简历评价方法、装置及计算机存储介质制造方法及图纸

本发明专利技术公开了一种简历评价方法、装置及计算机存储介质，涉及数据处理和智能推荐领域。所述简历评价方法包括：根据简历的结构化数据和对应的匹配度计算模型计算得到匹配度；根据所述简历的至少一条简历文本向量和所述简历所投职位的职位文本向量确定至少一条相似度，所述至少一条相似度与所述至少一条简历文本向量一一对应；基于包含所述匹配度和所述至少一条相似度在内的基础参数确定所述简历的评分。采用本发明专利技术，有利于客观评价简历，相对准确地量化简历与岗位的匹配程度。

【技术实现步骤摘要】
简历评价方法、装置及计算机存储介质
本申请涉及数据处理和智能推荐领域，尤其涉及一种简历评价方法、装置及计算机存储介质。
技术介绍
在人力资源的工作过程中，传统的候选人获取方式，最有效的是条件搜索。但是条件搜索的方式固有的局限性，导致了筛选优质候选人的工作量较大，需要在海量简历搜索结果中人工挑选。随着人工智能的发展，智能推荐系统已经发展的较为完善，其通过对简历进行智能匹配和打分，能够很大程度上降低人力工作成本。但是，目前的简历匹配或简历评价，通常是通过单一形式(例如，向量相似度计算)确定简历与职位的匹配程度，其评价结果的客观性有待商榷。
技术实现思路
为了解决现有技术存在的缺陷，本专利技术提供一种简历评价方法、装置及计算机存储介质，相对准确地量化简历与岗位的匹配程度。本专利技术的目的，通过以下技术方案实现：一方面，本专利技术的一种技术方案提供一种简历评价方法，所述方法包括：根据简历的结构化数据和对应的匹配度计算模型计算得到匹配度；根据所述简历的至少一条简历文本向量和所述简历所投职位的职位文本向量确定至少一条相似度，所述至少一条相似度与所述至少一条简历文本向量一一对应；基于包含所述匹配度和所述至少一条相似度在内的基础参数确定所述简历的评分。另一方面，本专利技术的一种技术方案提供一种简历评价装置，包括：匹配度计算模块，用于根据简历的结构化数据和匹配度计算模型计算得到匹配度，所述匹配度计算模型与所述简历所投的职位对应；相似度计算模块，用于根据所述简历的至少一条简历文本向量和所述职位的职位文本向量确定至少一条相似度，所述至少一条相似度与所述至少一条简历文本向量一一对应；评分模块，用于基于包含所述匹配度和所述至少一条相似度在内的基础参数确定所述简历的评分。再一方面，本专利技术的一种技术方案提供一种计算机存储介质，其存储有计算机指令，所述计算机指令被执行时实现如前所述的简历评价方法。再一方面，本专利技术的一种技术方案提供一种简历评价装置，包括：存储器，用于存储计算机指令；处理器，用于从所述存储器中读取并执行所述计算机指令，以实现如前所述的简历评价方法。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。附图说明附图用来提供对本专利技术技术方案的进一步理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本专利技术的技术方案，并不构成对本专利技术技术方案的限制。图1为根据本专利技术一种实施例的简历评价方法的流程示意图；图2为根据本专利技术一种实施例的简历预处理方法的流程示意图；图3为根据本专利技术一种实施例的简历评价装置的框图；图4为根据本专利技术一种实施例的简历预处理装置的框图；图5为根据本专利技术一种实施例的简历评价装置的框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例的附图，对本专利技术实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于所描述的本专利技术的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1示出了根据本专利技术一种实施例的简历评价方法的流程示意图，参照图1，所述方法包括：100：根据简历的结构化数据和对应的匹配度计算模型计算得到匹配度。可选地，在100之前，可以根据所述简历所投的职位，从匹配度计算模型集中选取与所述职位对应的所述匹配度计算模型，所述匹配度计算模型集包含多种按职业分类的匹配度计算模型。当然，在其它实现方式中，匹配度计算模型可以有且仅有一个。102：根据所述简历的至少一条简历文本向量和所述简历所投职位的职位文本向量确定至少一条相似度。在本实施例中，所述至少一条相似度与所述至少一条简历文本向量一一对应。示例性地，一条简历文本向量对应一条工作经历、一条项目经历，或者对应一条同时包含项目经历和工作经历的文本。104：基于包含所述匹配度和所述至少一条相似度在内的基础参数确定所述简历的评分。换言之，在本实施例中，基础参数至少包含匹配度和所述至少一条相似度。采用本实施例提供的简历评价方法，通过分别计算匹配度和相似度并结合二者对简历进行评分，有利于提高简历评价的客观性，进而在以筛选合适简历为目的的简历评选中，能够提高简历筛选的命中率，避免数据处理资源的浪费。可选地，在本实施例的一种实现方式中，可以用svc(supportvectorclassification，支持向量分类)算法训练一个模型用于判断职位级别。该模型的输入为职位的结构化信息，包括职位名称、薪资范围、工作年限要求等。输出为职位的级别，例如，采用1、2、3分别表示职位的高中低。在该实现方式中，可以用gbdt算法训练高中低职级的三个匹配度计算模型，分别对应职位的三个级别，用来表示简历结构化信息所表现出来的级别与该职位的级别的匹配程度。比如，实习生、初级java工程师、业务员、人力资源经理、财务总监、CFO、总裁这7个职位，当发布的职位被判断为低级职位时，计算简历与职位的匹配程度时选择低职级模型，计算出的匹配程度值的排序大概为：(实习生、初级java工程师，业务员)>(人力资源经理、财务总监)>(CFO，总裁)；反之，当发布的职位为高级职位时，计算出的匹配程度值的排序大概为：(CFO，总裁)>(人力资源经理、财务总监)>(实习生、初级java工程师，业务员)。根据职位的级别选定匹配度计算模型之后，即可输入简历的结构化数据进行匹配度计算。图2示出了根据本专利技术一种实施例的简历预处理方法的流程示意图。本领域技术人员应当理解，图2所示预处理步骤和图1所示的步骤可以通过不同的执行主体来实现。例如，图2所示步骤由专用的适于同时处理数据和文本的处理器执行，图1所示步骤由专用的适于数据运算的处理器执行。当然，也可以通过一个处理器实现。参照图2，所述预处理包括以下内容。200：简历解析与优化。具体包括：对输入的简历进行解析与优化，得到初始结构化数据和至少一条简历文本。在对输入的简历进行解析得到结构化和非结构化数据(文本)之后，需要进一步进行优化处理，主要包括噪声数据的剔除。所述噪声数据包括无意义的转义字符(如htmltag或JSON格式字符)、标点、乱码、无意义的字符串、广告等。此外，在噪声数据的剔除中，可以通过定义包含噪声数据的词典，以剔除噪声数据。在本实施例中，初始结构化数据包括学历、工作年限、求职状态、学校类别、期望薪资等通过简历解析与优化直接得到的结构化信息。202：量化处理步骤，其目的是将数据转换为便于运算的数值或符号。可选地，在本实施例的一种实现方式中，108具体包括：按照量化逻辑对所述初始结构化数据进行量化得到所本文档来自技高网...

【技术保护点】
1.一种简历评价方法，其特征在于，所述方法包括：/n根据简历的结构化数据和对应的匹配度计算模型计算得到匹配度；/n根据所述简历的至少一条简历文本向量和所述简历所投职位的职位文本向量确定至少一条相似度，所述至少一条相似度与所述至少一条简历文本向量一一对应；/n基于包含所述匹配度和所述至少一条相似度在内的基础参数确定所述简历的评分。/n

【技术特征摘要】
1.一种简历评价方法，其特征在于，所述方法包括：
根据简历的结构化数据和对应的匹配度计算模型计算得到匹配度；
根据所述简历的至少一条简历文本向量和所述简历所投职位的职位文本向量确定至少一条相似度，所述至少一条相似度与所述至少一条简历文本向量一一对应；
基于包含所述匹配度和所述至少一条相似度在内的基础参数确定所述简历的评分。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述职位从匹配度计算模型集中选取与所述职位对应的所述匹配度计算模型，所述匹配度计算模型集包含多种按职业分类的匹配度计算模型。


3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述简历进行解析与优化，得到初始结构化数据和至少一条简历文本；
按照量化逻辑对所述初始结构化数据进行量化得到所述结构化数据，或，按照量化逻辑对所述初始化结构数据和从所述至少一条简历文本中提取的量化基础数据进行量化处理，得到所述结构化数据；
对所述至少一条简历文本中的各条简历文本进行词向量转换与权重分配，得到所述简历的至少一条简历文本向量。


4.根据权利要求1或3所述的方法，其特征在于，所述方法还包括：
针对各条相似度，基于其所对应的简历文本和所述职位的关键词模型进行文本匹配处理，确定命中的关键词及其权重；
根据命中的关键词及其权重确定各条相似度的优化因子的值，所述基础参数包含所述优化因子。


5.根据权利要求1所述的方法，其特征在于，所述基于包含所述匹配度和所述至少一条相似度在内的基础参数确定所述简历的评分包括：采用以下任一逻辑进行评分：
逻辑一：
逻辑二：
逻辑三：
其中，Score(j,r)表示对于一个职位j，一份简历r的评分，
GR表示采用梯度提升回归树确定的所述匹配度，
sj,i表示对于职位j，简历的n条简历文本向量中的第i条简历文本向量和所述职位文本向量的相似度，
β为相关系数，用于对数值进行缩放避免量纲不统一导致的特征失效，
αi为第i条简历文本向量的衰减系数，
Δ1j,i为第i条简历文本向量的优化因子，
Δ2为额外调整项。


6.根据权利要求5所述的方法，其特征在于，
所述第i条简历文本向量用于表示所述简历中的第i条工作经历，所述衰减系数αi的值满足：所述第i条工作经历距离当前时间越远，则αi的值越小，且n条工作经历的衰减系数的和为定值。...

【专利技术属性】
技术研发人员：王博宇，何玲，
申请(专利权)人：北京汉能薄膜发电技术有限公司，
类型：发明
国别省市：北京;11