一种基于大数据的人力资源匹配算法

摘要

本发明涉及人力资源管理技术领域，公开了一种基于大数据的人力资源匹配算法，包括以下步骤：S1、获取求职人员简历文本中的简历指标体系和需求指标体系，得到匹配分值W1；S2、获取求职人员简历文本中的简历指标体系和需求指标体系，得到匹配分值W2；S3、将S1中的W1和S2中的W2相乘得出总值，并将这些值设置为条形统计图按照从高到低排列，招聘公司可从高到低选取，本发明通过设置有特征提取分块法和权重，通过特征提取分块法对求职人员的各个信息进行提取、对比与匹配，并且比较直观和详细的得出了各项匹配数值，权重采用了德尔菲法较为具体并科学化地得出了匹配值，最终将两种数值结合在一起，更是得出了准确性高的匹配值，方便招聘公司进行招聘。

说明书

技术领域

本发明涉及人力资源管理技术领域，具体是一种基于大数据的人力资源匹配算法。

背景技术

随着招聘和求职的需求量不断增大，信息的全球化和网络的高速发展，带来了全新的求职和招聘模式—网络招聘，各种招聘网站层出不穷，网络化的社交方式也提供了良好的人力资源平台，由于网络招聘平台信息的丰富性以及操作的便利性，越来越多的求职者通过网络招聘平台查询合适的招聘职位信息进行求职，求职者发送简历，招聘单位通过服务平台的匹配算法得出所收取的简历是否与在招岗位向匹配，从而考虑是否录用。但是，现有的匹配算法较为单一并且比较简单，得出的匹配值无法保证其有较高的准确性。因此，本领域技术人员提供了一种基于大数据的人力资源匹配算法，以解决上述背景技术中提出的问题。

发明内容

本发明的目的在于提供一种基于大数据的人力资源匹配算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的人力资源匹配算法，包括以下步骤：

S1、获取求职人员简历文本中的简历指标体系和需求指标体系，与招聘公司的指标要求体系进行第一级的匹配，得到匹配分值W1；

S2、获取求职人员简历文本中的简历指标体系和需求指标体系，与招聘公司的指标要求体系进行第二级的匹配，得到匹配分值W2；

S3、将S1中的W1和S2中的W2相乘得出总值，并将这些值设置为条形统计图按照从高到低排列，招聘公司可从高到低选取。

作为本发明再进一步的方案：所述S1和S2中的简历指标体系均分为基本信息、学习能力、工作能力、语言能力、网络求职频率和申请岗位，所述基本信息包括籍贯、性别、年龄和婚否，所述学习能力包括学校、学历，所述工作能力包括工作经验、工作时限，所述语言能力包括普通话和其它语言。

作为本发明再进一步的方案：所述S1和S2中的需求指标体系包括期望工作地点、薪资和基本福利，所述薪资包括底薪和成长性，所述基本福利包括五险一金、奖金和假日安排。

作为本发明再进一步的方案：所述S1简历指标体系中使用特征提取分块法与招聘公司的指标要求体系进行匹配，首先对申请岗位进行特征提取并将基本信息、学习能力、工作能力、语言能力和网络求职频率分为五个分块，提取申请岗位中所填写的内容，将该内容与招聘公司的指标要求体系中的岗位所匹配，匹配完成后将该简历指标体系中的四个分块与对应岗位的指标要求体系中的四个分块进行匹配，其匹配步骤包括：

S4、将基本信息中的籍贯、性别、年龄和婚否与指标要求体系中对应项进行匹配，满足其规定为零项时则记0，满足一项则记1，由此而推，满足四项则记4；

S5、将学习能力中的学校、学历进行分解式匹配，将学历分别博士研究生、硕士研究生、本科、专科、高中、小学、无学历，从前往后分别记6、5、4、3、2、1、0；

S6、将工作能力中的具体工作关键词进行提取与申请岗位进行匹配，若不同则记0，若相同，工作时限小于一年则记1，大于一年小于三年则记2，大于三年则记3；

S7、将语言能力中的普通话和其它语言分别为0和1；

S8、将S5、S6、S7和S8中的各项数字加在一起，得到总数记为W1。

作为本发明再进一步的方案：所述S2简历指标体系中的学历、申请岗位和工作经验设置为权重A，学历为0.64，学历不满足要求记为0，申请岗位为0.12，岗位不符合记为0，工作经验为0.24，工作经验不满足要求记为0；

将S2需求指标体系中的期望工作地点与本岗位所在城市进行对比设置为权重B并分为同一城市、同省跨市和跨省，分别记为1、0.5和0.3；

将本岗位薪资与S2中底薪相比得权重C，若本岗位薪资大于等于S2中的底薪，则记为1；

将S2简历指标体系中网络求职频率设置为权重D，分别一周五次以上、一周三到五次、一周一到三次，分别记为1、0.7和0.5。

作为本发明再进一步的方案：所述权重A、权重B和权重C按照【学历+申请岗位+工作经验+期望工作地点+本岗位薪资/底薪或者1】×网络求职频率的公式进行计算，该结果为匹配得分值,并设置该值为W2。

与现有技术相比，本发明的有益效果是：

本发明通过设置有特征提取分块法和权重两种算法，通过特征提取分块法对求职人员的各个信息进行提取、对比与匹配，并且比较直观和详细的得出了各项匹配数值，权重采用了德尔菲法较为具体并科学化地得出了匹配数值，最终将两种数值结合在一起，更是得出了准确性高的匹配值，方便招聘公司参考求职者简历的匹配值来考虑是否录用。

具体实施方式

本发明实施例中，一种基于大数据的人力资源匹配算法，包括以下步骤：

S1、获取求职人员简历文本中的简历指标体系和需求指标体系，与招聘公司的指标要求体系进行第一级的匹配，得到匹配分值W1；

S2、获取求职人员简历文本中的简历指标体系和需求指标体系，与招聘公司的指标要求体系进行第二级的匹配，得到匹配分值W2；

S3、将S1中的W1和S2中的W2相乘得出总值，并将这些值设置为条形统计图按照从高到低排列，招聘公司可从高到低选取。

优选的，S1和S2中的简历指标体系均分为基本信息、学习能力、工作能力、语言能力、网络求职频率和申请岗位，基本信息包括籍贯、性别、年龄和婚否，学习能力包括学校、学历，工作能力包括工作经验、工作时限，语言能力包括普通话和其它语言。

优选的，S1和S2中的需求指标体系包括期望工作地点、薪资和基本福利，薪资包括底薪和成长性，基本福利包括五险一金、奖金和假日安排。

优选的，S1简历指标体系中使用特征提取分块法与招聘公司的指标要求体系进行匹配，首先对申请岗位进行特征提取并将基本信息、学习能力、工作能力、语言能力和网络求职频率分为五个分块，提取申请岗位中所填写的内容，将该内容与招聘公司的指标要求体系中的岗位所匹配，匹配完成后将该简历指标体系中的四个分块与对应岗位的指标要求体系中的四个分块进行匹配，其匹配步骤包括：

S4、将基本信息中的籍贯、性别、年龄和婚否与指标要求体系中对应项进行匹配，满足其规定为零项时则记0，满足一项则记1，由此而推，满足四项则记4，

S5、将学习能力中的学校、学历进行分解式匹配，将学历分别博士研究生、硕士研究生、本科、专科、高中、小学、无学历，从前往后分别记6、5、4、3、2、1、0；

S6、将工作能力中的具体工作关键词进行提取与申请岗位进行匹配，若不同则记0，若相同，工作时限小于一年则记1，大于一年小于三年则记2，大于三年则记3；

S7、将语言能力中的普通话和其它语言分别为0和1；

S8、将S5、S6、S7和S8中的各项数字加在一起，得到总数记为W1，W1越高，表示越匹配。

优选的，S2简历指标体系中的学历、申请岗位和工作经验设置为权重A，学历为0.64，学历不满足要求记为0，申请岗位为0.12，岗位不符合记为0，工作经验为0.24，工作经验不满足要求记为0；

将S2需求指标体系中的期望工作地点与本岗位所在城市进行对比设置为权重B并分为同一城市、同省跨市和跨省，分别记为1、0.5和0.3；

将本岗位薪资与S2中底薪相比得权重C，若本岗位薪资大于等于S2中的底薪，则记为1；

将S2简历指标体系中网络求职频率设置为权重D，分别一周五次以上、一周三到五次、一周一到三次，分别记为1、0.7和0.5。

优选的，权重A、权重B和权重C按照【学历+申请岗位+工作经验+期望工作地点+本岗位薪资/底薪或者1】×网络求职频率的公式进行计算，该结果为匹配得分值,并设置该值为W2，W2越高，表示越匹配。

以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。