[發明專利]基于BP神經網絡的企業簡歷篩選方法和系統

有效

• 申請號: 202010100084.1
• 申請日: 2020-02-18
• 公開（公告）號: CN111339285B
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 郭盛
• 申請（專利權）人: 北京網聘咨詢有限公司
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F40/289;G06Q10/1053;G06N3/0499;G06N3/084
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 卞靜靜

1.基于BP神經網絡的企業簡歷篩選方法，其特征在于，包括：

根據崗位需求設置多個第一關鍵詞組成第一關鍵詞集合；

提取求職簡歷中的第二關鍵詞，計算求職簡歷中第二關鍵詞組成的第二關鍵詞集合與第一關鍵詞集合的相似度，選取相似度高于預設相似度閾值的求職簡歷；

提取相似度高于預設相似度閾值的求職簡歷中求職者個人基本信息和個人郵箱地址，并分別存檔，再向求職者個人郵箱中發送標準簡歷，所述標準簡歷包括能力調查問卷，所述能力調查問卷中每一問題涉及一種能力指標，每一問題設置多個答案分別對應不同的能力掌握程度；

接受反饋的標準簡歷，對每一能力指標分配初始權重值，對每一能力掌握程度設置評分；

建立三層BP神經網絡模型，以能力指標數量設置輸入層神經元數量，以每一能力掌握程度評分作為輸入層每一神經元輸入數據，輸出層設置唯一神經元，若符合招聘要求則輸出層輸出預設數值a，若不符合招聘要求則輸出層輸出預設數值b；

采用人工篩選的符合招聘要求的M個標準簡歷和不符合招聘要求的N個標準簡歷作為訓練樣本對三層BP神經網絡模型進行訓練，直至三層BP神經網絡模型篩選出的標準簡歷合格率達到預設值；

采用訓練好的三層BP神經網絡模型對未經過人工篩選的標準簡歷進行篩選；

其中，提取求職簡歷中第二關鍵詞的方法包括：對求職簡歷進行分詞得到求職簡歷詞匯集合，選取求職簡歷詞匯集合中i個具有最小哈希值的詞匯作為求職簡歷的第二關鍵詞；

第二關鍵詞集合與第一關鍵詞集合的相似度計算方法包括：對比第二關鍵詞集合與第一關鍵詞集合，統計第一關鍵詞在第二關鍵詞集合中出現的數量，計算出現在第二關鍵詞集合中的第一關鍵詞數量占第一關鍵詞集合和第二關鍵詞集合的詞匯總量的百分率。

2.如權利要求1所述的基于BP神經網絡的企業簡歷篩選方法，其特征在于，三層BP神經網絡模型的隱層神經元數量由kolmogorov定理得出，隱層傳遞函數為hardlim函數。

3.基于BP神經網絡的企業簡歷篩選系統，其特征在于，包括：

崗位需求采集模塊，其用于根據崗位需求設置多個第一關鍵詞組成第一關鍵詞集合；

簡歷初選模塊，其用于提取求職簡歷中的第二關鍵詞，計算求職簡歷中第二關鍵詞組成的第二關鍵詞集合與第一關鍵詞集合的相似度，選取相似度高于預設相似度閾值的求職簡歷；

標準簡歷發送模塊，其用于提取相似度高于預設相似度閾值的求職簡歷中求職者個人基本信息和個人郵箱地址，并分別存檔，再向求職者個人郵箱中發送標準簡歷，所述標準簡歷包括能力調查問卷，所述能力調查問卷中每一問題涉及一種能力指標，每一問題設置多個答案分別對應不同的能力掌握程度；

標準簡歷接收模塊，其用于接受反饋的標準簡歷，對每一能力指標分配初始權重值，對每一能力掌握程度設置評分；

BP神經網絡模塊，其用于建立三層BP神經網絡模型，以能力指標數量設置輸入層神經元數量，以每一能力掌握程度評分作為輸入層每一神經元輸入數據，輸出層設置唯一神經元，若符合招聘要求則輸出層輸出預設數值a，若不符合招聘要求則輸出層輸出預設數值b；

訓練模塊，其用于采用人工篩選的符合招聘要求的M個標準簡歷和不符合招聘要求的N個標準簡歷作為訓練樣本對三層BP神經網絡模型進行訓練，直至三層BP神經網絡模型篩選出的標準簡歷合格率達到預設值

簡歷精選模塊，其用于采用訓練好的三層BP神經網絡模型對未經過人工篩選的標準簡歷進行篩選；

其中，簡歷初選模塊中提取求職簡歷中第二關鍵詞的方法包括：對求職簡歷進行分詞得到求職簡歷詞匯集合，選取求職簡歷詞匯集合中i個具有最小哈希值的詞匯作為求職簡歷的第二關鍵詞；

簡歷初選模塊中第二關鍵詞集合與第一關鍵詞集合的相似度計算方法包括：對比第二關鍵詞集合與第一關鍵詞集合，統計第一關鍵詞在第二關鍵詞集合中出現的數量，計算出現在第二關鍵詞集合中的第一關鍵詞數量占第一關鍵詞集合和第二關鍵詞集合的詞匯總量的百分率。

4.如權利要求3所述的基于BP神經網絡的企業簡歷篩選系統，其特征在于，BP神經網絡模塊中三層BP神經網絡模型的隱層神經元數量由kolmogorov定理得出，隱層傳遞函數為hardlim函數。