[发明专利]基于机器学习的简历分配方法、装置、设备及存储介质

说明书

本发明公开一种基于机器学习的简历分配方法、装置、设备及存储介质，该方法包括获取候选人员标识和与每一候选人员标识对应的候选简历文本；对所有候选简历文本进行数据筛选处理，获取候选人员标识对应的当前候选特征数据；获取招聘人员标识和每一招聘人员标识对应的当前招聘特征数据；将当前招聘特征数据和当前候选特征数据进行一对一组合，获取与候选人员标识和招聘人员标识对应的目标组合特征数据；将目标组合特征数据输入目标简历匹配模型，获取与候选人员标识和招聘人员标识对应的简历匹配分值；基于简历匹配分值得到与招聘人员标识相匹配的目标简历文本，以实现自动化分配简历，有效提高分配准确率和招聘成功率。

技术领域

本发明涉及基于机器学习的简历分配领域，尤其涉及一种基于机器学习的简历分配方法、装置、设备及存储介质。

背景技术

随着互联网技术的不断发展，越来越多公司采用模型对简历进行筛选，以将优秀的简历转发给实际用人招聘部门。

然而现有模型大多是提取简历中的关键词，然后计算应聘人员与招聘岗位需求的相似性来筛选简历，但是这种根据招聘岗位需求确认目标简历的方式，存在筛选后的简历数量非常多，还需人工进一步筛选，简历自动化分配存在分配准确率低，自动化程度不高；且现有模型筛选得到的简历，招聘人员和应聘人员的匹配度不高，容易造成招聘成功率低的问题。

发明内容

本发明实施例提供一种基于机器学习的简历分配方法、装置、计算机设备及存储介质，以解决目前的简历自动化分配存在分配准确率低和招聘人员和应聘人员的匹配度不高的问题。

一种基于机器学习的简历分配方法，包括：

获取候选人员数据集，所述候选人员数据集包括多个候选人员标识和与每一所述候选人员标识对应的候选简历文本；

对所有所述候选简历文本进行数据筛选处理，获取所述候选人员标识对应的当前候选特征数据；

获取招聘人员数据集，所述招聘人员数据集包括多个招聘人员标识和每一所述招聘人员标识对应的当前招聘特征数据；

将所述当前招聘特征数据和当前候选特征数据进行一对一组合，获取与所述候选人员标识和所述招聘人员标识对应的目标组合特征数据；

将所述目标组合特征数据输入目标简历匹配模型，获取与所述候选人员标识和所述招聘人员标识对应的简历匹配分值；

基于所述简历匹配分值对所有所述候选人员标识对应的候选简历文本进行分配，得到与所述招聘人员标识相匹配的目标简历文本，并将所述目标简历文本发送给所述招聘人员标识对应的客户端。

一种基于机器学习的简历分配装置，包括：

候选人员数据集获取模块，用于获取候选人员数据集，所述候选人员数据集包括多个候选人员标识和与每一所述候选人员标识对应的候选简历文本；

当前候选特征数据获取模块，用于对所有所述候选简历文本进行数据筛选处理，获取所述候选人员标识对应的当前候选特征数据；

招聘人员数据集获取模块，用于获取招聘人员数据集，所述招聘人员数据集包括多个招聘人员标识和每一所述招聘人员标识对应的当前招聘特征数据；

目标组合特征数据获取模块，用于将所述当前招聘特征数据和当前候选特征数据进行一对一组合，获取与所述候选人员标识和所述招聘人员标识对应的目标组合特征数据；

简历匹配分值获取模块，用于将所述目标组合特征数据输入目标简历匹配模型，获取与所述候选人员标识和所述招聘人员标识对应的简历匹配分值；

目标简历文本获取模块，用于基于所述简历匹配分值对所有所述候选人员标识对应的候选简历文本进行分配，得到与所述招聘人员标识相匹配的目标简历文本，并将所述目标简历文本发送给所述招聘人员标识对应的客户端。