[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

本發明提供一種招聘簡歷自動篩選方法，屬于文本提取技術領域，本發明利用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。為招聘公司節省了從海量簡歷中人工篩選符合崗位簡歷的工作和時間。

技術領域

本發明涉及自然語言處理中的文本提取，同時涉及多標記分類領域，尤其涉及一種招聘簡歷自動篩選方法。

背景技術

互聯網時代，互聯網信息在社會和生活中的地位越來越顯著，人們的購物、交流、生活方式也隨之改變。隨著招聘網站的興起，企業的主要招聘途徑也轉向由招聘網站公布招聘信息，應聘人員原來通過線下投遞簡歷的方式也由線上投遞簡歷所替代，雙方通過招聘網站進行招聘的方式大大方便了企業與個人。

多標記學習問題是國際機器學習領域的一個研究熱點，它最初來源于文檔分類問題中所遇到的歧義性問題。在傳統監督學習框架下，真實世界的對象與其概念標記之間是一一對應的關系，一般認為，這樣的學習問題是沒有歧義性的，我們稱這類問題為單標記分類問題，即一個樣例僅具有單一的標記。然而，在真實世界的問題中，歧義性對象卻是廣泛存在的。由于歧義性問題的存在，一個樣例可能與多個標記相關聯，這類問題為多標記分類問題。多標記學習在現實生活中具有廣泛的應用，像視頻自動標注、生物信息學、Web挖掘、信息檢索、個性化推薦等現實應用中。

關聯規則(Association rule)是知識發現領域中最活躍的研究方法之一，是Agrawal等在1993年首先提出的，用于挖掘顧客交易數據庫中不同商品(項)之間的關聯關系，這些規則反映了用戶購買行為模式。關聯規則挖掘的一個典型例子是購物籃分析。關聯規則研究有助于發現交易數據庫中不同商品(項)之間的聯系，找出顧客購買行為模式，如購買了某一商品對購買其他商品的影響。分析結果可以應用于商品貨架布局、貨存安排以及根據購買模式對用戶進行分類。

TextRank算法是一種用于文本的基于圖的排序算法。其基本思想來源于谷歌的PageRank算法,通過把文本分割成若干組成單元(單詞、句子)并建立圖模型,利用投票機制對文本中的重要成分進行排序,僅利用單篇文檔本身的信息即可實現關鍵詞提取、文摘。和LDA、HMM等模型不同,TextRank不需要事先對多篇文檔進行學習訓練,因其簡潔有效而得到廣泛應用。TextRank算法，首先會對提供的句子進行分詞操作，得到的分詞放入到一個集合中，分詞的重要程度，主要看這個分詞的前后鄰居有多少，鄰居越多，給它投票的分詞就越多，權值越高，也就越重要，當這個分詞出現的持續越多，它的鄰居也越多；這個分詞越在中間(相比開頭和結尾)，它的鄰居也越多。TextRank算法的主要用途有兩個方面，一是提取出文本中比較重要的關鍵詞，二是選出一段話中哪個關鍵詞出現的次數多的問題

在機器學習中，訓練算法模型主要有三步：一是預處理數據；二是選定合適的算法模型；三是基于訓練樣例訓練模型，并得到最優算法模型。

隨著互聯網的普及與應用，信息載體逐漸由紙質報刊向互聯網信息過渡。隨著招聘網站的廣泛興起，企業招聘信息的發布也逐漸由紙質報刊轉向互聯網上的各類招聘網站。現如今，招聘網站已成為企業與應聘者發布及獲取招聘信息的主要途徑，招聘環節中的簡歷投遞、崗位篩選環節也都是通過互聯網線上完成。而應聘者為了增加找到工作的概率，經常會采取廣撒網的方式投遞簡歷。廣撒網雖然能夠增加應聘者找到工作的可能性，但對企業來說卻無疑增加了很大的工作量用來篩選與崗位不匹配的簡歷。如何從海量簡歷中快速且準確的找到符合自身要求的人才，成為企業面臨的一個重大難題。

發明內容

為了解決以上技術問題，本發明提供了一種招聘簡歷自動篩選方法，能夠根據應聘與招聘雙方發布的信息實現簡歷的自動篩選，在很大程度上節約企業的時間與消耗成本，提高最終結果的精準度，使得企業可以在較短時間內找到符合要求的簡歷及人才。

本發明的技術方案是：

一種招聘簡歷自動篩選方法，