[发明专利]一种基于双向推荐的在线招聘系统

说明书

本发明公开了一种基于双向推荐的在线招聘系统，该系统使用的双向推荐算法包括：收集招聘方和求职方用户各自提交的静态信息；收集双方用户的动态行为信息；计算推荐匹配度时需要考虑如下因素：兼顾双方的双向偏好、兼顾用户需求紧迫度、兼顾用户被推荐的“曝光范围”饱和度；算法采用混合模型实现，对多模型的结果采用个性化融合策略。本发明的有益效果为：很好的解决了招聘场景下的用户具有双向偏好、用户需求紧迫度随时间变化、以及用户对“曝光范围”的响应能力有饱和度的问题。

技术领域

本发明涉及一种基于双向推荐的在线招聘系统，具体涉及基于互联网的人力资源快速决策辅助系统，可以有效地为人力资源管理部门提供及时有效的决策辅助依据。

背景技术

当前招聘行业正经历快速发展和变革，一方面，随着互联网和全民创业的浪潮涌现，各个行业都面临产业升级，企业的竞争重点在于人才的竞争，而人才招聘则成为各家企业的头等大事。另一方面，随着移动互联网的普及和大数据技术的成熟，在线招聘成为一种高效便捷的招聘方式。

在线招聘遇到一个问题：信息过载，也就是说在线招聘的用户不得不面对海量的招聘职位/求职简历，如何从海量的信息中挑选出对用户有用的相关信息是一个难题。

推荐算法是解决这类问题常用的一种方式，它建立在数据挖掘的基础上，根据用户的信息需求、兴趣等，将用户感兴趣的信息推荐给用户。它是一种由系统研究用户的兴趣偏好，发现用户的兴趣点，从而引导用户发现自己的信息需求的机制。

推荐系统现已广泛应用于很多领域，传统的推荐算法包括用户建模从而计算用户偏好；物品建模从而计算物品特征；计算用户和物品的匹配度；推荐结果排序和过滤等步骤。常用的推荐方法包括：基于内容的推荐、基于协同过滤的推荐、基于关联规则的推荐、基于标签的推荐和基于混合模型的推荐等。

与传统领域下的推荐算法不同，招聘领域有其特殊性，表现在：

在线招聘系统中使用推荐，目标是为招聘者推荐合适的简历，或者为求职者推荐合适的职位，这样的场景下，被推荐的物品具有双重角色，它既是“物品”同时也是另一种类型的“用户”，所以传统推荐算法只考虑单向用户偏好导致推荐效果不好。

在线招聘系统中用户的“需求紧迫度”不是一成不变的，在不同的时间段上有很大区别，传统推荐算法对于“用户”和“物品”两方面都没有这个维度的考虑。

求职/招聘用户在同一时间段内能够响应的关注信息是存在上限的。所以对于被推荐方的用户需要考虑“曝光范围”的饱和度。而传统推荐算法中被推荐的是物品，所以推荐效果上会导致推荐方和被推荐方的有效互动过低。

发明内容

为解决上述问题，本发明的目的在于提供一种基于双向推荐的在线招聘系统，用于解决现有技术中推荐结果不能很好的解决在线招聘推荐中用户具有双向偏好、用户求职/招聘意愿强烈程度随时间而变化、用户同一时间段内的“曝光范围”存在饱和度等问题。

为实现上述目的，本发明使用了以下几种关键特征：

用户‘需求紧迫度’：使用招聘系统的用户，在不同时机上他的强烈程度和紧迫感不同，这种不同会体现在他的行为记录和关注的内容上，比如招聘方紧急缺人时，活跃度明显上升，且对人才的要求也会适当放松，求职方也同样。本发明通过‘需求紧迫度’的挖掘和使用提升了用户体验。

用户偏好的双向匹配度：传统场景下的推荐是把“物品”推荐给“人”，所以只考虑接受方的偏好就可以。但招聘场景下，被推荐的信息有双重角色，既是“物品”也是另一种类型的“人”，只考虑单向偏好，会导致用户间的有效互动降低，本发明使用双向匹配度，同时兼顾了招聘方和求职方的双向偏好，明显提升了用户间的有效互动率。