[發明專利]一種招聘簡歷自動篩選方法

在審

• 申請號: 202010619694.2
• 申請日: 2020-07-01
• 公開（公告）號: CN111754208A
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 邱繼釗;楊勝華
• 申請（專利權）人: 浪潮卓數大數據產業發展有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06F16/35;G06K9/62;G06F16/332
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 闞恭勇

1.一種招聘簡歷自動篩選方法，其特征在于，

利用Text-Rank算法提取招聘簡歷信息中的關鍵詞，并利用多標記分類方法ML-KNN對招聘簡歷進行分類，基于關聯規則挖掘簡歷與應聘崗位的關聯度，建立招聘簡歷自動篩選模型。

2.根據權利要求1所述的方法，其特征在于，包括

1)使用爬蟲獲取招聘網站中崗位、簡歷數據；

2)使用Text-Rank算法提取簡歷、崗位信息中的關鍵詞，將簡歷關鍵詞作為特征，崗位關鍵詞作為標記，生成訓練樣例；

3)使用ML-KNN算法模型進行訓練得到篩選模型。

3.根據權利要求2所述的方法，其特征在于，

對爬取到的招聘簡歷信息的先進行預處理。

4.根據權利要求3所述的方法，其特征在于，

利用Text-Rank算法，對處理好后的招聘簡歷數據進行關鍵詞提取。

5.根據權利要求4所述的方法，其特征在于，

具體步驟如下：

步驟1)：數據獲取；首先爬取企業招聘信息頁面及對應的投遞簡歷信息；抽取出招聘信息中中的崗位要求、技能要求數據，以及簡歷中的個人技能，得到初始的崗位數據、簡歷數據；

步驟2)：關鍵詞提取；利用Text-Rank算法提取崗位、簡歷初始數據中的關鍵詞；

步驟3)：對步驟2)提取的關鍵詞進行驗證，若提取質量較差或準確性較低，則對步驟2)的算法模型進行優化調整，再次進行提取；

步驟4)：數據處理；將獲取到的崗位、簡歷關鍵詞信息進行轉換預處理，得到分類需要的訓練樣例；

步驟5)：建立篩選模型；根據步驟4)中的訓練樣例利用ML-KNN算法進行分類器學習，最終建立篩選模型；

步驟6)：數次訓練篩選模型，使得模型的性能更加穩定。

6.根據權利要求1所述的方法，其特征在于，

將步驟4中的訓練樣例表示為x1＝[x11,x12,x13,…,x1n],對應結果集y＝{L1,L2,…,Lm}，其中標記L取值為0或1，0表示樣例不具有該標記，1表示樣例具有該標記。

7.根據權利要求6所述的方法，其特征在于，

建立篩選模型Y＝f(x)，對于未知的樣例x,根據模型可預測其適配的崗位，并根據可能性大小計算持有概率，持有概率越大，簡歷的崗位適配度也就越高。

8.根據權利要求5所述的方法，其特征在于，

根據十折交叉驗證方式訓練篩選模型。