System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及大数据的,尤其是涉及一种基于大数据应用技术的智能招聘匹配方法及系统。
技术介绍
1、传统的招聘流程不仅耗时长、效率低,招聘人员而且容易忽略那些合适的候选人,候选人也难以找到符合自己技能和经验的职位。目前随着互联网的迅速发展以及全球人才市场的不断扩大,招聘企业和职位越来越多,招聘活动变得越来越复杂。
2、现有的招聘方式是通过招聘软件进行网络招聘,根据应聘人员简历及招聘岗位需求进行匹配筛选过程,在海量数据中向招聘职位及应聘搜选人推荐较为匹配的选择。固定的筛分匹配方法较难适应性地满足日益复杂的招聘需求,进而导致推送的候选人及招聘职位精确性较差。
技术实现思路
1、为了解决招聘过程中,应聘人才和招聘企业职位匹配的准确性问题,本专利技术提供一种基于大数据应用技术的智能招聘匹配方法及系统。
2、第一方面,本专利技术提供的一种基于大数据应用技术的智能招聘匹配方法,采用如下的技术方案:
3、一种基于大数据应用技术的智能招聘匹配方法,包括:
4、获取候选人信息和职位需求信息;
5、对获取到的候选人信息和职位需求信息进行数据清洗,得到候选人信息集和职位需求信息集;
6、基于词袋技术、词嵌入技术以及降维算法构建特征提取模型,将候选人信息集以及职位需求信息集输入特征提取模型中,对候选人信息集及以及职位需求信息集进行特征向量提取,得到候选人特征向量集和职位需求特征向量集;
7、基于机器学习算法构建分类模型,将候
8、进一步地,所述获取候选人信息和职位需求信息的步骤包括:
9、通过网络爬虫以及api抓取原始候选人信息和原始职位需求信息;
10、对所述原始候选人信息和原始职位需求信息,进行整合并进行标准化处理,得到所述候选人信息和职位需求信息,并导入到集中式数据库。
11、进一步地,所述对获取到的候选人信息和职位需求信息进行数据清洗的过程包括:
12、去除所述候选人信息和所述职位需求信息上的html标签和特殊字符,通过词法分析将所述候选人信息和职位需求信息分成单词或短语,过滤掉停用词,并进行大小写转换、拼写矫正及去重合并,得到候选人信息集和职位需求信息集。
13、进一步地,所述构建特征提取模型的过程包括:
14、对所述候选人信息集和所述职位需求信息集进行词嵌入处理、词袋处理以及优化处理;
15、将所述候选人信息集和所述职位需求信息集转化为词嵌入表示,将所述候选人信息集和所述职位需求信息集中的每个单词及短语替换为向量表示,形成词向量;
16、根据词向量计算词向量的加权平均值,得到一次预处理候选人向量集和一次预处理职位需求向量集,并通过使用词嵌入向量之间的相似性来确定特定特征。
17、进一步地,所述词袋处理的步骤包括:
18、将所述候选人信息集和所述职位需求信息集输入到所述词袋模型,通过构建词汇表、文本向量化、以及使用tf-idf方法赋予向量元素权重,得到二次预处理候选人向量集和二次预处理职位需求向量集;
19、通过所述一次预处理候选人向量集以及所述二次预处理候选人向量集,进行连接融合,得到三次预处理候选人向量集;
20、通过所述一次预处理职位需求向量集以及所述一次预处理职位需求向量集,进行连接融合,得到三次预处理职位需求向量集。
21、进一步地,所述优化处理的步骤包括:
22、使用主成分分析法,分别对所述三次预处理候选人向量集以及所述三次预处理职位需求向量集进行降维处理,从而保留重要特征并减少维度,得到所述候选人特征向量集以及所述职位需求特征向量集。
23、进一步地,所述构建分类模型的过程包括:
24、对所述候选人特征向量集和所述职位需求特征向量集,分别用标签标注,生成分类模型训练数据;
25、基于机器学习算法,建立分类模型,得到多个候选人群集和多个职位需求群集,所述候选人群集用于精准匹配职位需求,所述职位需求群集用于精准匹配候选人,并根据向量相似度生成推荐列表;
26、使用交叉验证技术,评估所述分类模型的性能,并根据需要进行参数调整和优化。
27、进一步地,所述根据向量相似度生成推荐列表,过程包括:
28、计算所述候选人和匹配到的所述职位需求群集的向量相似度,其中s(a,b)表示所述候选人特征向量与职位需求特征向量的向量相似度,所述n表示向量维度,所述a表示所述候选人特征向量,,所述b表示所述职位需求特征向量,,;
29、根据所述候选人和匹配到的所述职位需求群集的向量相似度,将所述职位需求群集中的职位需求按照向量相似度降序排列,得到职位需求推荐列表;
30、根据所述职位需求和匹配到的所述候选人群集的向量相似度,将所述候选人群集中的候选人按照向量相似度降序排列,得到候选人推荐列表。
31、第二方面,一种基于大数据应用技术的智能招聘匹配系统,包括:
32、数据收集模块,被配置为,获取候选人信息和职位需求信息;
33、数据预处理模块,被配置为,对获取到的候选人信息和职位需求信息进行数据清洗,得到候选人信息集和职位需求信息集;
34、特征建模模块,被配置为,基于词袋技术、词嵌入技术以及降维算法构建特征提取模型,将候选人信息集以及职位需求信息集输入特征提取模型中,对候选人信息及以及职位需求信息集进行特征向量提取,得到候选人特征向量集和职位需求特征向量集;
35、匹配推荐模块,被配置为,基于机器学习算法算法构建分类模型,将候选人特征向量集和职位需求特征向量集,输入分类模型中,并通过计算候选人和职位需求的向量相似度生成推荐列表。
36、第三方面,本专利技术提供一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种基于大数据应用技术的智能招聘匹配方法。
37、综上所述,本专利技术具有如下的有益技术效果:
38、与现有的招聘匹配方法相比,基于大数据应用技术的智能招聘匹配方法提高了招聘职位和应聘人才的匹配精确性以及快速性,尤其是利用分类模型计算候选人和职位需求的向量相似度的方式,对候选人以及职位需求更精准、更快速的匹配。
本文档来自技高网...【技术保护点】
1.一种基于大数据应用技术的智能招聘匹配方法,其特征在于,包括:
2.根据权利要求1所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述获取候选人信息和职位需求信息的步骤包括:
3.根据权利要求1所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述对获取到的候选人信息和职位需求信息进行数据清洗的过程包括:
4.根据权利要求1所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述构建特征提取模型的过程包括:
5.根据权利要求4所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述词袋处理的步骤包括:
6.根据权利要求5所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述优化处理的步骤包括:
7.根据权利要求6所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述构建分类模型的过程包括:
8.根据权利要求7所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述根据向量相似度生成推荐列表,过程包括:
9.一种基于大数
10.一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行如权利要求1所述的一种基于大数据应用技术的智能招聘匹配方法。
...【技术特征摘要】
1.一种基于大数据应用技术的智能招聘匹配方法,其特征在于,包括:
2.根据权利要求1所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述获取候选人信息和职位需求信息的步骤包括:
3.根据权利要求1所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述对获取到的候选人信息和职位需求信息进行数据清洗的过程包括:
4.根据权利要求1所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述构建特征提取模型的过程包括:
5.根据权利要求4所述的一种基于大数据应用技术的智能招聘匹配方法,其特征在于,所述词袋处理的步骤包括:
6.根据权利要求5所...
【专利技术属性】
技术研发人员:刘洋,史健刚,仇东周,宋敏,
申请(专利权)人:济南明泉数字商务有限公司,
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。