类别确定方法和装置、存储介质及电子装置制造方法及图纸

本申请公开了一种类别确定方法和装置、存储介质及电子装置，涉及智慧家庭技术领域，该类别确定方法包括：对目标文件进行解析，得到所述目标文件中包含的多个特征数据；计算所述多个特征数据对应的条件概率，其中，所述条件概率用于指示所述多个特征数据中的每一个特征数据在预设条件下的概率值；对所述条件概率使用预设公式进行计算，并根据计算结果确定所述目标文件的类别；采用上述方案，解决了现有技术中依靠人工检查的方式对应届生的简历进行筛选工作量太大，效率低下，且主观判断性较强，不利于简历筛选的公平性的问题。不利于简历筛选的公平性的问题。不利于简历筛选的公平性的问题。

【技术实现步骤摘要】
类别确定方法和装置、存储介质及电子装置


[0001]本申请涉及智慧家庭
，具体而言，涉及一种类别确定方法和装置、存储介质及电子装置。

技术介绍

[0002]一般企业单位在安排应届生笔试面试之前，首先要对应届生的个人简历进行分析筛选，从主观意识上对应届生的综合能力做出一个初步的判断和筛选，降低后期招工的工作量。但在实际招聘工作中，HR面对收到的海量简历，靠人工检查的方式去进行简历筛选势必会产生很大的工作量，且人工检查方式主观性判断比较强，不利于简历筛选的公平性。
[0003]针对上述问题，现有技术给出的解决方案有基于决策树、随机森林的简历筛选模型，但这些训练模型不佳时会导致过拟合效应，影响筛选的效果。
[0004]针对现有技术中，依靠人工检查的方式对应届生的简历进行筛选工作量太大，效率低下，且主观判断性较强，不利于简历筛选的公平性等问题，尚未提出有效的解决方案。

技术实现思路

[0005]本专利技术实施例提供了一种类别确定方法和装置、存储介质及电子装置，以至少解决现有技术中，依靠人工检查的方式对应届生的简历进行筛选工作量太大，效率低下，且主观判断性较强，不利于简历筛选的公平性的问题。
[0006]根据本专利技术实施例的一个实施例，提供了一种类别确定方法，包括：对目标文件进行解析，得到所述目标文件中包含的多个特征数据；计算所述多个特征数据对应的条件概率，其中，所述条件概率用于指示所述多个特征数据中的每一个特征数据在预设条件下的概率值；对所述条件概率使用预设公式进行计算，并根据计算结果确定所述目标文件的类别。
[0007]在一个示例性实施例中，计算所述多个特征数据对应的条件概率之前，所述方法还包括：从多个历史文件中解析出多个历史特征数据；对所述多个历史特征数据进行数据清洗；对清洗后的所述多个历史特征数据进行分类，得到多个第一类别的特征数据。
[0008]在一个示例性实施例中，对清洗后的所述多个历史特征数据进行分类，得到多个第一类别的特征数据之后，所述方法还包括：确定所述多个第一类别的特征数据的数据属性；根据所述数据属性将所述多个第一类别分类为第二类别和第三类别，其中，所述第二类别的特征数据为离散型数据，所述第三类别的特征数据为连续型数据。
[0009]在一个示例性实施例中，计算所述多个特征数据对应的条件概率，包括：按照所述第二类别和所述第三类别对所述多个特征数据进行分类，得到所述第二类别对应的第一特征数据和所述第三类别对应的第二特征数据；使用第一预设算法计算所述第一特征数据对应的第一条件概率，以及使用第二预设算法计算所述第二特征数据对应的第二条件概率，其中，所述条件概率包括所述第一条件概率和所述第二条件概率。
[0010]在一个示例性实施例中，使用第一预设算法计算所述第一特征数据对应的第一条
件概率，包括：统计多个类别确定结果中为目标类别确定结果的第一数量，以及在目标历史特征数据中统计与所述第一特征数据相同的历史特征数据的第二数量，其中，所述类别确定结果用于指示所述历史文件的类别，所述目标历史特征数据为类别为所述目标类别确定结果的历史文件中的历史特征数据；将所述第二数量与所述第一数量的比值确定为所述第一条件概率。
[0011]在一个示例性实施例中，使用第二预设算法计算所述第二特征数据对应的第二条件概率，包括：计算所述多个历史特征数据中与所述第二特征数据对应的多个第三特征数据的均值和方差；通过以下公式计算所述第二条件概率：据的均值和方差；通过以下公式计算所述第二条件概率：其中，p为所述第二条件概率，x为所述第二特征数据，μ为所述均值，σ为所述方差。
[0012]在一个示例性实施例中，对所述条件概率使用预设公式进行计算，并根据计算结果确定所述目标文件的类别，包括：统计所述多个历史文件中包含的多个类别确定结果，其中，所述类别确定结果用于指示所述历史文件的类别；分别将所述多个类别确定结果对应的第一条件概率与第二条件概率相乘，得到多个所述计算结果；将多个所述计算结果中数值最大的目标计算结果对应的类别确定结果确定为所述目标文件的类别。
[0013]根据本专利技术实施例的另一个实施例，还提供了一种类别确定装置，包括：解析模块，用于对目标文件进行解析，得到所述目标文件中包含的多个特征数据；第一计算模块，用于计算所述多个特征数据对应的条件概率，其中，所述条件概率用于指示所述多个特征数据中的每一个特征数据在预设条件下的概率值；第二计算模块，用于对所述条件概率使用预设公式进行计算，并根据计算结果确定所述目标文件的类别。
[0014]根据本专利技术实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述类别确定方法。
[0015]根据本专利技术实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的类别确定方法。
[0016]在本申请实施例中，先对目标文件进行解析，获取目标文件中包含的多个特征数据；然后计算该多个特征数据对应的条件概率，条件概率用于指示该多个特征数据中每一个特征数据在预设条件下的概率值；对该条件概率使用预设公式进行计算，并根据计算结果确定该目标文件的类别；采用上述方案，解决了现有技术中依靠人工检查的方式对应届生的简历进行筛选工作量太大，效率低下，且主观判断性较强，不利于简历筛选的公平性的问题；通过自动解析目标文件中的特征数据完成对目标文件(简历)的分类，提高简历筛选的效率与公平性。
附图说明
[0017]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0018]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是根据本申请实施例的一种可选的类别确定方法的硬件环境示意图；
[0020]图2是根据本专利技术实施例的一种可选的类别确定方法的流程图；
[0021]图3是根据本专利技术实施例的另一种可选的类别确定方法的流程图；
[0022]图4是根据本专利技术实施例的一种可选的类别确定装置的结构框图；
[0023]图5是根据本专利技术实施例的另一种可选的类别确定装置的结构框图。
具体实施方式
[0024]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0025]需要说明的是，本申请的说明书和权利要求书及上述附本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种类别确定方法，其特征在于，包括：对目标文件进行解析，得到所述目标文件中包含的多个特征数据；计算所述多个特征数据对应的条件概率，其中，所述条件概率用于指示所述多个特征数据中的每一个特征数据在预设条件下的概率值；对所述条件概率使用预设公式进行计算，并根据计算结果确定所述目标文件的类别。2.根据权利要求1所述的类别确定方法，其特征在于，计算所述多个特征数据对应的条件概率之前，所述方法还包括：从多个历史文件中解析出多个历史特征数据；对所述多个历史特征数据进行数据清洗；对清洗后的所述多个历史特征数据进行分类，得到多个第一类别的特征数据。3.根据权利要求2所述的类别确定方法，其特征在于，对清洗后的所述多个历史特征数据进行分类，得到多个第一类别的特征数据之后，所述方法还包括：确定所述多个第一类别的特征数据的数据属性；根据所述数据属性将所述多个第一类别分类为第二类别和第三类别，其中，所述第二类别的特征数据为离散型数据，所述第三类别的特征数据为连续型数据。4.根据权利要求3所述的类别确定方法，其特征在于，计算所述多个特征数据对应的条件概率，包括：按照所述第二类别和所述第三类别对所述多个特征数据进行分类，得到所述第二类别对应的第一特征数据和所述第三类别对应的第二特征数据；使用第一预设算法计算所述第一特征数据对应的第一条件概率，以及使用第二预设算法计算所述第二特征数据对应的第二条件概率，其中，所述条件概率包括所述第一条件概率和所述第二条件概率。5.根据权利要求4所述的类别确定方法，其特征在于，使用第一预设算法计算所述第一特征数据对应的第一条件概率，包括：统计多个类别确定结果中为目标类别确定结果的第一数量，以及在目标历史特征数据中统计与所述第一特征数据相同的历史特征数据的第二数量，其中，所述类别确定结果用于指示所述...

【专利技术属性】
技术研发人员：赵洪祥，尹德帅，卞增斌，张丽丹，
申请(专利权)人：海尔优家智能科技北京有限公司海尔智家股份有限公司，
类型：发明
国别省市：