CN110019689A - 职位匹配方法和职位匹配系统 - Google Patents

Abstract

本发明公开了一种职位匹配方法，包括：从网上获取职位信息和简历信息，并将职位信息和简历信息分别存储于职位信息数据库和简历信息数据库；对职位信息和简历信息进行分词，并根据分词得到的词频确定关键词及其权重；从职位信息数据库选定目标职位信息，并获取目标职位信息的关键词，接收用户需求的要素，对目标职位信息的关键词和用户需求的要素分配权重，生成检索规则；在简历信息数据库中检索，计算简历信息的关键词及其权重与检索规则的相似度，再按相似度从大到小的顺序反馈给用户相关的简历信息。本发明还公开了一种职位匹配系统。本发明能够针对岗位需求的要素以及人力专员或者猎头对岗位的理解提出的要素，更准确的推荐合适的简历信息。

Description

职位匹配方法和职位匹配系统

技术领域

本发明涉及计算机应用技术领域。更具体地说，本发明涉及一种职位匹配方法和职位匹配系统。

背景技术

随着招聘和求职的需求量不断增大，传统的一些收集信息的渠道，如专人登记等，己不能满足需要。信息的全球化和网络的高速发展，带来了全新的求职和招聘模式——网络招聘。各种招聘网站层出不穷，网络化的社交方式也提供了良好的人力资源平台，然而现有的招聘网站只是筛选出岗位需求的关键词和简历信息的关键词，再通过计算岗位需求的关键词和简历信息的关键词的匹配程度来向人力专员或者猎头推荐简历，这种推荐往往会遗漏人力专员或者猎头特别需求而没有体现在简历中的要素，造成推荐的结果不符合要求，还耗费大量的时间和精力。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种职位匹配方法和职位匹配系统，能够针对岗位需求的要素以及人力专员或者猎头对岗位的理解提出的要素，更准确的推荐合适的简历信息。

为了实现根据本发明的这些目的和其它优点，提供了一种职位匹配方法，包括：

从互联网上获取职位信息和简历信息，并将职位信息和简历信息分别存储于职位信息数据库和简历信息数据库；

对职位信息和简历信息进行分词，并根据分词得到的词频确定关键词及其权重；

从职位信息数据库选定目标职位信息，并获取目标职位信息的关键词，接收用户需求的要素，对目标职位信息的关键词和用户需求的要素分配权重，以生成检索规则；

在简历信息数据库中检索，计算简历信息的关键词及其权重与检索规则的相似度，再按相似度从大到小的顺序反馈给用户相关的简历信息。

优选的是，对目标职位信息的关键词和用户需求的要素分配权重包括：对目标职位信息的关键词和用户需求的要素进行排序，按序号从小到大逐渐减小权重分配。

优选的是，还包括：接收用户导入的职位信息或简历信息，并存储于职位信息数据库或简历信息数据库。

优选的是，将职位信息存储于职位信息数据库前，还包括：

将从互联网上获取的职位信息或用户导入的职位信息与职位信息数据库中的职位信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的职位信息或用户导入的职位信息，否则将从互联网上获取的职位信息或用户导入的职位信息存储于职位信息数据库中。

优选的是，将简历信息存储于简历信息数据库前，还包括：

将从互联网上获取的简历信息或用户导入的简历信息与简历信息数据库中的简历信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的简历信息或用户导入的简历信息，否则将从互联网上获取的简历信息或用户导入的简历信息存储于简历信息数据库中。

优选的是，在简历信息数据库中检索后，还包括：

接收用户导入的职位匹配结果，若简历信息上的求职者成功入职，则记录匹配成功的目标职位信息和简历信息，并保存检索规则。

优选的是，对职位信息和简历信息进行分词包括：采用分词算法对职位信息或简历信息进行分词，并统计职位信息或简历信息中每个词的词频，取词频最大N个词为关键词，以关键词的词频作为权重。

优选的是，相似度计算均采用空间向量模型的余弦算法。

本发明还提供一种职位匹配系统，包括：

爬虫模块，其用于从互联网上获取职位信息和简历信息，并将职位信息和简历信息分别存储于职位信息数据库和简历信息数据库；

语义分析模块，其用于对职位信息和简历信息进行分词，并根据分词得到的词频确定关键词及其权重；

检索规则生成模块，其用于从职位信息数据库选定目标职位信息，并获取目标职位信息的关键词，接收用户需求的要素，对目标职位信息的关键词和用户需求的要素分配权重，以生成检索规则；

检索模块，其用于在简历信息数据库中检索，计算简历信息的关键词及其权重与检索规则的相似度，再按相似度从大到小的顺序反馈给用户相关的简历信息。

优选的是，还包括：

信息导入模块，其用于接收用户导入的职位信息或简历信息，并存储于职位信息数据库或简历信息数据库；

信息查重模块，其用于将从互联网上获取的职位信息或用户导入的职位信息与职位信息数据库中的职位信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的职位信息或用户导入的职位信息，否则将从互联网上获取的职位信息或用户导入的职位信息存储于职位信息数据库中，以及；

将从互联网上获取的简历信息或用户导入的简历信息与简历信息数据库中的简历信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的简历信息或用户导入的简历信息，否则将从互联网上获取的简历信息或用户导入的简历信息存储于简历信息数据库中。

用户信息管理模块，其用于接收用户导入的职位匹配结果，若简历信息上的求职者成功入职，则记录匹配成功的目标职位信息和简历信息，并保存检索规则。

本发明至少包括以下有益效果：公司的人力专员或者猎头可以检索系统爬虫模块从各个招聘网站和企业网站上收集的简历及职位信息，同时接收求职者的服务申请，同时基于系统给出的关键词可以自行调整检索规则，使检索得到的简历信息更符合公司的人力专员或者猎头要求，同时可以记录公司的人力专员或者猎头的工作经验，降低了公司的人力专员或者猎头对专业知识的依赖程度。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明所述职位匹配方法的流程示意图；

图2为本发明所述职位匹配系统的组成结构示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本发明的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

如图1所示，本发明提供一种职位匹配方法的一个实施例，可应用于职位匹配系统中，该方法包括：

职位匹配系统从互联网上获取职位信息和简历信息，这个工作可以是猎头或者公司人力专员通过在互联网专业招聘网站或者其他公司官网上浏览信息，再通过猎头或者公司人力专员将职位信息和简历信息输入到职位匹配系统中，也可以通过专门的网络爬虫完成，并记录职位信息和简历信息的来源，再将职位信息和简历信息分别存储于职位信息数据库和简历信息数据库，这里职位信息数据库和简历信息数据库可以事先建立。

在获取职位信息和简历信息后，职位匹配系统开始对职位信息和简历信息进行分词，分词方法可以采用现有的机械分词算法，或者基于统计以及机器学习的分词方法。机械分词算法又叫基于字符串匹配的分词方法，它是将待分析的字符串与机器词典中的词条进行匹配，若在词典中找到词条，使得其与待分析的字符串相同顺序的字符最多，则匹配成功(识别出一个词)。基于统计以及机器学习的分词方法是基于人工标注的词性和统计特征，对中文进行建模，即根据标注好的语料对模型参数进行训练，再用训练好的模型计算待分析文本中各种分词出现的概率，将概率最大的分词结果作为最终结果，当然上述分词方法中均包含对无效词(如的，了等)的剔除过程。上述工作完成后，再根据分词统计每个职位信息或简历信息中的总词数以及每个词条出现的频率，取出现频率最高的5～10个词条为关键词，以关键词出现的频率作为其权重。

从职位信息数据库选定目标职位信息，这里选定目标职位信息前，需要用户先登录职位匹配系统，这里的用户是指公司的人力专员或者猎头，其浏览职位信息数据库后选择一个目标职位信息，并获取目标职位信息的关键词，这里目标职位信息的关键词可能只含一部分岗位需求信息，如只包含行业、职位、薪资、工作经验等，而可能忽略了一些其他要求，如年龄、学历、是否有团队合作能力等，此时需要用户自行输入这些要求的要素，再对目标职位信息的关键词和用户需求的要素分配权重，这里没有使用目标职位信息的关键词的原始权重，因为原始权重只是根据机械算法得到的数据，与实际招聘过程中用户对目标职位信息的关键词给出的实际权重可能有偏差，而权重的分配可以按词条输入的顺序从大到小给予，用户将目标职位信息的关键词和用户需求的要素按其重要性从主到次依次输入，就可以生成检索规则，如目标职位信息给出的只有关键词行业、职位、薪资、工作经验，若用户认为目标职位信息中还缺乏年龄、学历、是否有团队合作能力的要求，同时认为工作经验、是否有团队合作能力、学历更为重要，就可以按工作经验、是否有团队合作能力、学历、行业、职位、薪资、年龄顺序依次输入，则得到的检索规则中工作经验、是否有团队合作能力、学历分配的权重更大，当然权重的分配还可以按词条输入的顺序从小到大给予，那么用户按目标职位信息的关键词和用户需求的要素的重要性从次到主输入。

职位匹配系统在简历信息数据库中检索，检索工具可以采用全文检索引擎，计算简历信息的关键词及其权重与检索规则的相似度，相似度的计算可以采用空间向量模型的余弦算法，由于简历信息为中文文本，中文文本的文本表示模型主要是向量空间模型，向量空间模型的基本思想是把文档简化为以特征项的权重为分量的向量表示W(w₁，w₂，w₃……，w_i)，其中w_i为第i个特征项的权重，一般选取词作为特征项，权重用词频表示，计算由简历信息简化成的向量与检索规则形成的向量之间的夹角偏差，这两个向量的夹角偏差可以用夹角偏差的余弦值表示，若余弦值为0，表示由简历信息简化成的向量与检索规则形成的向量之间的夹角偏差为90°，简历信息与检索规则之间无相似性，若余弦值大于0，表示由简历信息简化成的向量与检索规则形成的向量之间的夹角偏差小于90°，简历信息与检索规则之间存在相似性，再按相似度从大到小的顺序将简历信息反馈给猎头或者公司人力专员。

上述实施例在使用过程中，公司的人力专员或者猎头可以检索系统爬虫模块从各个招聘网站和企业网站上收集的简历及职位信息，同时接收求职者的服务申请，同时基于系统给出的关键词可以自行调整检索规则，使检索得到的简历信息更符合公司的人力专员或者猎头要求。

在另一实施例中，对目标职位信息的关键词和用户需求的要素分配权重包括：对目标职位信息的关键词和用户需求的要素进行排序，按序号从小到大逐渐减小权重分配。这样比较符合大部分用户的输入习惯。

在另一实施例中，还包括：接收用户导入的职位信息或简历信息，并存储于职位信息数据库或简历信息数据库。这样能弥补网络爬虫获取职位信息和简历信息可能出现的遗漏。

在另一实施例中，将职位信息存储于职位信息数据库前，还包括：

将从互联网上获取的职位信息或用户导入的职位信息与职位信息数据库中的职位信息进行相似度计算，这里相似度的计算与职位匹配系统在检索过程中用到的相似度计算方法相同，将互联网上获取的职位信息或用户导入的职位信息先进行分词，得到关键词及关键词的词频，再以关键词为基，关键词的词频为基上的分量，构建互联网上获取的职位信息或用户导入的职位信息的第三空间向量模型，再以同样方法构建职位信息数据库中的若干职位信息的第四空间向量模型，计算第三空间向量模型与每一第四空间向量模型的余弦值作为相似度，若相似度超过预设阈值，则删除从互联网上获取的职位信息或用户导入的职位信息，否则将从互联网上获取的职位信息或用户导入的职位信息存储于职位信息数据库中，这里的预设阈值可以在0.8～1之间。本实施例可以减少重复的职位信息，避免分词过程中职位匹配系统作重复的工作，提高系统工作效率。

在另一实施例中，将简历信息存储于简历信息数据库前，还包括：

将从互联网上获取的简历信息或用户导入的简历信息与简历信息数据库中的简历信息进行相似度计算，这里相似度的计算与职位匹配系统在检索过程中用到的相似度计算方法相同，将互联网上获取的简历信息或用户导入的简历信息先进行分词，得到关键词及关键词的词频，再以关键词为基，关键词的词频为基上的分量，构建互联网上获取的简历信息或用户导入的简历信息的第五空间向量模型，再以同样方法构建简历信息数据库中的若干简历信息的第六空间向量模型，计算第五空间向量模型与每一第六空间向量模型的余弦值作为相似度，若相似度超过预设阈值，则删除从互联网上获取的简历信息或用户导入的简历信息，否则将从互联网上获取的简历信息或用户导入的简历信息存储于简历信息数据库中，这里的预设阈值可以在0.8～1之间。本实施例可以减少重复的简历信息，避免分词和检索过程中职位匹配系统作重复的工作，提高系统工作效率

在另一实施例中，在简历信息数据库中检索后，还包括：

接收用户导入的职位匹配结果，若简历信息上的求职者成功入职，则记录匹配成功的目标职位信息和简历信息，并保存检索规则，这样可以记录公司的人力专员或者猎头的工作经验，当出现目标职位信息类似的服务需求时，公司的人力专员或者猎头可以按成功入职记录中的检索规则来检索简历信息，这样若原来的公司人力专员或者猎头离职，职位匹配系统仍然可以保留其工作记录以及其检索经验，降低了公司后来的人力专员或者猎头公司后来的猎头对专业知识的依赖程度。

在另一实施例中，对职位信息和简历信息进行分词包括：采用分词算法对职位信息或简历信息进行分词，并统计职位信息或简历信息中每个词的词频，取词频最大N个词为关键词，这里的N可以取5～10之间的数，以关键词的词频作为权重。

在另一实施例中，计算简历信息的关键词及其权重与检索规则的相似度的方法包括：以简历信息的关键词为基，以简历信息关键词的权重为基的分量构建简历信息的第一空间向量模型，以目标职位信息的关键词和用户需求的要素为基，以目标职位信息的关键词和用户需求的要素的权重为基的分量构建检索规则的第二空间向量模型，计算第一空间向量模型和第二空间向量模型的余弦值，余弦值越大，表示简历信息的关键词及其权重与检索规则的相似度越大。

如图2所示，本发明还提供一种职位匹配系统，包括：

爬虫模块，其用于从互联网上获取职位信息和简历信息，并将职位信息和简历信息分别存储于职位信息数据库和简历信息数据库；

语义分析模块，其用于对职位信息和简历信息进行分词，并根据分词得到的词频确定关键词及其权重；

检索规则生成模块，其用于从职位信息数据库选定目标职位信息，并获取目标职位信息的关键词，接收用户需求的要素，对目标职位信息的关键词和用户需求的要素分配权重，以生成检索规则；

检索模块，其用于在简历信息数据库中检索，计算简历信息的关键词及其权重与检索规则的相似度，再按相似度从大到小的顺序反馈给用户相关的简历信息。

一般还设有用户注册登录模块，用于创建用户账号，保存用户个人信息。

在另一实施例中，还包括：

信息导入模块，其用于接收用户导入的职位信息或简历信息，并存储于职位信息数据库或简历信息数据库；

信息查重模块，其用于将从互联网上获取的职位信息或用户导入的职位信息与职位信息数据库中的职位信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的职位信息或用户导入的职位信息，否则将从互联网上获取的职位信息或用户导入的职位信息存储于职位信息数据库中，以及；

将从互联网上获取的简历信息或用户导入的简历信息与简历信息数据库中的简历信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的简历信息或用户导入的简历信息，否则将从互联网上获取的简历信息或用户导入的简历信息存储于简历信息数据库中。

用户信息管理模块，其用于接收用户导入的职位匹配结果，若简历信息上的求职者成功入职，则记录匹配成功的目标职位信息和简历信息，并保存检索规则。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (10)

1.一种职位匹配方法，其特征在于，包括：

从互联网上获取职位信息和简历信息，并将职位信息和简历信息分别存储于职位信息数据库和简历信息数据库；

对职位信息和简历信息进行分词，并根据分词得到的词频确定关键词及其权重；

从职位信息数据库选定目标职位信息，并获取目标职位信息的关键词，接收用户需求的要素，对目标职位信息的关键词和用户需求的要素分配权重，以生成检索规则；

在简历信息数据库中检索，计算简历信息的关键词及其权重与检索规则的相似度，再按相似度从大到小的顺序反馈给用户相关的简历信息。

2.如权利要求1所述的职位匹配方法，其特征在于，对目标职位信息的关键词和用户需求的要素分配权重包括：对目标职位信息的关键词和用户需求的要素进行排序，按序号从小到大逐渐减小权重分配。

3.如权利要求2所述的职位匹配方法，其特征在于，还包括：接收用户导入的职位信息或简历信息，并存储于职位信息数据库或简历信息数据库。

4.如权利要求3所述的职位匹配方法，其特征在于，将职位信息存储于职位信息数据库前，还包括：

将从互联网上获取的职位信息或用户导入的职位信息与职位信息数据库中的职位信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的职位信息或用户导入的职位信息，否则将从互联网上获取的职位信息或用户导入的职位信息存储于职位信息数据库中。

5.如权利要求4所述的职位匹配方法，其特征在于，将简历信息存储于简历信息数据库前，还包括：

将从互联网上获取的简历信息或用户导入的简历信息与简历信息数据库中的简历信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的简历信息或用户导入的简历信息，否则将从互联网上获取的简历信息或用户导入的简历信息存储于简历信息数据库中。

6.如权利要求1所述的职位匹配方法，其特征在于，在简历信息数据库中检索后，还包括：

接收用户导入的职位匹配结果，若简历信息上的求职者成功入职，则记录匹配成功的目标职位信息和简历信息，并保存检索规则。

7.如权利要求1所述的职位匹配方法，其特征在于，对职位信息和简历信息进行分词包括：采用分词算法对职位信息或简历信息进行分词，并统计职位信息或简历信息中每个词的词频，取词频最大N个词为关键词，以关键词的词频作为权重。

8.如权利要求7所述的职位匹配方法，其特征在于，计算简历信息的关键词及其权重与检索规则的相似度的方法包括：以简历信息的关键词为基，以简历信息关键词的权重为基的分量构建简历信息的第一空间向量模型，以目标职位信息的关键词和用户需求的要素为基，以目标职位信息的关键词和用户需求的要素的权重为基的分量构建检索规则的第二空间向量模型，计算第一空间向量模型和第二空间向量模型的余弦值，余弦值越大，表示简历信息的关键词及其权重与检索规则的相似度越大。

9.一种职位匹配系统，其特征在于，包括：

爬虫模块，其用于从互联网上获取职位信息和简历信息，并将职位信息和简历信息分别存储于职位信息数据库和简历信息数据库；

语义分析模块，其用于对职位信息和简历信息进行分词，并根据分词得到的词频确定关键词及其权重；

检索规则生成模块，其用于从职位信息数据库选定目标职位信息，并获取目标职位信息的关键词，接收用户需求的要素，对目标职位信息的关键词和用户需求的要素分配权重，以生成检索规则；

检索模块，其用于在简历信息数据库中检索，计算简历信息的关键词及其权重与检索规则的相似度，再按相似度从大到小的顺序反馈给用户相关的简历信息。

10.如权利要求9所述的职位匹配系统，其特征在于，还包括：

信息导入模块，其用于接收用户导入的职位信息或简历信息，并存储于职位信息数据库或简历信息数据库；

信息查重模块，其用于将从互联网上获取的职位信息或用户导入的职位信息与职位信息数据库中的职位信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的职位信息或用户导入的职位信息，否则将从互联网上获取的职位信息或用户导入的职位信息存储于职位信息数据库中，以及；

将从互联网上获取的简历信息或用户导入的简历信息与简历信息数据库中的简历信息进行相似度计算，若相似度超过预设阈值，则删除从互联网上获取的简历信息或用户导入的简历信息，否则将从互联网上获取的简历信息或用户导入的简历信息存储于简历信息数据库中。

用户信息管理模块，其用于接收用户导入的职位匹配结果，若简历信息上的求职者成功入职，则记录匹配成功的目标职位信息和简历信息，并保存检索规则。