基于大数据的人才招聘系统及方法技术方案

本发明专利技术公开了基于大数据的人才招聘系统及方法，涉及企业招聘领域。本发明专利技术包括如下步骤：S001、采集海量简历信息，创建人才大数据信息库；S002、通过人才大数据信息库训练样本；S003、深度学习训练人才评分模型；S004、通过人才评分模型进行简历评分；S005、协同过滤算法互推人才和企业；S006、将人才能力信息可视化处理。本发明专利技术通过网络爬虫技术海量采集网站简历信息形成人才大数据库，利用深度学习算法构建人才数据评分模型，采用协同推荐算法快速精准推荐企业招聘人才并建立可视化人才能力评分图表，能够准确的进行人才能力评估，提升了企业在线求职灵活度，帮助企业和个人实现快速匹配。

【技术实现步骤摘要】
基于大数据的人才招聘系统及方法
本专利技术属于企业招聘领域，特别是涉及一种基于大数据的人才招聘系统及方法。
技术介绍
网络求职即基于Web的求职招聘，是利用包含各种特性和资源的超媒体求职招聘程序来创造一种有意义的求职招聘环境，在这种求职招聘环境中求职招聘得到促进和支持。互联网给求职招聘者提供了丰富的超媒体资源，为求职招聘者创造出了一种由他们自行控制的求职招聘环境，如果缺乏导航系统，就会使一些求职招聘者迷航，产生一种无从适从的感觉，从而降低求职招聘的效率，久而久之，会使求职招聘者的信心受到影响。由于计算机技术的进步，计算机为时空自由、资源共享、系统开放、便于协作提供了支撑。但是，目前大量的求职招聘网站还是处于静态的水平上，并没有实现动态的个性化的服务。目前网络求职招聘系统大多存在着信息资源的共享、信息的分类与联想、有限的信息提示与欠缺智能导航以及个性化服务等问题，而这些问题又是限制网络求职智能化的关键原因。存在的问题主要有：(1)不能灵活建构在线求职招聘。现有各种求职招聘是固定的、线性的，很难做到高层次的求职招聘个性化，求职招聘模式的多样化；(2)导航缺乏足够智能性，一般的导航只是方便用户浏览内容，而很少具有用户行为分析、求职招聘推荐等智能导航策略；(3)缺乏个性化服务，大部分的网站在不同的用户面前呈现的内容是一样的，都是按求职本身的组织方式呈现，没有根据不同用户的求职招聘状况和水平层次展示不同的求职招聘内容，也没有根据个体的不同提供对应的服务。本专利技术通过大数据分析将海量简历信息量化，通过深度学习建立人才评分模型较好的解决上述问题。
技术实现思路
本专利技术的目的在于提供基于大数据的人才招聘系统及方法，通过网络爬虫技术海量采集网站简历信息形成人才大数据库，利用深度学习算法构建人才数据评分模型，采用协同推荐算法快速精准推荐企业招聘人才并建立可视化人才能力评分图表，解决了现有的企业在线求职灵活度低、没有一套准确的评估人才能力的方法，不能帮助企业和个人更准确快速了解人才能力问题。为解决上述技术问题，本专利技术是通过以下技术方案实现的：本专利技术为基于大数据的人才招聘方法，包括如下步骤：步骤S001采用网络爬虫技术采集招聘网站海量个人简历，提取所需特征信息存入数据库，形成人才大数据信息库；步骤S002对形成的人才大数据中多类信息进行评分向量，作为训练样本；步骤S003使用深度学习算法对训练样本进行训练的到人才数据评分模型；步骤S004通过人才数据评分模型对海量的个人简历进行评分；步骤S005根据个人简历评分和企业人才资源的需求，采用协同过滤的推荐算法，实现为人才精准推荐职位，为企业精准推荐人才；步骤S006采用信息可视化方法，将步骤S004中人才各方面能力评分进行可视化处理，以图表形式直观展示出来。优选地，所述步骤S002中，所述评分向量由人力资源专家对简历的多类信息进行评定得到打分值，按照每类信息的打分值生成该类信息的评分向量。优选地，所述步骤S003中，人才数据评分模型包括以下任意一种或多种：职业经历评分模型、教育背景评分模型、专业能力评分模型、个人素质评分模型、技能证书评分模型和学习能力评分模型。优选地，所述深度学习算法包括步骤为：利用具有多层架构的卷积神经网络的深度学习算法，对所述样本进行训练，设计出用于处理简历的支持向量机分类器，作为所述人才数据评分模型。本专利技术为基于大数据的人才招聘系统，包括人才大数据信息采集模块、评分向量生成模块、人才大数据模型训练模块、人才大数据简历评分模块、人才能力推荐模块、企业需求招聘模块和大数据可视化展示模块，所述人才大数据信息采集模块、评分向量生成模块、人才大数据模型训练模块、人才大数据简历评分模块、人才能力推荐模块、企业需求招聘模块和大数据可视化展示模块依次连接；所述人才大数据信息采集模块用于通过网络爬虫技术采集招聘网站上简历中多类信息；所述评分向量生成模块用于对采集到的简历信息进行评分向量；所述人才大数据模型训练模块用于使用深度学习算法对所述训练样本进行训练，得到人才数据评分模型；所述人才大数据简历评分模块用于通过人才数据评分模型对简历各项数据进行评分；所述人才能力推荐模块用于系统通过简历评分向用户推荐适合自身特征的企业信息；所述企业需求招聘模块用于系统通过企业需求和评分要求向企业负责人提供符合条件的用户简历；所述大数据可视化展示模块用于将人才各方面能力评分通过柱状图、雷达图、染色图、能力成长曲线图多种形式的图表进行直观的展示出来。优选地，所述网络爬虫技术具体步骤如下：T001根据网页分析算法过滤与简历无关的链接，保留有用的链接放入入等待抓取的URL队列；T002根据搜索策略选择下一步要抓取的网页URL；T003判断是否达到完整的简历信息；若是，则选择抓取下网页URL；若否，则继续执行步骤T002；T004对抓取完成的网页进行分析、过滤、存储并建立索引。优选地，所述人才能力推荐模块和企业需求招聘模块，根据人才数据评分模型和企业对人才资源的需求，采用基于协同过滤的推荐算法，通过分析人才的兴趣爱好以及企业对人才类型的需求，实现为人才精准推荐职位，为企业精准推荐人才。本专利技术具有以下有益效果：本专利技术通过网络爬虫技术海量采集网站简历信息形成人才大数据库，利用深度学习算法构建人才数据评分模型，采用协同推荐算法快速精准推荐企业招聘人才并建立可视化人才能力评分图表，能够准确的进行人才能力评估，提升了企业在线求职灵活度，帮助企业和个人实现快速匹配。当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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为本专利技术的基于大数据的人才招聘方法步骤图；图2为本专利技术的基于大数据的人才招聘系统结构框图；图3为本专利技术网络爬虫技术步骤图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。请参阅图1所示，本专利技术为基于大数据的人才招聘方法，包括如下步骤：步骤S001采用网络爬虫技术采集招聘网站海量个人简历，提取所需特征信息存入数据库，形成人才大数据信息库；步骤S002对形成的人才大数据中多类信息进行评分向量，作为训练样本；步骤S003使用深度学习算法对训练样本进行训练的到人才数据评分模型；步骤S004通过人才数据评分模型对海量的个人简历进行评分；步骤S005根据个人简历评分和企业人才资源的需求，采用协同过滤的推荐算法，实现为人才精准推荐职位，为企业精准推荐人才；步骤S006采用信息可视化方法，将步骤S004中人才各方面能力评分进行可视化处理，以图表形式直观展示出来。其中，步骤S002中，评分向量由人力资源专家对简历的多类信息进行评定得到打分值，按照每类信息的打分值生成该类信息的评分向量，分值从1-10分，便于企业了解具体人员能力等级。其中，步骤本文档来自技高网...

【技术保护点】
1.基于大数据的人才招聘方法，其特征在于，包括如下步骤：步骤S001采用网络爬虫技术采集招聘网站海量个人简历，提取所需特征信息存入数据库，形成人才大数据信息库；步骤S002对形成的人才大数据中多类信息进行评分向量，作为训练样本；步骤S003使用深度学习算法对训练样本进行训练的到人才数据评分模型；步骤S004通过人才数据评分模型对海量的个人简历进行评分；步骤S005根据个人简历评分和企业人才资源的需求，采用协同过滤的推荐算法，实现为人才精准推荐职位，为企业精准推荐人才；步骤S006采用信息可视化方法，将步骤S004中人才各方面能力评分进行可视化处理，以图表形式直观展示出来。

【技术特征摘要】
1.基于大数据的人才招聘方法，其特征在于，包括如下步骤：步骤S001采用网络爬虫技术采集招聘网站海量个人简历，提取所需特征信息存入数据库，形成人才大数据信息库；步骤S002对形成的人才大数据中多类信息进行评分向量，作为训练样本；步骤S003使用深度学习算法对训练样本进行训练的到人才数据评分模型；步骤S004通过人才数据评分模型对海量的个人简历进行评分；步骤S005根据个人简历评分和企业人才资源的需求，采用协同过滤的推荐算法，实现为人才精准推荐职位，为企业精准推荐人才；步骤S006采用信息可视化方法，将步骤S004中人才各方面能力评分进行可视化处理，以图表形式直观展示出来。2.根据权利要求1所述的基于大数据的人才招聘方法，其特征在于，所述步骤S002中，所述评分向量由人力资源专家对简历的多类信息进行评定得到打分值，按照每类信息的打分值生成该类信息的评分向量。3.根据权利要求1所述的基于大数据的人才招聘方法，其特征在于，所述步骤S003中，人才数据评分模型包括以下任意一种或多种：职业经历评分模型、教育背景评分模型、专业能力评分模型、个人素质评分模型、技能证书评分模型和学习能力评分模型。4.根据权利要求1所述的基于大数据的人才招聘方法，其特征在于，所述深度学习算法包括步骤为：利用具有多层架构的卷积神经网络的深度学习算法，对所述样本进行训练，设计出用于处理简历的支持向量机分类器，作为所述人才数据评分模型。5.基于大数据的人才招聘系统，包括人才大数据信息采集模块、评分向量生成模块、人才大数据模型训练模块、人才大数据简历评分模块、人才能力推荐模块、企业需求招聘模块和大数据可视化展示模块，其...

【专利技术属性】
技术研发人员：王国庆，
申请(专利权)人：合肥和钧正策信息技术有限公司，
类型：发明
国别省市：安徽,34