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】
本申请涉及智能招聘,尤其涉及一种b端智能简历筛选方法和装置。
技术介绍
1、近些年,人工智能(ai)、大数据、物联网、云计算等新兴技术的迅猛发展给我们的工作和生活带来了翻天覆地的变化,大数据无孔不入、智能化无处不在。
2、目前,hr管理者最希望ai能在招聘中帮助hr节省招聘时间、提升工作效率。在人力资源智能化应用、数字化转型的背景下,hr管理者希望在线上招聘的基础上,提效降本、从而更快更精准地找到合适的候选人的招聘目标。智能招聘是一种人工智能(ai)应用程序。通过预测分析,它可以帮助招聘人员自动化其招聘流程。
3、智能招聘过程中,简历的智能筛选、简历查重、人岗匹配、智能推荐等应用是hr管理者与招聘hr共同关注的场景。其中,根据标签、岗位要求帮助hr快速筛选海量简历,是hr目前最希望通过ai解决的问题;通过ai自动识别重复简历,并给hr发出提醒,从而减少不必要的招聘费用;帮助hr判断候选人与已发出岗位的匹配度,进行人岗匹配、智能推荐。
4、但是,目前通过ai进行简历匹配和筛选,是基于现有智能招聘平台里的简历大数据,根据招聘方提供的招聘条件进行匹配和筛选,但是招聘方在进行招聘时,虽然会提供一些岗位描述语句作为筛选范围的限定条件,但是仍然会筛选出大量的简历;另外,不同的企业因为企业性质、岗位、职位需求等,对于同类人才的需求偏重也不同,从而导致智能简历筛选的准确性较低,进而使得筛选出的简历数量仍然过多。
5、因此,如何解决目前智能简历筛选准确性低下成为亟待解决的技术问题。
【技术保护点】
1.一种B端智能简历筛选方法,其特征在于,所述方法包括:
2.根据权利要求1所述的B端智能简历筛选方法,其特征在于,所述采集所述招聘方用户对各所述简历分类集合中至少一份所述待推荐简历的反馈数据,确定所述招聘方用户对各所述简历分类集合的兴趣度,包括:
3.根据权利要求2所述的B端智能简历筛选方法,其特征在于,所述获取所述招聘方用户对各所述简历分类集合中各所述待推荐简历的招聘发起率,包括:
4.根据权利要求1所述的B端智能简历筛选方法,其特征在于,所述采集所述招聘方用户对各所述简历分类集合中至少一份所述待推荐简历的反馈数据,确定所述招聘方用户对各所述简历分类集合的兴趣度,还包括:
5.根据权利要求4所述的B端智能简历筛选方法,其特征在于,所述基于所述招聘方用户对各所述简历卡片以及各所述示范简历的浏览反馈数据,确定所述招聘方用户对各所述简历分类集合的兴趣度,包括:
6.根据权利要求5所述的B端智能简历筛选方法,其特征在于,所述基于所述查看数据以及所述反馈时长,确定所述招聘方用户对各所述简历分类集合的兴趣度,包括:
8.一种B端智能简历筛选装置,其特征在于,所述B端智能简历筛选装置包括:
9.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至7中任一项所述的B端智能简历筛选方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述的B端智能简历筛选方法的步骤。
...【技术特征摘要】
1.一种b端智能简历筛选方法,其特征在于,所述方法包括:
2.根据权利要求1所述的b端智能简历筛选方法,其特征在于,所述采集所述招聘方用户对各所述简历分类集合中至少一份所述待推荐简历的反馈数据,确定所述招聘方用户对各所述简历分类集合的兴趣度,包括:
3.根据权利要求2所述的b端智能简历筛选方法,其特征在于,所述获取所述招聘方用户对各所述简历分类集合中各所述待推荐简历的招聘发起率,包括:
4.根据权利要求1所述的b端智能简历筛选方法,其特征在于,所述采集所述招聘方用户对各所述简历分类集合中至少一份所述待推荐简历的反馈数据,确定所述招聘方用户对各所述简历分类集合的兴趣度,还包括:
5.根据权利要求4所述的b端智能简历筛选方法,其特征在于,所述基于所述招聘方用户对各所述简历卡片以及各所述示范简历的浏览反馈数据,确定所述招聘方用户对各所述简历分类集合的兴趣度,包括:
【专利技术属性】
技术研发人员:王昊,胡斌,姚思佳,任爱松,
申请(专利权)人:北京网聘信息技术有限公司,
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。