或企业中断之前收集的数据，所述当前需求预测是依据过往需求分析对用户或企业的需求变化进行预测。
13、进一步地，所述智能顾问包括前瞻性智能顾问和即时性智能顾问，所述前瞻性智能顾问获取用户基础信息进行分析，持续监测获取市场动态和行业趋势，预测未来职业方向和热点领域，构建个性化的发展路径，依据即时性智能顾问中的即时需求和市场反馈调整长期规划；所述即时性智能顾问获取用户即时需求和实时数据，并根据历史分析结果迅速响应，精准捕捉用户的即时需求，并给出建议和解决方案；所述历史分析结果是即时性智能顾问在分析时获取前瞻性智能顾问提供的历史数据并通过协同机制对历史数据进行分析获得。
14、进一步地，所述协同机制采用时间阈值和权重分配形式对历史数据进行深度分析得到历史分析结果，所述时间阈值是设定的时间范围，对历史数据依据时间范围进行划分，分为近期数据、中期数据和远期数据；所述权重分配是对近期数据、中期数据和远期数据的权重进行分配，通过加权平均方法得到历史分析结果。
15、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
16、通过采用多渠道收集用户和企业数据，从原始数据集中按照优选准则选取出具有代表性和区分度的问题和回答，形成目标问题集，利用目标问题集对新用户和新企业进行初步划分，并设定标签建立映射关系，根据映射关系的数目作为再次筛选的标准，实现了提高信息全面性，精准理解用户和企业需求进行推荐的效果。
本文档来自技高网...【技术保护点】
1.一种大数据人工智能招聘方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种大数据人工智能招聘方法，其特征在于，所述优选准则通过对原始数据集进行相似度分类，对每一类的问题和回答出现的频率进行统计，筛选出频率高于50％的问题和回答作为候选问题集；获取所述候选问题集，对候选问题集进行内容分析，设定评估指标进行评估得到综合评分，选取综合评分高于评分阈值的问题和回答形成目标问题集。
3.如权利要求1所述的一种大数据人工智能招聘方法，在步骤S200中，获取所述目标问题集，使用用户目标问题集和企业目标问题集分别对新注册的用户和企业进行提问，其特征在于，所述用户目标问题集和企业目标问题集均包括多个问题树，多个所述问题树均以一个大主题为树根、以问题为节点、以回答作为节点的分支，实时分析用户或企业的回答，根据回答的内容动态调整后续的问题，直至达到最大提问次数；根据用户或企业的回答路径和最终回答设定相应的标签并建立映射关系。
4.如权利要求1所述的一种大数据人工智能招聘方法，其特征在于，所述方法还包括S400：获取使用问题树提问时用户或企业的回答内容趋向
5.如权利要求4所述的一种大数据人工智能招聘方法，其特征在于，所述趋势变化曲线图以时间变化为横向轴，采用时间戳记录用户和企业在不同时间段的关注点和需求变化，根据时间分布的分析结果，对标签以及标签的权重进行调整；所述分析结果是在预设时间周期内，获取趋势变化曲线图中的峰值和趋势变化。
6.如权利要求4所述的一种大数据人工智能招聘方法，其特征在于，根据所述趋势变化曲线图生成用户或企业专属的智能顾问，所述智能顾问获取有关用户或企业的历史数据和趋势变化曲线图进行整合；所述历史数据包括搜索记录、行为数据和登录状态；所述智能顾问根据历史数据的分析和实时数据的变化对趋势变化曲线图进行调整。
7.如权利要求6所述的一种大数据人工智能招聘方法，其特征在于，所述智能顾问实时监测用户或企业的登录状态，若检测到状态中断，记录当前时间戳信息，获取中断时间，设定中断时间阈值，若中断时间超过中断时间阈值，则触发回归验证机制；若中断时间不超过中断时间阈值，则依据新登录的实时数据信息更新趋势变化曲线图。
8.如权利要求7所述的一种大数据人工智能招聘方法，其特征在于，所述回归验证机制是使用个性化验证集对回归用户或回归企业进行再次验证，所述个性化验证集是对用户或企业的过往需求分析和当前需求预测结合生成，根据过往需求分析生成基础问题，结合当前需求预测生成个性化验证集；所述过往需求分析是智能顾问在用户或企业中断之前收集的数据，所述当前需求预测是依据过往需求分析对用户或企业的需求变化进行预测。
9.如权利要求6所述的一种大数据人工智能招聘方法，其特征在于，所述智能顾问包括前瞻性智能顾问和即时性智能顾问，所述前瞻性智能顾问获取用户基础信息进行分析，持续监测获取市场动态和行业趋势，预测未来职业方向和热点领域，构建个性化的发展路径，依据即时性智能顾问中的即时需求和市场反馈调整长期规划；所述即时性智能顾问获取用户即时需求和实时数据，并根据历史分析结果迅速响应，精准捕捉用户的即时需求，并给出建议和解决方案；所述历史分析结果是即时性智能顾问在分析时获取前瞻性智能顾问提供的历史数据并通过协同机制对历史数据进行分析获得。
10.如权利要求9所述的一种大数据人工智能招聘方法，其特征在于，所述协同机制采用时间阈值和权重分配形式对历史数据进行深度分析得到历史分析结果，所述时间阈值是设定的时间范围，对历史数据依据时间范围进行划分，分为近期数据、中期数据和远期数据；所述权重分配是对近期数据、中期数据和远期数据的权重进行分配，通过加权平均方法得到历史分析结果。
...【技术特征摘要】
1.一种大数据人工智能招聘方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种大数据人工智能招聘方法，其特征在于，所述优选准则通过对原始数据集进行相似度分类，对每一类的问题和回答出现的频率进行统计，筛选出频率高于50％的问题和回答作为候选问题集；获取所述候选问题集，对候选问题集进行内容分析，设定评估指标进行评估得到综合评分，选取综合评分高于评分阈值的问题和回答形成目标问题集。
3.如权利要求1所述的一种大数据人工智能招聘方法，在步骤s200中，获取所述目标问题集，使用用户目标问题集和企业目标问题集分别对新注册的用户和企业进行提问，其特征在于，所述用户目标问题集和企业目标问题集均包括多个问题树，多个所述问题树均以一个大主题为树根、以问题为节点、以回答作为节点的分支，实时分析用户或企业的回答，根据回答的内容动态调整后续的问题，直至达到最大提问次数；根据用户或企业的回答路径和最终回答设定相应的标签并建立映射关系。
4.如权利要求1所述的一种大数据人工智能招聘方法，其特征在于，所述方法还包括s400：获取使用问题树提问时用户或企业的回答内容趋向，为每一个用户或企业绘制专属的趋势变化曲线图，结合再次筛选进行推荐的反馈结果对趋势变化曲线图进行更新，为每个标签设定不同的权重。
5.如权利要求4所述的一种大数据人工智能招聘方法，其特征在于，所述趋势变化曲线图以时间变化为横向轴，采用时间戳记录用户和企业在不同时间段的关注点和需求变化，根据时间分布的分析结果，对标签以及标签的权重进行调整；所述分析结果是在预设时间周期内，获取趋势变化曲线图中的峰值和趋势变化。
6.如权利要求4所述的一种大数据人工智能招聘方法，其特征在于，根据所述趋势变化曲线图生成用户或企业专属的智能顾问，所述智能顾问获取有关用户或企业的历史数据和趋势变化曲线图进行整合；所述历史数据包括搜索记录、行为数据和登录状态；所述...
【专利技术属性】
技术研发人员：马辛，
申请(专利权)人：北京天地立信人力资源科技有限责任公司，
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。