一种人岗匹配方法、装置、系统、设备及介质与流程

本发明涉及一种人岗匹配方法、装置、系统、设备及介质。

背景技术：

在企业招聘人才的过程中，通常通过网络发布招聘信息，接收到求职者的简历后，分析简历并决定是否面试，随后面对面或通过电话视频等形式对求职者进行一轮或多轮面试。这种方式效率较低，且需要耗费大量的人力物力。

目前，ai在各行业各领域中发挥越来越大的作用，chatbot是其中很重要的一部分。通过ai对话的形式完成面试任务能够有效取代传统的问卷形式，同时减少一部分人力劳动，减少面试官的工作量，对企业来说，可以有效地提高效率，同时降低成本。

技术实现要素：

本发明的目的在于提供一种基于chatbot的人岗匹配方案，使招聘、面试、测评、访谈等环节的效率提升，同时成本降低。

本发明的第一方面提供了一种人岗匹配方法，包括，

接收招聘信息和简历，并从招聘信息和简历中抽取特征，输入预先训练好的题目产生模型，得到问题列表；

将问题列表中的问题通过对话系统依次输出，每个问题输出后等待预定时间，并在预定时间内收集求职者的反馈；

从收集的求职者的反馈中抽取特征，结合简历中抽取的特征形成候选人信息；以及

计算候选人信息与招聘信息之间的文本相似度，作为候选人与招聘岗位之间的匹配度输出。

与现有技术相比，本发明能够实现全自动化的面试过程，减少面试官的工作，提高面试效率。

进一步地，在问题列表中的问题输出完毕后，可以通过对话系统输出询问邀请；接收求职者输入的询问，并与预先配置的题库中的问句进行匹配，将匹配度最高的问句对应的答案向求职者输出。

进一步地，求职者输入的询问与题库中的问句的匹配可以通过以下方式进行：将求职者输入的询问向量化，计算输入的询问与题库中的问句之间的文本相似度。

进一步地，该方法还可以包括，在从招聘信息和简历中抽取特征之前，先将招聘信息和简历转化为结构化文本。

进一步地，题目产生模型的训练数据可以是招聘信息库中的数据，招聘信息库中的数据包括预先收集的多套招聘信息、简历和真实面试官面试候选人时的对话日志的组合，其中每套组合中的招聘信息、简历和真实面试官面试候选人时的对话日志彼此对应；训练时，将每套组合中的招聘信息、简历和真实面试官面试候选人时的对话日志形成映射关系作为标注数据进行题目产生模型的训练。

进一步地，从招聘信息和简历中抽取特征后，可以先进行比对，得到待收集特征，其中，待收集特征指的是从招聘信息中抽取的但是简历中没有的特征；随后将待收集特征输入预先训练好的题目产生模型，得到问题列表。此时，题目产生模型的训练数据为招聘信息库中的数据，招聘信息库中的数据包括预先收集的多套招聘信息、简历和真实面试官面试候选人时的对话日志的组合，其中每套组合中的招聘信息、简历和真实面试官面试候选人时的对话日志彼此对应；训练时，将每套组合中的招聘信息、简历中的特征抽取出来并对比后，得到相应的待收集信息，将待收集信息和该套组合中的真实面试官面试候选人时的对话日志形成映射关系作为标注数据进行题目产生模型的训练。

本发明的第二方面提供了一种人岗匹配装置，包括，

特征抽取模块，被配置为从招聘信息和简历中抽取特征，输入预先训练好的题目产生模型，得到问题列表；

对话模块，被配置为将问题列表中的问题通过对话系统依次输出，每个问题输出后等待预定时间，并在预定时间内收集求职者的反馈；

候选人信息构建模块，被配置为从收集的求职者的反馈中抽取特征，结合简历中抽取的特征形成候选人信息；以及

匹配模块，被配置为计算候选人信息与招聘信息之间的文本相似度，作为候选人与招聘岗位之间的匹配度输出。

本发明的第三方面提供了一种人岗匹配系统，包括，题目产生机、faq题库和人岗匹配装置；其中，faq题库中存储有常见问题及相应的答案，题目产生机中包含预先训练好的题目产生模型，能够从招聘信息特征和简历特征中得到问题列表，人岗匹配装置分别与题目产生机和faq题库建立通信连接；

其中人岗匹配装置，用于接收招聘信息和简历，并从招聘信息和简历中抽取特征，输入题目产生机中；题目产生机，用于接收抽取的特征，利用预先训练好的题目产生模型，得到问题列表，输出给人岗匹配装置；人岗匹配装置，用于将问题列表中的问题通过对话模块依次输出，每个问题输出后等待预定时间，并在预定时间内收集求职者的反馈；在问题列表中的问题输出完毕后，接收求职者输入的询问，并将求职者的询问与faq题库中的问句进行匹配，将匹配度最高的问句对应的答案向求职者输出；从收集的求职者的反馈中抽取特征，结合简历中抽取的特征形成候选人信息；以及计算候选人信息与招聘信息之间的文本相似度，作为候选人与招聘岗位之间的匹配度输出。

本发明的第四方面提供了一种设备，该设备包括处理器、存储器，处理器与存储器建立通信连接；处理器用于读取存储器中的程序，以执行前述第一方面或第一方面的任一实现方式提供的方法。

本发明的第五方面提供了一种非易失性存储介质，该非易失性存储介质中存储了程序，该程序被计算设备运行时，计算设备执行前述第一方面或第一方面的任一实现方式提供的方法。

本发明能够有效提高面试效率，使整个面试过程无需人工操作，节约了面试官的劳动，有效降低人力资源管理成本。

附图说明

图1是根据本发明的实施例的人岗匹配系统的结构示意图。

图2是根据本发明的实施例的人岗匹配方法的流程图。

图3是根据本发明的实施例的人岗匹配系统的对话界面示例的示意图之一。

图4是根据本发明的实施例的人岗匹配系统的对话界面示例的示意图之二。

具体实施方式

下面结合具体实施例和附图对本发明做进一步说明。可以理解的是，此处描述的具体实施例仅仅是为了解释本发明，而非对本发明的限定。此外，为了便于描述，附图中仅示出了与本发明相关的部分而非全部的结构或过程。

根据本发明的一个实施例，提供一种人岗匹配系统，如图1所示。该人岗匹配系统包括题目产生机300、faq题库200和人岗匹配装置100，人岗匹配装置100分别与题目产生机300和faq题库200建立通信连接。其中，faq(常见问题，frequentlyaskedquestions)题库200中存储有常见问题及其解答，题目产生机300中包含预先训练好的题目产生模型，能够从招聘信息特征和简历特征中得到问题列表，人岗匹配装置100包括特征抽取模块101、对话模块102、候选人信息构建模块103以及人岗匹配模块104。人岗匹配系统中的各个组件的具体实现及功能将在下文中具体描述。

利用图1所示的人岗匹配系统进行人岗匹配的方法可以参考图2。

首先，步骤s101，人岗匹配装置100接收招聘信息和简历，其中的特征抽取模块101从招聘信息和简历中抽取特征，特征的抽取可以采用各种现有方式进行，输入到题目产生机300中。在一些实施方式中，可以在从所述招聘信息和所述简历中抽取特征之前，先将来所述招聘信息和所述简历转化为结构化文本，方便特征的抽取。除了招聘信息和简历外，在一些实施方式中，还可以包含其他相关数据，包括在招聘流程管理类平台工具上产生的转筛面评录的数据等。题目产生机300接收抽取的特征，并利用预先训练好的题目产生模型，得到问题列表，输出给人岗匹配装置100。

其中，预先训练好的题目产生模型可以利用招聘信息库中的数据作为训练数据来进行训练，招聘信息库中的数据包括预先收集的多套招聘信息、简历和真实面试官面试候选人时的对话日志的组合，其中每套组合中的招聘信息、简历和真实面试官面试候选人时的对话日志彼此对应；训练时，将每套组合中的招聘信息和简历与真实面试官面试候选人时的对话日志形成映射关系作为标注数据来对题目产生模型进行训练，使得训练后的题目产生模型能够在输入招聘信息和简历特征后，能够输出问题列表。

在一些实施方式中，也可以在从招聘信息和简历中抽取特征后，先进行比对，得到待收集特征(即，从招聘信息中抽取的但是简历中没有的特征)，随后将待收集特征输入预先训练好的题目产生模型，得到问题列表。此时，预训练的题目产生模型的训练数据可以是招聘信息库中的数据，招聘信息库中的数据包括预先收集的多套招聘信息、简历和真实面试官面试候选人时的对话日志的组合，其中每套组合中的招聘信息、简历和真实面试官面试候选人时的对话日志彼此对应；训练时，将每套组合中的招聘信息、简历中的特征抽取出来并对比后，得到相应的待收集信息，将该待收集信息与该组合中的真实面试官面试候选人时的对话日志形成映射关系作为标注数据来进行题目产生模型的训练，使得训练后的题目产生模型能够在输入待收集特征后，能够输出问题列表。

随后，步骤s102，人岗匹配装置100将问题列表中的问题通过对话模块102依次输出，在每个问题输出后等待预定时间，在这预定时间内收集求职者的反馈。

可选择地，在一些实施方式中，在问题列表中的问题输出完毕后，还可以通过对话模块102输出询问邀请，让求职者可以进行提问，接收到求职者输入的询问后，可以将求职者的询问与faq题库200中的问句进行匹配，并将匹配度最高的问句对应的答案向求职者输出。

在将求职者的询问与faq题库200中的问句进行匹配时，可以通过以下方式进行：将求职者输入的询问向量化，计算输入的询问与所述题库中的问句之间的文本相似度。例如，通过对文档(例如简历中的工作经历文本)进行向量化后，可以计算不同文档间的相似程度，作为粗粒度的聚类基础。用于文本相似度计算的文档向量表示可以采用以下几种方法：词向量的平均、doc2vec、sent2vec等。其中，词向量平均能够根据不同词的tf-idf值，将文档中的每个词的词向量进行加权平均，得到文档向量。doc2vec与word2vec类似，可将文档的id也作为上下文词来预测目标词。这样每个词会学习到不同语境下略微的语义差异。而sent2vec基于cbow的扩展，将固定的词窗扩展为动态长度的窗口(即整个句子长度)，将当前目标词上下文词向量的平均作为句子向量。通过将文档向量化，而后利用各种向量间相似性度量公式的计算，例如余弦相似性度量，欧式相似性度量，jaccard相似性度量等，即可以得到文本的相似度。

对话模块102可以采用各种形式与求职者进行交互，例如微信小程序、h5页面等等，只要能够顺利的将信息输出给求职者以及接收求职者的反馈即可，本发明并不对此作出限制，例如，图3和图4示例性地示出了采用微信小程序与求职者交互的对话界面示例。在具体使用时，例如可以在招聘管理类系统平台上生成二维码，让求职者扫码进入面试。也可以将在线填写简历集成到交互界面，使求职者填写完简历后可以快速进入面试。

随后，步骤s103，人岗匹配装置100中的候选人信息构建模块103从收集的求职者的反馈中抽取特征，此处的抽取方式可以与从简历中抽取特征的方式相同，将从收集的求职者的反馈中抽取特征与简历中抽取的特征结合形成完整的候选人信息，在系统除了接收招聘信息和简历外还接收了其他相关数据的情况中，其他相关数据也可以被结合到其中，以形成更为完整准确的候选人信息。

最后，步骤s104，人岗匹配装置100中的匹配模块104将候选人信息与招聘信息进行匹配，计算候选人信息和招聘信息的相关性，得到匹配度输出。匹配度越高，则说明越适合招聘信息中描述的岗位。在一些实施方式中，候选人信息与招聘信息的匹配同样可以通过将候选人信息与招聘信息向量化，并计算二者之间的文本相似度来进行，具体方法与上文中描述的类似，此处不再赘述。

本发明适于招聘场景中的人才筛选与推荐，同时可应用于人员调薪与晋升评估、企业内部政策调研等诸多场景。本发明能够响应招聘业务场景内的需求，完成业务线的信息收集任务，使得面试、测评、访谈等环节的效率提升，成本降低。

上面结合附图描述了一些示例性实施例，仅仅作为举例说明本发明的思想，而不是对本发明的限制，在一些其他实施方式中，本发明还可以仅包括其中部分步骤或者具有未包括在附图中的其他附加步骤。

根据本发明的另一个实施例，还提供了一种人岗匹配装置，包括，特征抽取模块，被配置为从招聘信息和简历中抽取特征，输入预先训练好的题目产生模型，得到问题列表；对话模块，被配置为将问题列表中的问题通过对话系统依次输出，每个问题输出后等待预定时间，并在预定时间内收集求职者的反馈；候选人信息构建模块，被配置为从收集的求职者的反馈中抽取特征，结合简历中抽取的特征形成候选人信息；以及匹配模块，被配置为计算候选人信息与招聘信息之间的文本相似度，作为候选人与招聘岗位之间的匹配度输出。

这里描述的系统和技术的各种实施方式可以在数字电子电路、集成电路、专门设计的asic(专用集成电路)、计算机硬件、固件、软件和/或其组合中实现，包括本说明书中公开的结构及其结构等同物，或者他们中的一个或多个的组合。本说明书中描述的主题的实施例可以实现为一个或多个计算机程序，即计算机程序指令的一个或多个模块，编码在计算机存储介质上，用于由数据处理装置运行，或控制数据处理装置的操作。此外，本发明提供的系统/方法可以在任意计算设备中实施，包括个人计算机、工作站、服务器、便携式计算设备(pcd)，诸如蜂窝电话、便携式数字助理(pda)、便携式游戏机、掌上电脑或平板电脑等。

根据本发明的另一个实施例，还提供了一种计算设备，包括处理器和存储器，处理器和存储器建立通信连接，所述处理器，用于读取存储器中的程序，以执行图2中的方法。

根据本发明的另一个实施例，还提供了一种非易失性存储介质，所述非易失性存储介质中存储了程序，该程序被计算设备运行时，所述计算设备执行图2中的方法。

上面结合附图对本发明的实施例做了详细说明，但本发明技术方案的使用不仅仅局限于本专利实施例中提及的各种应用，各种结构和变型都可以参考本发明技术方案轻易地实施，以达到本文中提及的各种有益效果。在本领域普通技术人员所具备的知识范围内，在不脱离本发明宗旨的前提下做出的各种变化，均应归属于本发明专利涵盖范围。