一种岗位匹配报告生成方法技术

本申请提供一种岗位匹配报告生成方法，包括：获取人才资料与岗位资料；基于知识图谱筛选符合岗位需求的人才；获取人才简历中的工作经历文本和自我评价文本，计算岗位匹配度；获取岗位匹配度符合招聘要求的人才面试情况，自动生成岗位匹配报告；分析岗位匹配报告中易变区域，检测各个岗位的应聘人员变动总数；计算应聘人员的变动后的岗位匹配度，对人才进行排序，确定预备招聘人才；根据岗位人员变动情况和预备招聘人才名单，调整岗位匹配报告内容，并输出新的岗位报告；对岗位匹配报告进行自动重新布局设计和调整。重新布局设计和调整。重新布局设计和调整。

【技术实现步骤摘要】
一种岗位匹配报告生成方法


[0001]本专利技术涉及信息
，尤其涉及一种岗位匹配报告生成方法。

技术介绍

[0002]人才应聘后，招聘者需要根据人才资料和岗位资料对人才进行评估，选出适合岗位的人才；岗位报告是一种便于招聘者快速了解应聘者信息，了解各个岗位应聘情况的文本报告；岗位报告生成后，需要给面试相关人员看；然而，面试者从面试到入职存在很长的时间差，存在人员情况变动的可能；应聘人员变动会导致人才信息的改变，此时报告如果按照原来的方式呈现会导致信息不准确，从而影响面试相关人员的判断，因而需要对生成的岗位报告进行调整，以便根据投递变动情况更加明确拟招聘人员名单。但是岗位报告一般在生成后就不再容易修改；因此需要一种能够在岗位报告生成的时候，在保证岗位报告足够美观的同时又足够合理的方式，让岗位报告中预留有因为人才变动和投递简历情况而变化的或需要修改报告的区域，以便能够更好的对报告内容进行布局和裁剪。

技术实现思路

[0003]本专利技术提供了一种岗位匹配报告生成方法，主要包括：
[0004]获取人才资料与岗位资料，具体包括：基于规则库的命名实体识别模型抽取岗位任职要求文本中的实体；基于知识图谱筛选符合岗位需求的人才；获取人才简历中的工作经历文本和自我评价文本，计算岗位匹配度；获取岗位匹配度符合招聘要求的人才面试情况，自动生成岗位匹配报告，所述获取岗位匹配度符合招聘要求的人才面试情况，自动生成岗位匹配报告，具体包括：获取人才面试音频，预测入职意愿，获取人才面试情况打分表，自动生成人才信息摘要，获取面试官对人才面试的综合评价，提取二级评价指标，基于人才面试的综合评价建立情感语料库，并按照情感强度划分级别；分析岗位匹配报告中易变区域，检测各个岗位的应聘人员变动总数，具体包括：检测应聘人员变动情况；计算应聘人员的变动后的岗位匹配度，对人才进行排序，确定预备招聘人才；根据岗位人员变动情况和预备招聘人才名单，调整岗位匹配报告内容，并输出新的岗位报告，所述根据岗位人员变动情况和预备招聘人才名单，调整岗位匹配报告内容，并输出新的岗位报告，具体包括：根据岗位人员变动情况，更新人才面试打分表，重新生成人才信息摘要，根据人员变动情况对报告进行重点标注，并输出新的岗位报告；对岗位匹配报告进行自动重新布局设计和调整。
[0005]进一步可选地，所述获取人才资料与岗位资料包括：
[0006]获取人才资料和岗位资料；所述人才资料包括人才基本信息、学历、专业名称、项目经历、专业技能、易变性格判断；其中，基本信息包括了人才的姓名、性别、出生年月、籍贯、联系方式、毕业院校；所述岗位资料包括岗位任职要求文本；所述易变性格判断通过易变性格判断值来确定；所述易变性格判断值是人才面试通过后的到岗率；若易变性格判断值不高于预设的阈值，则判断为易变性格，若易变性格判断值高于预设的阈值，则判断为非易变性格；对岗位任职要求文本的内容进行处理，采用基于规则库的命名实体识别模型完
成岗位任职要求文本中的实体抽取任务；输出岗位要求文本中对应的实体包括：学历、专业名称、专业类、学位门类；包括：基于规则库的命名实体识别模型抽取岗位任职要求文本中的实体；
[0007]所述基于规则库的命名实体识别模型抽取岗位任职要求文本中的实体，具体包括：
[0008]根据国家教育部公布的普通高等学校专业目录构建规则库，所述规则库包括学历库、专业名称库、专业类库和学位门类库；然后将规则库嵌入HanLP自然语言处理工具中，构建出基于规则库的命名实体识别模型；输入岗位任职要求文本，首先进行预处理；利用HanLP自然语言处理工具中的分词接口进行分词操作，并去除停用词；然后通过HanLP自然语言处理工具进行正则匹配，从预处理后的岗位任职要求文本中识别与规则库相对应的实体：学历、专业名称、专业类、学位门类。
[0009]进一步可选地，所述基于知识图谱筛选符合岗位需求的人才包括：
[0010]根据国家教育部公布的普通高等学校专业目录构建学科专业知识图谱，包括专业名称、专业类、学位门类、专业名称与专业类的关系及专业名称与学位门类的关系，将知识图谱存入后台的Neo4j数据库中；获取岗位要求文本中对应的实体：学历、专业名称、专业类、学位门类；首先检测专业类和学位门类是否为NULL，若不是则在Neo4j数据库中进行匹配，输出匹配的专业名称；然后对匹配的专业名称和岗位要求文本中的实体专业名称求并集，得到最终的专业名称；输出最终的专业名称和岗位要求文本中的实体学历作为人才初筛标准；最后通过匹配最终的专业名称、学历、易变性格判断筛选出符合岗位要求的人才。
[0011]进一步可选地，所述获取人才简历中的工作经历文本和自我评价文本，计算岗位匹配度包括：
[0012]获取符合岗位要求的人才简历中的工作经历文本和自我评价文本，对这些文本进行预处理，包括利用jieba工具包对人才简历中的工作经历文本和自我评价文本进行分词，以及去除停用词，将最后的有效词汇存入txt文档；从经过预处理之后的人才简历中的工作经历文本和自我评价文本中提取岗位匹配关键词，首先需要筛选出高频词汇，然后将这些高频词汇转化成词向量，然后通过聚类处理提取岗位匹配关键词；计算每个词汇的词频，按照从大到小的顺序排列；选取前30个高频词汇，调用Word2vec函数将高频词汇向量化，得到词向量数据表；然后将所述词向量数据表输入K
‑
means聚类模型，得到的聚类结果即为岗位匹配关键词；计算岗位匹配关键词在岗位要求文本中的词频，作为岗位匹配度。
[0013]进一步可选地，所述获取岗位匹配度符合招聘要求的人才面试情况，自动生成岗位匹配报告包括：
[0014]根据岗位匹配度符合招聘要求的人才面试情况自动生成岗位匹配报告，所述岗位匹配报告包括人才基本信息、岗位名称、匹配度、到岗时间、入职意愿、面试结果、人才信息摘要；所述入职意愿根据人才面试音频预测可得，所述人才信息摘要基于人才面试情况打分表自动生成；设定数据格式，按照人才基本信息、岗位名称、匹配度、到岗时间、入职意愿、面试结果、人才信息摘要的顺序生成岗位匹配报告，并输出；包括：获取人才面试音频，预测入职意愿；获取人才面试情况打分表，自动生成人才信息摘要；获取面试官对人才面试的综合评价，提取二级评价指标；基于人才面试的综合评价建立情感语料库，并按照情感强度划分级别；
[0015]所述获取人才面试音频，预测入职意愿，具体包括：
[0016]获取人才面试音频，根据音频分析人才在面试过程中的情感状态，进而预测入职意愿；使用NLPCC2013音频数据集作为训练集，并标注情感状态，情感状态包括积极和消极；首先训练LSTM神经网络，方法如下：首先提取梅尔倒谱系数作为NLPCC2013音频数据集的音频特征向量，然后将所述音频特征向量输入LSTM模型，采用softmax分类函数实现情感状态分类，softmax分类函数能够输出每种情感状态的概率值，表示属于每种情感状态类别的可能性，概率值最大的为情感状态分类结果；重复训练过程直至输出结果和训练前标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种岗位匹配报告生成方法，其特征在于，所述方法包括：获取人才资料与岗位资料，具体包括：基于规则库的命名实体识别模型抽取岗位任职要求文本中的实体；基于知识图谱筛选符合岗位需求的人才；获取人才简历中的工作经历文本和自我评价文本，计算岗位匹配度；获取岗位匹配度符合招聘要求的人才面试情况，自动生成岗位匹配报告，所述获取岗位匹配度符合招聘要求的人才面试情况，自动生成岗位匹配报告，具体包括：获取人才面试音频，预测入职意愿，获取人才面试情况打分表，自动生成人才信息摘要，获取面试官对人才面试的综合评价，提取二级评价指标，基于人才面试的综合评价建立情感语料库，并按照情感强度划分级别；分析岗位匹配报告中易变区域，检测各个岗位的应聘人员变动总数，具体包括：检测应聘人员变动情况；计算应聘人员的变动后的岗位匹配度，对人才进行排序，确定预备招聘人才；根据岗位人员变动情况和预备招聘人才名单，调整岗位匹配报告内容，并输出新的岗位报告，所述根据岗位人员变动情况和预备招聘人才名单，调整岗位匹配报告内容，并输出新的岗位报告，具体包括：根据岗位人员变动情况，更新人才面试打分表，重新生成人才信息摘要，根据人员变动情况对报告进行重点标注，并输出新的岗位报告；对岗位匹配报告进行自动重新布局设计和调整。2.根据权利要求1所述的方法，其中，所述获取人才资料与岗位资料，包括:获取人才资料和岗位资料；所述人才资料包括人才基本信息、学历、专业名称、项目经历、专业技能、易变性格判断；其中，基本信息包括了人才的姓名、性别、出生年月、籍贯、联系方式、毕业院校；所述岗位资料包括岗位任职要求文本；所述易变性格判断通过易变性格判断值来确定；所述易变性格判断值是人才面试通过后的到岗率；若易变性格判断值不高于预设的阈值，则判断为易变性格，若易变性格判断值高于预设的阈值，则判断为非易变性格；对岗位任职要求文本的内容进行处理，采用基于规则库的命名实体识别模型完成岗位任职要求文本中的实体抽取任务；输出岗位要求文本中对应的实体包括：学历、专业名称、专业类、学位门类；包括：基于规则库的命名实体识别模型抽取岗位任职要求文本中的实体；所述基于规则库的命名实体识别模型抽取岗位任职要求文本中的实体，具体包括:根据国家教育部公布的普通高等学校专业目录构建规则库，所述规则库包括学历库、专业名称库、专业类库和学位门类库；然后将规则库嵌入HanLP自然语言处理工具中，构建出基于规则库的命名实体识别模型；输入岗位任职要求文本，首先进行预处理；利用HanLP自然语言处理工具中的分词接口进行分词操作，并去除停用词；然后通过HanLP自然语言处理工具进行正则匹配，从预处理后的岗位任职要求文本中识别与规则库相对应的实体：学历、专业名称、专业类、学位门类。3.根据权利要求1所述的方法，其中，所述基于知识图谱筛选符合岗位需求的人才，包括:根据国家教育部公布的普通高等学校专业目录构建学科专业知识图谱，包括专业名称、专业类、学位门类、专业名称与专业类的关系及专业名称与学位门类的关系，将知识图谱存入后台的Neo4j数据库中；获取岗位要求文本中对应的实体：学历、专业名称、专业类、学位门类；首先检测专业类和学位门类是否为NULL，若不是则在Neo4j数据库中进行匹配，输出匹配的专业名称；然后对匹配的专业名称和岗位要求文本中的实体专业名称求并集，得到最终的专业名称；输出最终的专业名称和岗位要求文本中的实体学历作为人才初筛标
准；最后通过匹配最终的专业名称、学历、易变性格判断筛选出符合岗位要求的人才。4.根据权利要求1所述的方法，其中，所述获取人才简历中的工作经历文本和自我评价文本，计算岗位匹配度，包括:获取符合岗位要求的人才简历中的工作经历文本和自我评价文本，对这些文本进行预处理，包括利用jieba工具包对人才简历中的工作经历文本和自我评价文本进行分词，以及去除停用词，将最后的有效词汇存入txt文档；从经过预处理之后的人才简历中的工作经历文本和自我评价文本中提取岗位匹配关键词，首先需要筛选出高频词汇，然后将这些高频词汇转化成词向量，然后通过聚类处理提取岗位匹配关键词；计算每个词汇的词频，按照从大到小的顺序排列；选取前30个高频词汇，调用Word2vec函数将高频词汇向量化，得到词向量数据表；然后将所述词向量数据表输入K
‑
means聚类模型，得到的聚类结果即为岗位匹配关键词；计算岗位匹配关键词在岗位要求文本中的词频，作为岗位匹配度。5.根据权利要求1所述的方法，其中，所述获取岗位匹配度符合招聘要求的人才面试情况，自动生成岗位匹配报告，包括:根据岗位匹配度符合招聘要求的人才面试情况自动生成岗位匹配报告，所述岗位匹配报告包括人才基本信息、岗位名称、匹配度、到岗时间、入职意愿、面试结果、人才信息摘要；所述入职意愿根据人才面试音频预测可得，所述人才信息摘要基于人才面试情况打分表自动生成；设定数据格式，按照人才基本信息、岗位名称、匹配度、到岗时间、入职意愿、面试结果、人才信息摘要的顺序生成岗位匹配报告，并输出；包括：获取人才面试音频，预测入职意愿；获取人才面试情况打分表，自动生成人才信息摘要；获取面试官对人才面试的综合评价，提取二级评价指标；基于人才面试的综合评价建立情感语料库，并按照情感强度划分级别；所述获取人才面试音频，预测入职意愿，具体包括:获取人才面试音频，根据音频分析人才在面试过程中的情感状态，进而预测入职意愿；使用NLPCC2013音频数据集作为训练集，并标注情感状态，情感状态包括积极和消极；首先训练LSTM神经网络，方法如下：首先提取梅尔倒谱系数作为NLPCC2013音频数据集的音频特征向量，然后将所述音频特征向量输入LSTM模型，采用softmax分类函数实现情感状态分类，softmax分类函数能够输出每种情感状态的概率值，表示属于每种情感状态类别的可能性，概率值最大的为情感状态分类结果；重复训练过程直至输出结果和训练前标注的情感状态一致时完成训练；对人才面试音频进行预处理，消除杂音，然后将人才面试音频分割为固定时长的音频段，输入openSMILE中得到人才在面试过程中的情感特征，再输入LSTM模型，通过softmax分类函数输出不同情感状态的概率；取概率大者对应的情感状态作为音频段的情感识别结果，积极标记为1，消极标记为0；分别对人才面试音频中所有音频段的情感识别结果为积极和消极的结果求和，则入职意愿＝积极总和/(积极总和+消极总和)≥1/2；所述获取人才面试情况打分表，自动生成人才信息摘要，具体包括:获取面试官对人才面试的综合评价，提取...

【专利技术属性】
技术研发人员：郑未，张航，
申请(专利权)人：国信蓝桥教育科技股份有限公司，
类型：发明
国别省市：