[發(fā)明專利]基于信息處理的供應商推薦方法及相關設備

在審

• 申請?zhí)枺?/td>: 202010762148.4
• 申請日: 2020-07-31
• 公開（公告）號: CN111814056A
• 公開（公告）日: 2020-10-23
• 發(fā)明（設計）人: 張二紅;朱娜;鄭哲青
• 申請（專利權）人: 平安金融管理學院(中國·深圳)
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q10/06
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 劉延喜

本申請?zhí)峁┝艘环N基于信息處理的供應商推薦方法及相關設備，涉及數(shù)據(jù)處理技術領域。所述方法包括：接收到基于目標職位信息對預先存儲的至少兩個供應商進行排序的指令，獲取目標職位信息；針對每一供應商，獲取供應商的屬性信息與歷史職位信息，構建供應商的特征信息；在特征信息中分別獲取與各項預設指標相關性大于預設閾值的特征信息作為預測特征信息；基于預測特征信息與目標職位信息，確定供應商在各項預設指標上的指標信息；基于各項預設指標的權重，對指標信息進行加權計算得到供應商的推薦分值；基于推薦分值對各供應商進行排序，獲得供應商推薦列表，并反饋所述供應商推薦列表。本申請的實施有利于提高招聘的效率。

技術領域

本申請涉及數(shù)據(jù)處理技術領域，具體而言，本申請涉及一種基于信息處理的供應商推薦方法及相關設備。

背景技術

在招聘系統(tǒng)中，HR選擇供應商都是憑自己的感覺或憑以往對該供應商的印象去選擇合適需招聘職位的供應商，該做法主觀性強，作業(yè)效率低，且容易錯失掉合適的供應商。當HR沒有選擇合適的供應商時，招聘過程中在簡歷量、質量、簡歷推薦效率上都會受到影響。

現(xiàn)有技術中，為解決上述問題，基于神經(jīng)網(wǎng)絡的供應商選擇評價模型給出供應商的推薦分值，基于推薦分值向HR作出供應商推薦。在模型的訓練過程中，將供應商各項指標的分值和供應商所得總的推薦分值作為訓練集樣本輸入神經(jīng)網(wǎng)絡，對神經(jīng)網(wǎng)絡模型進行訓練及仿真，構建基于神經(jīng)網(wǎng)絡的供應商選擇評價模型。但是供應商的推薦分值不易獲取，且對供應商的各項指標打分本身就增加了主觀性，其使得以訓練所得模型輸出的供應商的推薦分值預測結果可靠性低。且現(xiàn)有技術中無法基于特定的招聘職位向用戶推薦相應的供應商。

發(fā)明內容

提供該發(fā)明內容部分以便以簡要的形式介紹構思，這些構思將在后面的具體實施方式部分被詳細描述。該發(fā)明內容部分并不旨在標識要求保護的技術方案的關鍵特征或必要特征，也不旨在用于限制所要求的保護的技術方案的范圍。

本申請第一方面，提供了一種基于信息處理的供應商推薦方法，包括：接收到基于目標職位信息對預先存儲的至少兩個供應商進行排序的指令，獲取所述目標職位信息；針對每一供應商，獲取供應商的屬性信息與歷史職位信息，構建供應商的特征信息；在特征信息中分別獲取與各項預設指標相關性大于預設閾值的特征信息作為預測特征信息；基于所述預測特征信息與所述目標職位信息，確定供應商在各項預設指標上的指標信息；基于各項預設指標的權重，對所述指標信息進行加權計算得到供應商的推薦分值；基于推薦分值對各供應商進行排序，獲得供應商推薦列表，并反饋所述供應商推薦列表。

結合第一方面，在第一方面的第一種實施方式中，所述獲取供應商的屬性信息與歷史職位信息，構建供應商的特征信息，包括：獲取供應商的屬性信息，以所述供應商與其他各個供應商的相似度確定所述供應商的相似屬性供應商；獲取供應商的歷史職位信息，以所述供應商與其他各個供應商的相似度確定所述供應商的相似內容供應商；基于相似屬性供應商與相似內容供應商所占權重，加權計算得到所述供應商的相似供應商，并確定相似供應商的特征信息與所述供應商的特征信息合并后的特征信息為所述供應商的特征信息。

結合第一方面，在第一方面的第二種實施方式中，所述在特征信息中分別獲取與各項預設指標相關性大于預設閾值的特征信息作為預測特征信息，包括：基于每一預設指標對應的特征選擇模型，執(zhí)行特征選擇步驟：獲取供應商的多個特征信息，分別計算各特征信息與預設指標之間的相關性；獲取相關系數(shù)大于預設閾值的特征信息作為預測特征信息進行輸出；其中，特征選擇模型采用回歸模型或分類模型；預設指標包括簡歷總量、推薦速度、推薦面試比率、錄用率中的至少一項。