【技术实现步骤摘要】
本专利技术涉及岗位推荐，尤其涉及基于大数据中专业类别的岗位推荐方法。
技术介绍
1、随着网络应用的普及，人们在求职时也越来越多的借助于招聘公司的招聘网站或者第三方招聘网站投递简历、寻找工作。在招聘网站上，求职者可以自由发布简历、搜索职位和申请工作，这一切都可以在家中通过电脑、手机等进行实现。同时，在招聘网站上，求职者也可以了解到不同类型的职业和公司，对比自己的条件和企业招聘要求，选择期望的公司和职位，省去了对繁琐的招聘信息筛选、对接的时间和成本。所以网站招聘不仅可以增加就业的机会，还可以节省时间和金钱的成本。
2、但由于线上招聘方式一般以单位提供岗位的描述作为第一印象，由于了解到的信息过于贫瘠，导致待业人员没有了进一步了解的欲望。也可能是岗位提供的描述具有问题的情况下，该单位对此呈未知态度，从而导致双方的线上沟通有误，使部分岗位的就业成功率受到影响。
技术实现思路
1、本专利技术公开基于大数据中专业类别的岗位推荐方法，旨在解决由于了线上解到的信息过于贫瘠，使部分岗位的就业成功率受到影响的技术问题。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、基于大数据中专业类别的岗位推荐方法，包括以下具体步骤：
4、s1：以待业人员为出发点，进行岗位推荐；
5、s2：以招聘单位为出发点，针对岗位情况进行分析；
6、s3：综合分析：结合待业人员和招聘单位特征进行分析；
7、所述s1包括以下具体步骤：p>
8、s11：就业特征统计：通过问卷以及程度比较的方式获取待业人员的就业需求，并统计数据中的就业特征进行分析；
9、s12：带入模型训练：将统计并经过分析后的就业特征带入至模型中进行训练，获取推荐岗位；
10、s13：岗位推荐：为待业人员推荐经过训练后得到的适合岗位；
11、所述s2包括以下具体步骤：
12、s21：到岗情况统计：以问卷的方式获取就业人员的到岗情况，对于待业人员则收集其待业原因；
13、s22：历史数据训练：基于到岗情况统计，结合其他历史数据进行训练；
14、s23：训练数值分析：对历史数据训练后的训练数值进行分析；
15、所述s3包括以下具体步骤：
16、s31：对待业人员提出的生活需求进行提取，或是根据提供的生活现状自行衍生成生活需求数据；
17、s32：对招聘单位进行定位，并以此为中心，对固定范围内的生活区进行分析；
18、所述s11，就业特征统计包括以下具体步骤：
19、s111：专业记录：对待业人员的专业进行统计，并进行专业分类；
20、s112：需求记录：对待业人员提出的岗位需求进行记录，并提取需求关键词；
21、s113：需求数值转换：将每个需求关键词下所选择的程度转换为具体数值备用；
22、所述s12，带入模型训练包括以下具体步骤：
23、s121：模型拆解：根据s112中记录的不同需求关键词对模型进行分类拆解；
24、s122：模型预测：利用模型分别对不同类型的数值进行预测；
25、s123：预测结果整合分析：对不同类型的模型预测结果进行整合分析；
26、s124：岗位排序推荐：基于预测结果的整合分析结果进行排序推荐；
27、所述s121中，基于单指数平滑法进行模型预测，基于公式：st＝αyt+(1-α)st-1，其中st为时期t的平滑值，yt为时期t的实际值，st-1为时期t的平滑值，α为平滑常数，介于0-1之间；
28、所述s123，预测结果整合分析中，st越小则代表适配度越高。
29、通过分别以待业人员、招聘单位为出发点，通过获取待业人员的专业以及其他需求来带入模型进行训练，定位到适应的特定岗位上去，并通过对招聘单位的岗位进行分析，通过分析来优化岗位的适应范围以及提高岗位的就业成功率，并综合分析待业人员的需求以及招聘单位所能提供的硬性条件来丰富待业人员的岗位考虑范围，从而提高待业人员以及招聘单位的匹配度，进一步提高推荐就业率。
30、在一个优选的方案中，所述s23，训练数值分析包括以下具体步骤：
31、s231：推荐成功率阈值设置：分级设置岗位推荐成功率阈值；
32、s232：推荐成功率分级：通过将历史数据的推荐成功率与阈值进行比对，以岗位和招聘单位为类别进行分级；
33、s233：到岗情况问卷关键词提取：对未到岗情况问卷的关键词进行提取；
34、s234：问题点反馈：将关键词转化为问题点进行反馈；
35、s235：有益点延伸分析、呈现：剖除该问题点，对该岗位的其他方面的有益点进行延伸分析，并提取该点进行主要呈现。
36、通过以招聘单位为出发点，充分利用历史数据进行训练分析，对招聘单位提供的特定岗位长期招聘失败的情况进行有效分析，并将该分析结果反馈至招聘单位，辅助其进行改良，提高岗位用人成功率，同时通过有益点延伸分析，在剖除分析出的问题点外，从另一方面提取该岗位存在的有益点，并通过主要呈现的方式来吸引有特定需求的人，同时通过转移关注点的方式来降低对问题点的关注度，从而进一步提高岗位的应聘成功率。
37、在一个优选的方案中，所述s32，包括以下具体步骤：
38、s321：相关软件绑定：与多个相关软件进行绑定，并获取软件内提供的信息；
39、s322：住宿环境自动推荐：以招聘单位为中心，在特定范围内通过特定软件获取到适合的租房信息，并推荐至待业人员；
40、s323：生活区路线介绍：以招聘单位为中心，对特定范围内的生活区以及其路线进行介绍；
41、s324：交通路线介绍：以招聘单位为中心，对延伸出的交通路线进行介绍；
42、s325：评分，按分值排序推荐：分类评分，评分高的类别作为主要特点进行推荐；
43、所述s322，住宿环境自动推荐中，包括以低于现状支出需求以及符合提出的生活需求两种方式进行推荐。
44、通过在综合分析过程中，结合待业人员对于生活的需求以及该单位周边环境所能给予的生活氛围进行推荐，其中包括以更适应的住宿条件以及相关的交通以及生活区进行直接呈现，使待业人员能够直观的快速了解到较为陌生地区所能提供的条件，以便于其对该环境的快速了解，以及通过生活区亮点推荐的方式来转移待业人员的注意力，从而可辅助提高就业成功率。
45、由上可知，基于大数据中专业类别的岗位推荐方法，包括以下具体步骤：s1：以待业人员为出发点，进行岗位推荐；s2：以招聘单位为出发点，针对岗位情况进行分析；s3：综合分析：结合待业人员和招聘单位特征进行分析；所述s1包括以下具体步骤：s11：就业特征统计：通过问卷以及程度比较的方式获取待业人员的就业需求，并统计数据中的就业特征进行分析；s12本文档来自技高网...
【技术保护点】
1.基于大数据中专业类别的岗位推荐方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述S11，就业特征统计包括以下具体步骤：
3.根据权利要求2所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述S12，带入模型训练包括以下具体步骤：
4.根据权利要求3所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述S121中，基于单指数平滑法进行模型预测，基于公式：St＝αYt+(1-α)St-1，其中St为时期t的平滑值，Yt为时期t的实际值，St-1为时期t的平滑值，α为平滑常数，介于0-1之间。
5.根据权利要求4所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述S123，预测结果整合分析中，St越小则代表适配度越高。
6.根据权利要求1所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述S23，训练数值分析包括以下具体步骤：
7.根据权利要求1所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述S32，包括以下具体步骤
8.根据权利要求7所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述S322，住宿环境自动推荐中，包括以低于现状支出需求以及符合提出的生活需求两种方式进行推荐。
...【技术特征摘要】
1.基于大数据中专业类别的岗位推荐方法，其特征在于，包括以下具体步骤：
2.根据权利要求1所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述s11，就业特征统计包括以下具体步骤：
3.根据权利要求2所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述s12，带入模型训练包括以下具体步骤：
4.根据权利要求3所述的基于大数据中专业类别的岗位推荐方法，其特征在于，所述s121中，基于单指数平滑法进行模型预测，基于公式：st＝αyt+(1-α)st-1，其中st为时期t的平滑值，yt为时期t的实际值，st-1为时期t的平滑值，α为平滑常数，...
【专利技术属性】
技术研发人员：陈元利，
申请(专利权)人：海南智洁人力资源股份有限公司，
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。