[發明專利]一種不同版本的簡歷的批量投遞方法和系統

在審

• 申請號: 202010954388.4
• 申請日: 2020-09-11
• 公開（公告）號: CN112100492A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 吳曉軍
• 申請（專利權）人: 河北冀聯人力資源服務集團有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/216;G06F40/289;G06K9/62;G06N20/00;G06Q10/10
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 何明倫

1.一種不同版本的簡歷的批量投遞方法，包括：

獲取多個站點下載的職位信息，形成本地職位數據庫；

根據所述本地職位數據庫中的職位信息，生成所述本地職位信息的主題；

計算本地職位數據庫中的每個職位信息與所生成的主題的第一相關向量；

計算用戶選擇的版本的簡歷與所生成的主題的第二相關向量；

計算所述第一相關向量和所述第二相關向量的相似度；

基于所述相似度的降序排列，對相關聯的一個或多個職位投遞用戶選擇的版本的簡歷。

2.如權利要求1所述的方法，所述生成所述本地職位信息的主題的方法包括：

按照現有詞典，對所述本地職位數據庫中的所有職位信息的詞語進行分詞，包括斷句、分詞、去除停用詞，得到第一分詞詞語；

根據所得到的第一分詞詞語，提取2-gram和3-gram，計算每個2-gram的互信息值和每個3-gram的互信息值，并基于互信息值，對所述2-gram和所述3-gram進行降序排列，選擇排序靠前的2-gram和3-gram，用于更新所述第一分詞詞語和現有詞典；

根據所得到的分詞詞語，分別計算分詞詞語的左右鄰字的信息熵，并基于所述信息熵，對所述第一分詞詞語進行合并，用于進一步更新所述第一分詞詞語和現有詞典；

使用TF-IDF方法，對所述第一分詞詞語更新后得到的第二分詞詞語進行過濾，得到第三分詞詞語；

根據所述多個站點的職位分類詞語，統計其出現在本地職位信息中的概率，根據所述概率過濾所述第三分詞詞語，得到第四分詞詞語；

將所述第四分詞詞語轉化為詞向量，對所述詞向量進行聚類，得到多個詞簇，作為本地職位信息的主題。

3.如權利要求1所述的方法，其中所述第一相關向量或所述第二相關向量的計算包括：基于LDA主題模型的機器學習模型計算所述第一相關向量或所述第二相關向量。

4.如權利要求1所述的方法，其中所述計算第一相關向量和第二相關向量的相似度包括：計算第一相關向量與第二相關向量之間的余弦距離或歐幾里德距離或曼哈頓距離。

5.如權利要求1所述的方法，在所述基于相似度的降序排列，對與其相關聯的職位投遞簡歷之后還包括：自動在預設的時間周期內，在預設的站點重新下載職位信息，得到更新后的本地職位信息。

6.如權利要求5所述的方法，在所述得到更新后的本地職位信息之后還包括：自動提醒用戶新發現的相似度符合預定值的職位，并向該職位自動投遞預設版本的簡歷。

7.如權利要求3所述的方法，其中所述基于LDA主題模型的機器學習模型的訓練數據是由本地職位信息經過更新后的現有詞典分詞得到的詞語與所述主題包括的詞語進行交集得到的。

8.一種不同版本的簡歷的批量投遞系統，包括：

職位獲取單元，用于獲取多個站點下載的職位信息，形成本地職位數據庫；

主題生成單元，用于根據所述本地職位數據庫中的職位信息，生成所述本地職位信息的主題；

第一相關向量單元，用于計算本地的各個職位與生成的主題的第一相關向量；

第二相關向量單元，計算用戶選擇的版本的簡歷本與所生成的主題的第二相關向量；

相似度計算單元，用于計算所述第一相關向量和所述第二相關向量的相似度；

簡歷投遞單元，用于基于所述相似度的降序排列，對相關聯的一個或多個職位投遞用戶選擇的版本的簡歷。

9.一種電子設備，包括：

一個或多個處理器；

存儲器，用于存儲一個或多個程序；

其中，當所述一個或多個程序被所述一個或多個處理器執行時，使得所述一個或多個處理器執行如權利要求1至7任一項所述方法。

10.一種計算機可讀存儲介質，其上存儲有可執行指令，所述可執行指令被處理器執行時使處理器執行如權利要求1至7任一項所述方法。