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() 一种基于AI大语言模型的招聘系统及方法技术方案_技高网

一种基于AI大语言模型的招聘系统及方法技术方案

技术编号:40318848 阅读:5 留言:0更新日期:2024-02-07 21:02
本发明专利技术涉及互联网招聘技术领域,且公开了一种基于AI大语言模型的招聘系统,包括中央处理器。通过挖掘用户的‘需求紧迫度’,对招聘|求职需求紧迫的人,推荐人选放宽匹配度,强调主动性,从而有效提升用户互动率和招聘成功率,通过用户“曝光范围”饱和度动态控制用户“曝光范围”,使得用户有能力响应被动关注的信息,减少无效曝光,从而有效提升推荐和被推荐双方的体验,而通过所述人才匹配系统发布考试题库,能够精细化的对求职者进行筛选,能够针对特定行业做更为精细化的服务,给招聘方提供较为健全的信息控制权限。即实现针对专业化领域的招聘提供精细化的服务,相对于传统上采取线下招聘,极大的提高了招聘的效率和质量。

【技术实现步骤摘要】

本专利技术涉及互联网招聘,具体为一种基于ai大语言模型的招聘系统及方法。


技术介绍

1、如今越来越多的企业通过网上招聘员工,通过手机招聘软件找工作的人群也是越来越多,现有的招聘软件能够对企业的招聘信息和求职者的个人简历进行信息筛选和匹配,为企业提供大量的符合基本条件的求职者,也会为求职者提供大量的符合基本需求的企业。

2、经检索,公开号为cn110930126a的中国专利公开了一种ai智能化招聘服务系统,本服务系统包括服务器、现场服务机器人、用户终端;服务器可对应设置多个布置于不同招聘现场的服务机器人,服务器和服务机器人之间通过无线通信连接后可用于服务机器人的远程控制和信息交互;用户终端连接服务器,用于实现与服务器的信息交互,包括招聘信息发布、浏览;服务机器人包括一柜体,柜体侧面设有显示屏、扫描口,柜体内部设置控制器,的显示屏为多个,多个显示屏分别用于显示由不同招聘者发布的招聘信息。本服务系统能够为不能到达招聘现场的招聘者发布其相应的招聘信息,应聘者可对感兴趣的招聘信息进行现场简历投放,能够有效解决招聘者因各种因素导致无法进入现场招聘所带来的的人才流失问题。

3、但是:近几年来人工智能技术快速发展,尤其是人工智能大语言模型的出现,正在给各行各业带来颠覆性的变化。大语言模型利用了深度学习和自然语言处理等技术,具备了海量的知识储备,在很多专业领域具有更高的效率和准确度。如何基于大语言模型提高了招聘系统的效率,降低招聘系统操作门槛,成为亟待解决的问题。


技术实现思路

<p>1、针对现有技术的不足,本专利技术提供了一种基于ai大语言模型的招聘系统及方法。

2、为实现上述目的,本专利技术提供如下技术方案:一种基于ai大语言模型的招聘系统,包括中央处理器,还包括:

3、搜索设定系统,用于设定通过搜索器进行搜索的组合条件、权重赋值以及展示顺序规则;

4、数据收集系统,用于收集求职者个人的求职数据;并将收集的数据发送至中央处理器;

5、离线分析系统,用于对用户静态信息和用户行为记录做离线挖掘和特征计算;

6、推荐中心系统,用于对请求用户计算相应的推荐列表;

7、人才匹配系统,用于发布考试题库匹配专业人才。

8、优选的,所述搜索设定系统中,所述组合条件包括至少一个条件;所述权重赋值为各条件的权重,取值为大于等于1的整数,默认值为1,取值大于1的条件为强制条件;

9、展示顺序规则具体为:权重大于1与权重等于1的交集结果>权重大于1的交集结果>权重大于1的并集结果>权重大于1与权重等于1的并集结果。

10、优选的,所述数据收集系统包括:求职数据包括求职者年龄、毕业院校以及所学专业、求职岗位、期望薪资、工作经验以及获得证书情况。

11、优选的,所述离线分析系统,包括将数据收集系统收集完成的数据并整理入库;

12、再通过数据预处理模块涉及对数据的整理、清洗,用户信息按字段做格式化,用户行为按时间序列分块;

13、再通过特征提取模块从整理完成的数据中抽取各种特征,用于后续的模型训练;模型训练模块收集特征和训练集,训练学习出一系列模型,包括用户兴趣模型、用户内容特征模型、用户需求紧迫度模型、用户曝光饱和度模型。

14、优选的,所述推荐中心系统包括数据检索模块、推荐计算模块、实时反馈分析模块;数据检索模块主要从海量数据召回初步推荐候选集,主要通过建立倒排索引和内存缓存实现;推荐计算模块主要从已召回的推荐候选集中挑选出最符合需求的推荐结果,使用了融合模型做推荐计算,主要基于双向匹配度,需求紧迫度和曝光范围饱和度特征;实时反馈分析模块主要是收集线上用户的实时反馈,通过这些反馈信息动态调整已计算出的用户特征,且相应调整最终的推荐结果。

15、优选的,所述人才匹配系统具体包括:

16、发布考试题库用于考核推荐中心系统推荐出来的求职者,求职者和招聘者基于所述考试题库进行提问和答疑,对所述考试题库的考题以及提问和答疑的内容进行归类,进而匹配求职者和招聘者,进行相互推荐展示。

17、优选的,所述基于所述考试题库,求职者利用求职者账号对别的求职者的提问进行答疑,各专家通过专家账号进行点赞,被点赞次数越多对应的知识等级越高,被推荐展示的优先级越高。

18、一种基于ai大语言模型的招聘方法,包括上述所述的招聘系统,包括以下步骤:

19、s1:首先通过搜索设定系统筛选出相关求职信息;

20、s2:再通过数据收集系统收集求职者的个人数据;

21、s3:利用离线分析系统进行整理并入库,不消耗在线时的内存;

22、s4:推荐中心系统通过智能分析筛选出较为合适的求职者;

23、s5:通过发布考试题库去进一步筛选。

24、与现有技术相比,本专利技术提供了一种基于ai大语言模型的招聘系统及方法,具备以下有益效果:

25、该一种基于ai大语言模型的招聘系统及方法,通过挖掘用户的‘需求紧迫度’,对招聘|求职需求紧迫的人,推荐人选放宽匹配度,强调主动性,从而有效提升用户互动率和招聘成功率,通过用户“曝光范围”饱和度动态控制用户“曝光范围”,使得用户有能力响应被动关注的信息,减少无效曝光,从而有效提升推荐和被推荐双方的体验,而通过所述人才匹配系统发布考试题库,能够精细化的对求职者进行筛选,能够针对特定行业做更为精细化的服务,给招聘方提供较为健全的信息控制权限。即实现针对专业化领域的招聘提供精细化的服务,相对于传统上采取线下招聘,极大的提高了招聘的效率和质量。

本文档来自技高网
...

【技术保护点】

1.一种基于AI大语言模型的招聘系统,包括中央处理器,其特征在于:还包括:

2.根据权利要求1所述的一种基于AI大语言模型的招聘系统,其特征在于:所述搜索设定系统中,所述组合条件包括至少一个条件;所述权重赋值为各条件的权重,取值为大于等于1的整数,默认值为1,取值大于1的条件为强制条件;

3.根据权利要求1所述的一种基于AI大语言模型的招聘系统,其特征在于:所述数据收集系统包括:求职数据包括求职者年龄、毕业院校以及所学专业、求职岗位、期望薪资、工作经验以及获得证书情况。

4.根据权利要求1所述的一种基于AI大语言模型的招聘系统,其特征在于:所述离线分析系统,包括将数据收集系统收集完成的数据并整理入库;

5.根据权利要求1所述的一种基于AI大语言模型的招聘系统,其特征在于:所述推荐中心系统包括数据检索模块、推荐计算模块、实时反馈分析模块;数据检索模块主要从海量数据召回初步推荐候选集,主要通过建立倒排索引和内存缓存实现;推荐计算模块主要从已召回的推荐候选集中挑选出最符合需求的推荐结果,使用了融合模型做推荐计算,主要基于双向匹配度,需求紧迫度和曝光范围饱和度特征;实时反馈分析模块主要是收集线上用户的实时反馈,通过这些反馈信息动态调整已计算出的用户特征,且相应调整最终的推荐结果。

6.根据权利要求1所述的一种基于AI大语言模型的招聘系统,其特征在于:所述人才匹配系统具体包括:

7.根据权利要求6所述的一种基于AI大语言模型的招聘系统,其特征在于:所述基于所述考试题库,求职者利用求职者账号对别的求职者的提问进行答疑,各专家通过专家账号进行点赞,被点赞次数越多对应的知识等级越高,被推荐展示的优先级越高。

8.一种基于AI大语言模型的招聘方法,包括上述权利要求1-7任一项所述的招聘系统,其特征在于,包括以下步骤:

...

【技术特征摘要】

1.一种基于ai大语言模型的招聘系统,包括中央处理器,其特征在于:还包括:

2.根据权利要求1所述的一种基于ai大语言模型的招聘系统,其特征在于:所述搜索设定系统中,所述组合条件包括至少一个条件;所述权重赋值为各条件的权重,取值为大于等于1的整数,默认值为1,取值大于1的条件为强制条件;

3.根据权利要求1所述的一种基于ai大语言模型的招聘系统,其特征在于:所述数据收集系统包括:求职数据包括求职者年龄、毕业院校以及所学专业、求职岗位、期望薪资、工作经验以及获得证书情况。

4.根据权利要求1所述的一种基于ai大语言模型的招聘系统,其特征在于:所述离线分析系统,包括将数据收集系统收集完成的数据并整理入库;

5.根据权利要求1所述的一种基于ai大语言模型的招聘系统,其特征在于:所述推荐中心系统包括数据检索模块、推荐计算模块、实时反馈分析模块;数据检索模...

【专利技术属性】
技术研发人员:陈建
申请(专利权)人:恒兴同利厦门工程科技有限公司
类型:发明
国别省市:

相关技术
    暂无相关专利
网友询问留言 已有0条评论
  • 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。

1