【技术实现步骤摘要】
一种简历分析方法、装置、电子设备、介质及产品
[0001]本公开涉及数据处理
,尤其涉及大数据分析
技术介绍
[0002]简历是求职者向招聘单位发送的一份简要的个人介绍,例如简历中包括求职者的基本信息、学习经历、工作经历和期望薪资等。一份优秀的简历不但能让人快速了解求职者的能力和要求,还能够给面试官留下好的印象,对于获得面试机会至关重要。
[0003]不同的求职者对于简历的撰写水平不同,尤其对于缺乏简历撰写经验的求职者来说,撰写的简历更难以在简历筛选阶段脱颖而出。因此对于简历的自动分析有助于提高求职者的应聘成功率。
技术实现思路
[0004]本公开提供了一种简历分析方法、装置、电子设备、介质及产品。
[0005]根据本公开的第一方面,提供了一种简历分析方法,包括:
[0006]获取待评测简历;
[0007]根据所述待评测简历中的职位信息和求职能力信息,确定所述待评测简历所属的目标评测分区;
[0008]将所述待评测简历输入所述目标评测分区对应的目标评测模型,得到所述目标评测模型输出的评测结果;
[0009]其中,每个评测分区对应一个评测模型,每个评测分区对应的评测模型为利用该评测分区的第一简历样本集对神经网络模型训练得到的模型,所述第一简历样本集包括多个简历样本和每个简历样本的标注信息。
[0010]根据本公开的第二方面,提供了一种简历分析装置,包括:
[0011]获取模块,用于获取待评测简历;
[0012]确定模 ...
【技术保护点】
【技术特征摘要】
1.一种简历分析方法,包括:获取待评测简历;根据所述待评测简历中的职位信息和求职能力信息,确定所述待评测简历所属的目标评测分区;将所述待评测简历输入所述目标评测分区对应的目标评测模型,得到所述目标评测模型输出的评测结果;其中,每个评测分区对应一个评测模型,每个评测分区对应的评测模型为利用该评测分区的第一简历样本集对神经网络模型训练得到的模型,所述第一简历样本集包括多个简历样本和每个简历样本的标注信息。2.根据权利要求1所述的方法,所述标注信息包括:整体评分,每个预设维度的评分和优化建议,预设内容模块中关键词和每个关键词的特征类型,以及每个预设内容模块的优化建议;每个评测分区对应的评测模型通过以下步骤训练获得:获得该评测分区的多个简历样本;分别将每个简历样本输入神经网络模型,得到神经网络模型的对每个简历样本的评测结果,所述评测结果包括:整体评分,每个预设维度的评分和优化建议,预设内容模块中关键词和每个关键词的特征类型,以及每个预设内容模块的优化建议;根据所述输出结果和输入所述神经网络模型的简历样本的标注信息,确定所述神经网络模型是否收敛;若所述神经网络模型未收敛,则调整所述神经网络模型的模型参数,并返回所述分别将每个简历样本输入神经网络模型的步骤;若所述神经网络模型收敛,则将当前的神经网络模型作为该评测分区对应的评测模型。3.根据权利要求1所述的方法,所述方法还包括:提取待投递简历对应的基础信息和企业信息,所述待投递简历为基于所述待评测简历的评测结果对所述待评测简历优化后的简历,或者所述待投递简历为用户输入的简历,所述基础信息包括职位信息、意向薪资和求职能力信息;基于所述待投递简历对应的基础信息和企业信息,确定所述待投递简历所匹配的目标岗位分区,其中每个岗位分区中包括多条招聘信息;通过训练完成的匹配模型,计算所述待投递简历包括的关键词与所述目标岗位分区内每条招聘信息包括的关键词之间的特征匹配分值;根据所述待投递简历与所述目标岗位分区内每条招聘信息的特征匹配分值,向求职者推送与所述待投递简历匹配的招聘信息。4.根据权利要求3所述的方法,所述训练完成的匹配模型通过以下步骤得到:基于职位信息、薪资范围、求职能力信息和企业信息,对岗位数据库中包括的招聘信息进行分区,得到多个岗位分区;通过关键词标注模型确定每个岗位分区内的每条招聘信息的关键词以及每个关键词对应的特征类型;针对第二简历样本集中的每个简历样本,基于该简历样本的基础信息和企业信息,确
定该简历样本所匹配的岗位分区,将该简历样本所匹配的岗位分区中包括的招聘信息作为该简历样本的基础匹配集合;通过匹配模型计算该简历样本包括的关键词与所述基础匹配集合中每条招聘信息包括的关键词之间的特征匹配分值;确定所述特征匹配分值的误差;若所述误差大于等于预设误差阈值,则调整匹配模型的模型参数,返回所述通过匹配模型计算该简历样本包括的关键词与所述基础匹配集合中每条招聘信息包括的关键词之间的特征匹配分值的步骤;若所述误差小于所述预设误差阈值,则将当前的匹配模型作为训练完成的匹配模型。5.根据权利要求4所述的方法,所述关键词标注模型通过以下步骤训练得到:获取招聘信息样本集,所述招聘信息样本集包括多个岗位分区的招聘信息样本以及每条招聘信息样本的标注信息,招聘信息样本的标注信息包括招聘信息样本指定内容模块中的关键词以及每个关键词对应的特征类型;分别将每个招聘信息样本输入深度学习网络,得到深度学习网络的输出结果,所述输出结果包括关键词以及每个关键词对应的特征类型;根据所述输出结果和输入深度学习网络的招聘信息样本的标注信息,确定深度学习网络是否收敛;若深度学习网络未收敛,则调整深度学习网络的网络参数,并返回所述分别将每个简历样本输入深度学习网络的步骤;...
【专利技术属性】
技术研发人员:张玉芳,邵世臣,李永恒,徐飞,
申请(专利权)人:北京百度网讯科技有限公司,
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。