[发明专利]系统框架下基于标签大数据人才推荐算法及其使用方法

说明书

本发明公开了系统框架下基于标签大数据人才推荐算法，包括，如下步骤：步骤1、基于对数据的统计分析建立多元回归数学模型，步骤2、建立包含前述多重因子的预期多维数据表B，推导候选人内容和成果指数I_B、对应权重W_B、随机误差空间向量的分布情况，并以此作为评估判断候选人内容和成果的可量化指标基准；步骤3、针对行为关键词数据深度挖掘，对无行为因素的关键词数据执行去噪操作；步骤4、更新构建多维度综合评价表S，以基础表中的数据为元数据，以基础表量化维度属性、内容、成果以及行为为因子分析变量。采用模拟技术手段实现模拟登陆，通过候选人属性、内容、成果、行为等关键离散数据，建立预期效果热点分布系列数学模型，抽象成算法。

技术领域

本发明涉及互联网技术领域，具体为系统框架下基于标签大数据人才推荐算法及其使用方法。

背景技术

互联网行业在2016-2018年迎来高速发展，人才需求以指数型增长上升。2020年互联网人才需求指数高达2.12。其中技术类岗位需求最高，人才需求占比为24.34％、运营类岗位需求占比为8.38％。人才缺口矛盾和人岗匹配矛盾日益突出。

现有技术主要基于技术人员简历内容和属性完成人才推荐，存在推荐结果被推荐人主观性过强、质量不高和效率过低的问题。当需要大批量、高效、准确、主动的技术人才推荐时，现有技术难以满足此类需求，因此需要引入新的智慧人才推荐算法。

智慧人才推荐算法的关键在于内容、属性、增量成果、多样性增量行为字典的构建并对内容、属性、增量成果、多样性增量行为进行加权。存在基础数据多样性、基础数据增量和加权系数设定标准的问题。

发明内容

本发明的目的在于提供系统框架下基于标签大数据人才推荐算法，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：系统框架下基于标签大数据人才推荐算法，通过现阶段深度技术领域范畴，采用模拟技术手段实现模拟登陆，包括但不限于使用HTTP接口或爬虫技术获取候选人的属性、内容、增量成果以及行为等核心标签数据，并且引入误差δ，采用多维度加权平均计算方法，优化误差δ，打通智慧人才一站式推荐的关键渠道，力求在提升人岗匹配准确度的目标下人尽其用、物尽其才，行之有效地解决人才缺口和人岗匹配的市场矛盾。最终营造良好的行业精英技术人才氛围，提升行业价值和效益。

为实现上述目的，本发明采用的技术方案是：

步骤1、建立包含职位、技能、教育经历、专业、自我评价、个人价值观因素变量的候选人属性基础数据表A，作为优化计算评估候选人的属性指数I_A、属性权重W_A以及误差σ_A的基准；

利用样本数据对模型参数作出预判估计，并对模型参数进行假设检验以及置信区间估计的有效性，现基于对数据的统计分析建立多元回归数学模型，其一般表达式表示为：

y_A＝B₀+B₁x₁+B₂x₂+…B_kx_k+∈

式中，B₀，B₁，B₂，…，B_k为模型的因素变量参数；∈为误差项；χ₁，χ₂，…χ_K为变量因子；y_A为变量因子的综合作用效果；

误差δ的计算规则为：