[发明专利]一种基于自然语义分析技术的简历智能推荐算法

说明书

本发明公开了一种基于自然语义分析技术的简历智能推荐算法，本发明基于云招聘平台海量的投递、筛选、面试、入职等用户行为数据，设计出简历、职位的匹配推荐算法，根据该算法可以自动为招聘方和求职者推荐合适的简历或职位，从而提高网络招聘、求职的效率；传统的推荐算法，要么基于内容推荐，要么基于喜好推荐，而本发明的算法基于两者协同的结合同时加入一些行业、公司等潜在影响因素，力求精准、快速推荐，其优势在于基于云招聘平台，平台已经沉淀了数亿计的招聘行为数据，推荐算法不仅基于岗位本身的匹配度，还基于用户行为的偏好，推荐后，根据用户的处理结果，反馈给推荐系统，推荐系统对数据模型再学习，从而准确度越来越高。

技术领域

本发明涉及简历信息检索的相关领域，具体为一种基于自然语义分析技术的简历智能推荐算法。

背景技术

随着企业间人才竞争的不断加剧，如何在合理预算范围内更快更准地找到人才，已成为企业愈发关注的议题，也是企业人力资源部门（HR）面临的主要挑战，在这些挑战中，比较显著的痛点包括：a.对招聘需求的理解：对企业HR而言，要提升招聘绩效，首要的任务就是要能深刻理解用人部门的招聘需求，不同背景、不同经验的HR，往往在招聘需求的理解上存在差异，而如果需求理解不到位，不仅浪费HR的简历筛选时间，同时还会浪费用人部门的面试时间，进而降低用人部门对HR的招聘满意度。b.简历筛选消耗HR大量时间：在招聘过程中，HR大量的时间都是花在简历筛选上，人工筛选简历，简历平均通过率在20%左右，这意味着浏览100份简历，有可能只有20份合适的，而这20份合适的简历，进行电话沟通后，有可能只有5个候选人愿意接受面试，实际到面的也许只有2-3人，这样的招聘漏斗使得HR每天不得不疲于奔命地不断大量筛选简历，而不能投入足够的精力在相对精准的人才识别上。c.企业自身的人才库不能很好的利用起来：企业在招聘过程中积累了大量经过筛选、留下面试评价的简历，其中不少简历岗位匹配度较高，但因为各种原因没有接受Offer的，随着企业的发展与候选人经验的不断提升，人才库中的简历其实是一个重要的招聘渠道来源，但由于缺乏高效的技术手段，企业HR的精力基本上只能顾及从各大招聘渠道新获取的简历，而不能有效利用更具价值的企业人才库。

经过以上分析，目前招聘的效率不高，主要原因在候选人和企业不能很好的匹配，求职者需要在不同的招聘网站投递职位，而且相同的职位有好几十上百页，由于信息大致相同，候选人为了省事，因此简历“海投”，公司HR则“海选”，双方都费时费力，效率低下。

发明内容

本发明的目的在于提供一种基于自然语义分析技术的简历智能推荐算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于自然语义分析技术的简历智能推荐算法，包括如下算法步骤：

基础数据平台：搭建职位、简历所涉及到的基础数据平台，持续将职位、简历中的行业、公司、标准职位名称、学校、专业、语言、技能、专业词汇等信息维护进入平台中，以便能建立完善的职位模型与简历模型；

职位数据分析：在丰富的职位模型与简历模型基础上，通过解析发布职位的基本信息与JD内容，智能提取出职位各类信息关键词，通过大数据将职位信息关键词将职位分解为各种需求条件，系统则根据这些职位条件进行算法推荐；

简历数据分析：在丰富的职位模型与简历模型基础上，通过解析候选人简历信息，智能提取出简历各类信息关键词，通过大数据将简历信息关键词将简历分解为各种需求条件，系统则根据这些简历条件进行算法推荐；

推荐算法：在丰富的职位模型与简历模型基础上，通过解析发布职位的基本信息与JD内容，智能提取出职位各类信息关键词，根据解析出来的职位或简历需求条件推荐出满足条件的简历或职位，并且能够根据职位或简历的优先条件、各优先条件的权重、企业用人偏好对推荐的简历或职位进行匹配度计算，并应用大数据挖掘技术根据企业通过筛选、通过面试、发送offer、入职等的数据建立与优化企业用人偏好画像，根据匹配度高低先后推荐简历或职位；