[發明專利]基于特征識別和大數據分析的人力資源智能管理系統及云管理服務器

在審

• 申請號: 202110083644.1
• 申請日: 2021-01-21
• 公開（公告）號: CN112765235A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 姚小彥;束振祺
• 申請（專利權）人: 鹽城志娟網絡科技有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/25;G06Q10/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于特征識別和大數據分析的人力資源智能管理系統，其特征在于：包括企業和人才分類模塊、目標行業企業人才篩選模塊、企業招聘職位統計模塊、職位要求參數統計模塊、職位候選人才篩選模塊、管理數據庫、人才簡歷匹配模塊和人才推薦終端；

所述企業和人才統計分類模塊用于對在人力資源招聘網站上注冊的企業進行統計，并獲取各企業的注冊基本信息，進而從各企業注冊基本信息中提取企業所屬行業，同時對在人力資源招聘網站上注冊的人才進行統計，進而獲取各人才對應的注冊基本信息，進而從各人才注冊基本信息中提取各人才對應的求職行業，由此將統計的各企業按照其所屬行業的不同進行分類，構成各行業企業信息庫，將統計的各人才按照其對應的求職行業不同進行分類，構成各行業人才信息庫；

所述目標行業企業人才篩選模塊用于從各行業企業信息庫中篩選某一行業的企業信息庫，該行業記為目標行業，并對目標行業企業信息庫中的各企業按照在人力資源招聘網站上最近一次發布招聘職位的發布時間先后順序進行標記，依次標記為1,2...i...n，同時從各行業人才信息庫中篩選目標行業人才信息庫，進而對目標行業人才信息庫中的各人才按照在人力資源招聘網站上最近一次更新簡歷的更新時間先后順序進行標記，分別標記為1,2...j...m；

所述企業招聘職位統計模塊用于對目標行業企業信息庫中的各企業統計招聘職位數量，并對統計的各招聘職位按照該招聘職位發布時間距離當前時間由近到遠的順序進行編號，分別標記為1,2...k...l；

所述職位要求參數統計模塊用于對目標行業企業信息庫中各企業對應的各招聘職位統計職位要求參數，并構成企業招聘職位職位要求參數集合Q_w^r(q_w^r1,q_w^r2...,q_w^rk,...,q_w^rl)，q_w^rk表示為第r個企業的第k個招聘職位的第w個職位要求參數，r表示為企業編號，r＝1,2...i...n,w表示為職位要求參數，w＝u,v,u,v分別表示為任職資格參數，職位職責參數；

所述職位候選人才篩選模塊用于按照企業的編號順序，從目標行業企業信息庫中依次提取各企業，并根據各企業對應的招聘職位編號順序，從提取的企業對應的招聘職位中依次提取各招聘職位，并獲取提取的該招聘職位名稱，由此從目標行業人才信息庫中的各人才注冊基本信息中提取各人才對應的求職職位名稱，進而將各人才對應的求職職位名稱與提取的該招聘職位名稱進行對比，并統計各人才對應的求職職位名稱與該招聘職位名稱的相似度，從而篩選出相似度大于預設相似度閾值的各人才，并將篩選出的各人才重新進行編號，分別標記為1,2...a...z，該篩選出來的人才記為該企業的該招聘職位名稱對應的候選人才，以此得到各企業的各招聘職位對應的候選人才，并將得到的各企業的各招聘職位對應的候選人才構成候選人才信息庫；

所述管理數據庫用于存儲各個職責關鍵詞對應的近義詞，存儲各種招聘職位對應的各相似職位名稱和各相似職位名稱與招聘職位名稱的相似度，存儲各種學歷對應的學歷值，其中學歷越高，其對應的學歷值越大，并存儲各其他技能名稱數量對應的技能特長匹配系數；

所述人才簡歷匹配模塊用于將企業招聘職位職位要求參數集合與候選人才信息庫中的各候選人才進行簡歷匹配，其具體匹配過程包括以下步驟：

H1:按照企業的編號順序和各企業對應的招聘職位編號順序從企業招聘職位職位要求參數集合中提取編號為1的企業及提取的該企業對應編號為1的招聘職位對應的職位要求參數，并從提取的該職位要求參數中提取任職資格參數，構成任職資格參數集合S(s1,s2,s3)，s1,s2,s3分別表示為學歷要求，職位工作年限要求，技能要求；

H2:根據提取的企業編號和招聘職位編號從候選人才信息庫中調取該企業該招聘職位名稱對應的候選人才，并將調取的各候選人才從人力資源招聘網站上獲取各候選人才對應的簡歷，進而從簡歷中分別提取各候選人才對應的學歷和該職位的工作年限；

H3:將任職資格參數集合中的學歷要求和職位工作年限要求分別一一對應與各候選人才對應的學歷和該職位的工作年限進行匹配，進而篩選出匹配成功的候選人才，該候選人才記為初級候選人才，此時統計初級候選人才的編號，可記為1,2...b...y,同時統計各初級候選人才對應的學歷匹配系數和職位工作年限匹配系數；

H4:從各初級候選人才的簡歷中提取各初級候選人才對應的技能特長內容，并從提取的技能特長內容中進行技能名稱抓取，得到抓取的各初級候選人才對應的技能名稱，同時從任職資格參數集合中提取技能要求，進而將提取的技能要求進行技能要求名稱抓取，得到抓取的各技能要求名稱，進而將抓取的各技能要求名稱與各初級候選人才對應的各技能名稱進行匹配，若抓取的各技能要求名稱均能夠與某初級候選人才對應的各技能名稱中匹配成功，則該初級候選人才記為終級候選人才，此時統計終級候選人才對應的編號，可記為1,2...c...x,并統計各終級候選人才對應的技能特長匹配系數；

H5:從編號為1的企業及該企業編號為1的招聘職位對應的職位要求參數中提取職位職責參數，并從提取的職位職責參數中進行職責關鍵詞提取，得到提取的各個職責關鍵詞，同時從管理數據庫中篩選各個職責關鍵詞對應的近義詞，由此將各個職責關鍵詞和其對應的近義詞構成職責關鍵詞集合，并將職責關鍵詞集合中的所有詞進行去重處理，得到處理后的職責關鍵詞集合，此時統計處理后的職責關鍵詞集合中詞的數量；

H6:從各終級候選人才的簡歷中提取各終級候選人才對應的所有歷史工作經歷內容，并將處理后的職責關鍵詞集合中的各個詞分別在各終級候選人才對應的所有歷史工作經歷內容中進行掃描，若某個詞在某終級候選人才對應的所有歷史工作經歷內容中被掃描到，則掃描成功，由此統計各終級候選人才對應掃描成功的次數，從而計算各終級候選人才對應的職位職責匹配系數；

H7:根據終級候選人才對應的編號，從各初級候選人才對應的學歷匹配系數和職位工作年限匹配系數篩選出各終級候選人才對應的學歷匹配系數和職位工作年限匹配系數，由此將各終級候選人才對應的學歷匹配系數、職位工作年限匹配系數、技能特長匹配系數和職位職責匹配系數進行累加，得到各終級候選人才對應的綜合匹配系數；

H8:按照H1-H7的方法得到企業招聘職位職位要求參數集合中各企業各招聘職位對應的各終級候選人才編號及其對應的綜合匹配系數，并發送至人才推薦終端；

所述人才推薦終端接收人才簡歷匹配模塊發送的各企業各招聘職位對應的各終級候選人才編號及其對應的綜合匹配系數，并將各企業各招聘職位對應的各終級候選人才按照其對應的綜合匹配系數由大到小的順序進行排序，得到各企業各招聘職位對應的終級候選人才排序結果，進而按照企業設置的推薦人數，從各企業各招聘職位對應的終級候選人才排序結果中按照從前到后的順序提取若干終級候選人才，使提取的終級候選人才數量滿足各企業的各招聘職位設置的推薦人數，由此將提取的若干終級候選人才的簡歷推薦給各企業。