【技术实现步骤摘要】
本专利技术属于数据处理，具体涉及一种用工匹配方法、系统及可存储介质。
技术介绍
1、在现代经济和工作环境中，企业面临着如何高效匹配兼职和求职者的挑战，传统的招聘方法往往依赖于广告发布、求职平台注册以及人力资源部门的手动筛选，但这些方法存在一些局限性。例如，传统方法可能无法实现即时响应和大规模招聘需求的快速处理，同时也可能缺乏对求职者兴趣和能力的精确匹配。
2、现有技术中的在线招聘平台提供了一定的便利性，使得企业和求职者可以在一个平台上进行信息发布和浏览，然而，这些平台通常侧重于全职招聘或者泛泛的兼职招聘信息，未必能够提供足够的个性化服务，尤其是对于需要特定技能或工作经验的兼职职位。
3、此外，现有技术往往缺乏有效的算法和系统来处理大量的兼职招聘信息，无法确保企业和求职者之间的高效匹配，这种不足会导致企业在招聘过程中浪费过多的时间和资源，同时也限制了求职者找到最合适的工作机会的能力。
技术实现思路
1、为了克服上述现有技术的缺陷，本专利技术通过提出了一种用工匹配方法，所述方法包括：
2、响应于企业用户端的至少一种类型的输入指令，基于所述输入指令获取兼职输入信息，并确定兼职输入信息对应的兼职类型；所述输入指令的类型包括：文本类型、语音类型、图像类型中的一种或任意多种；
3、基于所述企业用户端对应所述兼职类型的历史招聘信息中提取历史兼职信息，汇总所述兼职输入信息以及历史兼职信息生成兼职招聘信息；
4、获取所有与所述兼职输入信息匹
5、响应于所述企业用户端的选择指令，基于所述选择指令向所有被选中的求职者端发送所述兼职招聘信息；
6、若收到所述求职者端反馈的正向意向信息，将所述正向意向信息发送给所述企业用户端，以完成用工匹配，并为所述企业用户端与所述求职者端提供沟通渠道，及存储所述企业用户端与所述求职者端之间所有的交互数据。
7、具体地，所述兼职招聘信息中包括多项兼职要求信息；不同的所述兼职要求信息对应有各自的权重系数；该方法还包括：定时根据当前之前预设时间段内的所述历史兼职信息确定所述企业用户端的用工喜好；基于所述用户喜好通过遗传算法更新各所述兼职要求信息的权重信息；
8、向所述企业用户展示的所述求职者信息是基于与所述兼职招聘信息的匹配度进行筛选并排序的，确定所述匹配度的公式为：
9、
10、其中，代表所述求职者信息与所述兼职招聘信息的匹配度，代表所述兼职招聘信息，代表所述求职者信息，代表所述求职者信息中的符合所对应的兼职要求信息的各项求职信息，代表所述求职者信息中各项求职信息的评分，代表各项求职信息的最新权重系数。
11、具体地，所述“基于所述输入指令获取兼职输入信息”，包括：
12、若所述输入指令的类型为语音类型，则对所述输入指令进行降噪处理，以获取降噪后的语音数据；对所述语音数据进行梅尔频谱分析，以提取语音特征，将所述语音特征导入训练好的语音模型得到文本信息；将所述文本信息导入训练好的语义模型得到兼职输入信息；
13、若所述输入指令的类型为图像类型，则对所述输入指令对应图像进行内容区域识别，以提取所述图像中包含文字内容的文字内容区域；将所述文字内容区域划分为多个子文字内容区域，各所述子文字内容区域包括至少一个字符或字符串；将各所述子文字内容区域的图像导入训练好的神经网络模型，得到文字信息；基于各所述子文字内容区域的划分顺序组合所述文字信息得到文本信息；将所述文本信息导入训练好的语义模型得到兼职输入信息。
14、具体地，所述求职者信息还包括个人简历，所述方法还包括：
15、分别提取所述兼职招聘信息与求职者个人简历中特定词性的信息；
16、基于所述兼职招聘信息与所述求职者个人简历中特定词性的信息，计算所述求职者个人简历与所述兼职招聘信息的匹配度；将所述个人简历与所述兼职招聘信息的匹配程度作为所述兼职输入信息与所述兼职招聘信息的匹配度；
17、综合所述兼职输入信息与所述兼职招聘信息的匹配度，及所述历史兼职信息与所述兼职招聘信息的匹配度得到所述兼职输入信息与所述兼职招聘信息的匹配度。
18、优选地，所述“分别提取所述兼职招聘信息与求职者个人简历中特定词性的信息”，包括：
19、分别对所述兼职招聘信息及所述求职者个人简历进行文本预处理；
20、对预处理后的文本进行词性标注，以提取所述文本中特定词性的信息。
21、进一步地，所述特定词性包括名词、形容词、动词和数词，计算所述求职者个人简历与所述兼职招聘信息匹配度的公式为：
22、
23、其中，代表所述兼职招聘信息，代表所述求职者个人简历，代表所述求职者个人简历与所述兼职招聘信息的匹配度；
24、代表所述兼职招聘信息中的名词信息，代表所述求职者个人简历中的名词信息，代表所述求职者个人简历与所述兼职招聘信息中名词信息的匹配度，代表名词信息匹配度的权重系数；
25、代表所述兼职招聘信息中的形容词信息，代表所述求职者个人简历中的形容词信息，代表所述求职者个人简历与所述兼职招聘信息中形容词信息的匹配度，代表形容词信息匹配度的权重系数；
26、代表所述兼职招聘信息中的动词信息，代表所述求职者个人简历中的动词信息，代表所述求职者个人简历与所述兼职招聘信息中动词信息的匹配度，代表动词信息匹配度的权重系数；
27、代表所述兼职招聘信息中的数词信息，代表所述求职者个人简历中的数词信息，代表所述求职者个人简历与所述兼职招聘信息中数词信息的匹配度，代表数词信息匹配度的权重系数。
28、优选地，所述方法还包括：
29、确定与所述企业用户端同类型的其他企业用户端；
30、选取营业规模不小于所述企业用户端的所述其他企业用户端的对应所述兼职类型的历史兼职信息；
31、将选取的所述其他企业用户端的历史兼职信息补充至所述历史兼职信息，并执行“汇总所述兼职输入信息以及历史兼职信息生成兼职招聘信息”的操作。
32、优选地，所述方法还包括：
33、从所述企业用户端的历史招聘信息确定第一招聘要求；
34、从与所述企业用户端同类型的其他企业用户端的历史招聘信息中提取第二招聘要求；
35、汇总所述第一招聘要求和所述第二招聘要求生成招聘要求，并将所述招聘要求标签化，得到招聘要求标签；
36、确定所有的所述招聘要求标签中与所述输入指令对应的招聘要求不同的部分，并将不同的所述部分展示给所述企业用户端，以当所述企业用户端触发本文档来自技高网...
【技术保护点】
1.一种用工匹配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用工匹配方法，其特征在于，所述兼职招聘信息中包括多项兼职要求信息；不同的所述兼职要求信息对应有各自的权重系数；该方法还包括：定时根据当前之前预设时间段内的所述历史兼职信息确定所述企业用户端的用工喜好；基于所述用户喜好通过遗传算法更新各所述兼职要求信息的权重信息；
3.根据权利要求1所述的用工匹配方法，其特征在于，所述“基于所述输入指令获取兼职输入信息”，包括：
4.根据权利要求1所述的用工匹配方法，其特征在于，所述求职者信息还包括个人简历，所述方法还包括：
5.根据权利要求4所述的用工匹配方法，其特征在于，所述“分别提取所述兼职招聘信息与求职者个人简历中特定词性的信息”，包括：
6.根据权利要求1所述的用工匹配方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的用工匹配方法，其特征在于，所述方法还包括：
8.根据权利要求1所述的用工匹配方法，其特征在于，所述方法还包括：
9.一种用工匹配系统，其特征在于，
10.一种计算机可读存储介质，其特征在于，存储有可执行指令，用于被处理器执行时，实现如权利要求1-8任一项所述的方法。
...【技术特征摘要】
1.一种用工匹配方法，其特征在于，所述方法包括：
2.根据权利要求1所述的用工匹配方法，其特征在于，所述兼职招聘信息中包括多项兼职要求信息；不同的所述兼职要求信息对应有各自的权重系数；该方法还包括：定时根据当前之前预设时间段内的所述历史兼职信息确定所述企业用户端的用工喜好；基于所述用户喜好通过遗传算法更新各所述兼职要求信息的权重信息；
3.根据权利要求1所述的用工匹配方法，其特征在于，所述“基于所述输入指令获取兼职输入信息”，包括：
4.根据权利要求1所述的用工匹配方法，其特征在于，所述求职者信息还包括个人简历，所述方法还包括：...
【专利技术属性】
技术研发人员：韦国迎，王振甲，张炜，陈安婷，
申请(专利权)人：深圳市灵智数字科技有限公司，
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。