基于企业大数据的目标信息筛选匹配方法及相关设备与流程

1.本发明涉及人才信息处理技术领域，尤其涉及一种基于企业大数据的目标信息筛选方法及相关设备。


背景技术：

2.随着我国经济的快速发展、互联网技术及大数据算法的发展，现代企业的市场竞争形式越演越烈，同时对于人才的刚需也越来越高，多数企业在寻找适配员工时需要付出巨大的时间和成本，企业不仅需要员工可以做好本职工作，同时需要员工具备专业的知识和能力，使得企业的管理和持续性发展，同时确保工作可以正常进展，但现在的招聘网站对于招聘企业来说大多只是充当一个人才信息库的功能，功能单一，对于优质人才的筛选需要大量的人力成本以及时间成本。
3.同时互联网技术及大数据算法的飞速运转也给人们的工作和生活带来了许多的便利，提供一种具有人才推荐功能的智能化数据算法程度高的且基于特征识别和企业大数据的目标信息筛选方法迫在眉睫，目前企业招聘人才的方式工作效率低、时效性弱，覆盖性范围大以及实操起来复杂和麻烦。


技术实现要素：

4.本发明的主要目的在于提供一种基于企业大数据的目标信息筛选评价方法、装置、设备及存储介质，旨在解决如何快速根据企业需求自动筛选并匹配所需人才的技术问题。
5.本发明第一方面提供了一种基于企业大数据的目标信息筛选评价方法，所述基于企业大数据的目标信息筛选评价方法包括：
6.获取各企业的数据信息，并基于所述各企业的数据信息生成企业数据库；
7.对所述企业数据库中所述各企业的数据信息进行筛选、分类，确定所述企业数据库的数据信息类别；
8.获取所述企业数据库的数据信息类别对人才及技术的需求；
9.基于所述对人才及技术的需求，将所述企业数据库的所述数据信息类别与预置的人才信息库进行匹配并得到匹配度；
10.根据所述匹配度，实时判断所述匹配结果是否达到预置预设值；
11.若所述匹配度达到所述预置预设值，则确定人才简历信息和人才资助信息，并将所述人才简历信息和所述人才资助信息推送至预置企业资助匹配表单；
12.若所述匹配结果没有达到所述预置预设值，则基于所述匹配结果确定其关联特征信息并实时整理以给出补充方案。
13.可选的，在本发明第一方面的第一种实现方式中，所述对所述企业数据库中所述各企业的数据信息进行筛选、分类，确定所述企业数据库的数据信息类别包括：
14.获取所述企业数据库中所述各企业的数据信息的标题、发布单位、发布时间以及
发布内容；
15.根据所述各企业的数据信息的标题、发布单位、发布时间以及发布内容对所述各企业的数据信息进行筛选并删除无效的企业数据信息；
16.根据所述各企业的数据信息的标题、发布单位、发布时间以及发布内容，基于所述各企业的数据信息的技术领域、数据信息的属性、数据信息针对的对象、发布单位所在的行政区域以及级别、发布内容的所须满足条件和有效时间中的至少一项，对筛选后的企业数据信息进行分类，得到所述企业数据库的数据信息类别；
17.其中，所述发布内容包括：专业背景、学历、职能、工龄以及统招的分布匹配。
18.可选的，在本发明第一方面的第二种实现方式中，所述获取所述企业数据库的数据信息类别对人才及技术的需求包括：
19.对所述企业数据库的数据信息类别需求进行分析；
20.获取人才需求类型以及技术需求类型；
21.其中，所述人才需求类型以及技术需求类型包括：人才需求信息、人才管理信息，所述技术需求类型包括：技术需求信息、匹配人才专业对口信息。
22.可选的，在本发明第一方面的第三种实现方式中，所述基于所述对人才及技术的需求，将所述企业数据库的所述数据信息类别与预置的人才信息库进行匹配并得到匹配度包括：
23.预先设置所述企业数据库的所述数据信息类别的匹配权重标准值；
24.将所述企业数据库的所述数据信息类别与所述人才及技术的需求代入预置函数拟合公式进行相关信息函数拟合，生成关联值；
25.将所述关联值通过换算得到对应的匹配权重值；
26.对所述匹配权重值进行处理并建立所述匹配权重值与所述匹配权重标准值的比较结果；
27.根据所述比较结果获得所述数据信息类别匹配的目标人才信息；
28.确定与所述各个企业数据信息对应的所述目标人才信息并实时记录；
29.将所述数据信息匹配的目标人才信息推送给所述企业数据库并根据预置匹配模型实时获取匹配度。
30.可选的，在本发明第一方面的第四种实现方式中，所述预置函数拟合公式包括:
[0031][0032][0033][0034]
其中，f(xi,pi,si)为第i类关联值，t(pi,si)为第i类数据信息类别，j(pi,si,xi)为第i类人才及技术需求，xi为第i类人才需求类别，pi为第i类数据信息属性，si为第i类数据信息对象，为不相同的常数变量，其中，i为正整数。
[0035]
可选的，在本发明第一方面的第五种实现方式中，所述预置匹配模
[0036]
型包括：
[0037][0038][0039]
其中，m(h,n)为匹配度，h(xi)为第i个匹配指标的拟合函数，n表示选取的匹配指标的个数，xi为第i个匹配指标，fm为第m个公共因子，是fm对应选取的第i个匹配指标的第m个不可变量，ui为i个匹配指标对应的常数变量，εi为第i个特殊因子，其中i、m为正整数。
[0040]
可选的，在本发明第一方面的第六种实现方式中，所述若所述匹配结果没有达到所述预置预设值，基于所述匹配结果确定其关联特征信息并实时整理以给出补充方案包括：
[0041]
若所述匹配结果没有达到所述预置预设值，则设置价值评价体系；
[0042]
基于所述预置价值评价体系对所述关联特征信息进行评价；
[0043]
提取对应评价信息，匹配生成对应人才的综合能力信息；
[0044]
基于所述对应人才的综合能力信息，解析获得所述对应人才的技能信息；其中，所述技能信息包括种类信息、技术领域信息、技术学科信息、人才技能要求等级信息等；
[0045]
解析出的技能信息从所述企业数据库中按照预设匹配条件，自动生成匹配出相应的补充方案。
[0046]
本发明第二方面提供了一种基于企业大数据的目标信息筛选匹配装置，所述基于企业大数据的目标信息筛选匹配装置包括：
[0047]
第一获取模块，用于获取各企业的数据信息，并基于所述各企业的数据信息生成企业数据库；
[0048]
确定模块，用于对所述企业数据库中所述各企业的数据信息进行筛选、分类，确定所述企业数据库的数据信息类别；
[0049]
第二获取模块，用于获取所述企业数据库的数据信息类别对人才及技术的需求；
[0050]
匹配模块，用于基于所述对人才及技术的需求，将所述企业数据库的所述数据信息类别与预置的人才信息库进行匹配并得到匹配度；
[0051]
判断模块，用于根据所述匹配度，实时判断所述匹配结果是否达到预置预设值；
[0052]
第一处理模块，用于若所述匹配度达到所述预置预设值，则确定人才简历信息和人才资助信息，并将所述人才简历信息和所述人才资助信息推送至预置企业资助匹配表单；
[0053]
第二处理模块，用于若所述匹配结果没有达到所述预置预设值，则基于所述匹配结果确定其关联特征信息并实时整理以给出补充方案。
[0054]
本发明第三方面提供了一种电子设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子设备执行上述任一项所述的基于企业大数据的目标信息筛选匹配方法。
[0055]
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行如上述任一项所述的基于企业大数据的目标信息筛选匹配方法。
[0056]
本发明提供的技术方案中，通过获取各企业的数据信息，并基于所述各企业的数
据信息生成企业数据库，对所述企业数据库中所述各企业的数据信息进行筛选、分类，确定所述企业数据库的数据信息类别，再获取所述企业数据库的数据信息类别对人才及技术的需求，基于所述对人才及技术的需求，将所述企业数据库的所述数据信息类别与预置的人才信息库进行匹配并得到匹配度，根据所述匹配度，实时判断所述匹配结果是否达到预置预设值，若所述匹配度达到所述预置预设值，则确定人才简历信息和人才资助信息并将所述人才简历信息和所述人才资助信息推送至预置企业资助匹配表单，若所述匹配结果没有达到所述预置预设值，则基于所述匹配结果确定其关联特征信息并实时整理以给出补充方案，本发明实现了根据企业大数据的目标信息自动筛选和匹配符合条件的所需人才，解决了现有筛选人才机制的不灵活、覆盖范围窄以及评价，筛选和匹配总周期长的问题，由于匹配人才结果是基于多方面的评价指标确定的，体现了综合的评价结果，可确保匹配结果的准确性和可靠性，同时简化以及提升了筛选评价的过程，实操起来简易便捷。
附图说明
[0057]
图1为本发明实施例中基于企业大数据的目标信息筛选匹配方法的第一个实施例示意图；
[0058]
图2为本发明实施例中基于企业大数据的目标信息筛选匹配方法的第二个实施例示意图；
[0059]
图3为本发明实施例中基于企业大数据的目标信息筛选匹配方法的第三个实施例示意图；
[0060]
图4为本发明实施例中基于企业大数据的目标信息筛选匹配方法的第四个实施例示意图；
[0061]
图5为本发明实施例中基于企业大数据的目标信息筛选匹配方法的第五个实施例示意图；
[0062]
图6为本发明实施例中基于企业大数据的目标信息筛选匹配装置的一个实施例示意图；
[0063]
图7为本发明实施例中电子设备的一个实施例示意图。
具体实施方式
[0064]
本发明实施例提供了一种基于企业大数据的目标筛选匹配方法、装置、设备及存储介质，实现了现有筛选人才机制的不灵活、覆盖范围窄以及评价，筛选和匹配总周期长的问题，由于匹配人才结果是基于多方面的评价指标确定的，体现了综合的评价结果，可确保匹配结果的准确性和可靠性，同时简化以及提升了筛选匹配的过程，实操起来简易便捷。
[0065]
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0066]
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中基于企业大数据的目标信息筛选匹配方法的一个实施例包括：
[0067]
s101,获取各企业的数据信息，并基于各企业的数据信息生成企业数据库；
[0068]
在本实施例中，获取各企业的数据信息主要依靠数据采集的方法，具体有企业信息采集,企业名录、法人号码、企业采集软件,网页抓取数据、网页爬虫、采集网站数据、网页数据采集软件、python爬虫、htm网页提取、app数据抓包、app数据采集、一站式网站采集技术、bi数据的数据分析、数据标注等，具体选用的采集方法根据企业的需求来进行选择。
[0069]
在本实施例中，企业数据库可以是一个单位也可以是一个企业行业领域中的通用系统，是用来对数据进行处理的，所储存的是有关于整个企业、事业、部门、团体以及个人等的数据，这些数据都是站在全局的角度上来建立起来的，并且都是根据一定的模型来进行组织，描述并储存的。
[0070]
在本实施例中，因为对于绝大多数企业来说，无法直接把采集到数据信息直接进行挖掘以及处理，从而无法为公司的决策层来提供支持，所以生成企业数据库是十分有必要的，不仅有利于数据的收集，还可以将获取到的数据信息得到高效的处理和解决数据混乱不清的问题，便于网站内容的查找以及有效地实现各企业的管理。
[0071]
s102,对企业数据库中各企业的数据信息进行筛选、分类，确定企业数据库的数据信息类别；
[0072]
在本实施例中，数据信息的筛选可以一共有两种筛选方法，第一种是自动筛选，第二种是高级筛选，一般来说，选择第二种自动筛选方法的概率比较多。
[0073]
在本实施例中，对各企业的数据信息进行数据分类是为了给获取到的数据信息设置标签和类别，这些类别用于设置保密性，敏感性和机密性级别，如果我们将所有数据都设置为高安全级别或分类，这会导致高成本，操作复杂性和费用，所以，根据各企业的需要，情况等，再对它们进行适当的筛选、分类。
[0074]
s103,获取企业数据库的数据信息类别对人才及技术的需求；
[0075]
在本实施例中，企业技术人才的需求包含很多个方面，根据企业对应专业领域的不同，对于所需人才和技术的需求也就不一样，所以根据企业数据库的数据信息类别去获取对应人才及技术的需求是很有必要的。
[0076]
在本实施例中，提前获取企业数据库的数据信息类别对人才及技术的需求可以减少数据处理的时间，目的性和针对性强，也间接阐述了企业技术人才需求和技术人才培养之间的关系。
[0077]
s104,基于对人才及技术的需求，将企业数据库的数据信息类别与预置的人才信息库进行匹配并得到匹配度；
[0078]
在本实施例中，预置的人才信息库是在专业领域中从业、执业的工程技术及经营管理专业人员建立的信息数据库，例如专业建设领域包括：高级和中级职称技术人员，注册建筑师、监理工程师、建造师、勘察设计工程师(含结构工程师、土木〈岩土〉工程师等)、房地产估价师、造价工程师、城市规划师等从业人员的个人资格、执业业绩以及奖励和处罚等信息，不同的专业领域包括的人员信息内容不同，根据企业领域以及需求来选定。
[0079]
在本实施例中，预置的人才信息库是一个很庞大的数据库系统，提前进行匹配可以节省不少筛选和提取的时间成本，所得到的匹配度就是搜寻到的内容和你要找的目标的
相似度，提高了工作效率，得到的结果也更加准确可靠。
[0080]
s105,根据匹配度，实时判断匹配结果是否达到预置预设值；
[0081]
在本实施例中，预置预设值是一个提前设置的变量，例如，预置预设值可以是0.7，实时判断匹配结果是否达到0.7的标准值，其中，预置的预设值是从企业使用体验层面出发，基于获取企业对于人才及技术需求过程中的各项反馈指标项信息，各项反馈指标项信息可以从人才的专业度，与企业的配合度以及企业的管理和持续性发展等方面进行考虑。
[0082]
s106,若匹配度达到预置预设值，则确定人才简历信息和人才资助信息并将人才简历信息和人才资助信息推送至预置企业资助匹配表单；
[0083]
在本实施例中，当匹配度达到预置预设值时，说明此时匹配到的人选是符合当前企业需求的，当符合企业需求时，就说明当前人选满足各项匹配条件，将满足各项匹配条件的人选进行推送，可以更好直观的得到匹配结果，过滤掉了不必要的麻烦，为后续的操作提供了有理的依据。
[0084]
s107,若匹配结果没有达到预置预设值，则基于匹配结果确定其关联特征信息并实时整理以给出补充方案。
[0085]
在本实施例中，当确定匹配结果没有达到预置预设值时，则说明当前人选至少存在一条或者一条以上不满足企业需求以及人才资助的条件，将条件进行整理可以更好地提供更改机会得到后续的发展机会。
[0086]
在本实施例中，通过获取各企业的数据信息，并基于所述各企业的数据信息生成企业数据库，对所述企业数据库中所述各企业的数据信息进行筛选、分类，确定所述企业数据库的数据信息类别，再获取所述企业数据库的数据信息类别对人才及技术的需求，基于所述对人才及技术的需求，将所述企业数据库的所述数据信息类别与预置的人才信息库进行匹配并得到匹配度，根据所述匹配度，实时判断所述匹配结果是否达到预置预设值，若所述匹配度达到所述预置预设值，则确定人才简历信息和人才资助信息并将所述人才简历信息和所述人才资助信息推送至预置企业资助匹配表单，若所述匹配结果没有达到所述预置预设值，则基于所述匹配结果确定其关联特征信息并实时整理以给出补充方案，本发明实现了根据企业大数据的目标信息自动筛选和匹配符合条件的所需人才，解决了现有筛选人才机制的不灵活、覆盖范围窄以及评价，筛选和匹配总周期长的问题，由于匹配人才结果是基于多方面的评价指标确定的，体现了综合的评价结果，可确保匹配结果的准确性和可靠性，同时简化以及提升了筛选评价的过程，实操起来简易便捷。
[0087]
请参阅图2，本发明实施例中基于企业大数据的目标信息筛选匹配方法的第二个实施例包括：
[0088]
s201,获取各企业的数据信息，并基于各企业的数据信息生成企业数据库；
[0089]
s202,获取企业数据库中各企业的数据信息的标题、发布单位、发布时间以及发布内容；
[0090]
在本实施例中，获取各企业的数据信息的标题、发布单位、发布时间以及发布内容可以对其后续人才及技术的需求制定出更加详细地规则，其中，各企业的数据信息的标题可以各企业自行进行设定，发布时间和发布内容都是根据各企业本身的需求进行设定，并可以随时进行更新。
[0091]
s203,根据各企业的数据信息的标题、发布单位、发布时间以及发布内容对各企业
的数据信息进行筛选并删除无效的企业数据信息；
[0092]
在本实施例中，删除无效的企业数据信息可以提高筛选过程的工作效率，节约了花费的时间以及人工成本，也可确保匹配结果的准确性和可靠性，同时简化以及提升了筛选评价的过程，实操起来简易便捷。
[0093]
s204,根据各企业的数据信息的标题、发布单位、发布时间以及发布内容，基于各企业的数据信息的技术领域、数据信息的属性、数据信息针对的对象、发布单位所在的行政区域以及级别、发布内容的所须满足条件和有效时间中的至少一项，对筛选后的企业数据信息进行分类，得到企业数据库的数据信息类别；
[0094]
其中，发布内容的所须满足条件包括：专业背景、学历、职能、工龄等。
[0095]
在本实施例中，发布内容越详细，为后续的工作开展提供了更准确更可靠的筛选匹配基础，其中专业背景、学历、职能、工龄以及统招的分布匹配等都能更好的反映人才综合评价结果。
[0096]
s205,获取企业数据库的数据信息类别对人才及技术的需求；
[0097]
s206,基于对人才及技术的需求，将企业数据库的数据信息类别与预置的人才信息库进行匹配并得到匹配度；
[0098]
s207,根据匹配度，实时判断匹配结果是否达到预置预设值；
[0099]
s208,若匹配度达到预置预设值，确定人才简历信息和人才资助信息并将人才简历信息和人才资助信息推送至预置企业资助匹配表单；
[0100]
s209,若匹配结果没有达到预置预设值，基于匹配结果确定其关联特征信息并实时整理以给出补充方案。
[0101]
在本实施例中，补充方案是从目标要求、工作内容、方式方法以及工作步骤等做出全面、具体而又明确安排的计划类文本，其中，补充方案具有适用性范围广、集体性和规定性的特点，是可以提高人才信息库的整体专业素质的好方案。
[0102]
请参阅图3，本发明实施例中基于企业大数据的目标信息筛选匹配方法的第三个实施例包括：
[0103]
s301,获取各企业的数据信息，并基于各企业的数据信息生成企业数据库；
[0104]
s302,对企业数据库中各企业的数据信息进行筛选、分类，确定企业数据库的数据信息类别；
[0105]
s303,对企业数据库的数据信息类别需求进行分析；
[0106]
s304,获取人才需求类型以及技术需求类型；
[0107]
其中，人才需求类型以及技术需求类型包括：人才需求信息、人才管理信息，技术需求类型包括：技术需求信息、匹配人才专业对口信息。
[0108]
s305,基于对人才及技术的需求，将企业数据库的数据信息类别与预置的人才信息库进行匹配并得到匹配度；
[0109]
s306,根据匹配度，实时判断匹配结果是否达到预置预设值；
[0110]
s307,若匹配度达到预置预设值，确定人才简历信息和人才资助信息并将人才简历信息和人才资助信息推送至预置企业资助匹配表单；
[0111]
s308,若匹配结果没有达到预置预设值，基于匹配结果确定其关联特征信息并实时整理以给出补充方案。
[0112]
在本实施例中，人才需求类型以及技术需求类型得到了更为细致的划分，可以更好地保证确定得到各企业对所需人才的准确性，合理性和公平性。
[0113]
请参阅图4，本发明实施例中基于企业大数据的目标信息筛选匹配方法的第四个实施例包括：
[0114]
s401,获取各企业的数据信息，并基于各企业的数据信息生成企业数据库；
[0115]
s402,对企业数据库中各企业的数据信息进行筛选、分类，确定企业数据库的数据信息类别；
[0116]
s403,获取企业数据库的数据信息类别对人才及技术的需求；
[0117]
s404,预先设置所述企业数据库的所述数据信息类别的匹配权重标准值；
[0118]
在本实施例中，预先设置的匹配权重标准值是一个可以设置的变量阈值，设置匹配权重标准值是制定的一个相对公平的参考值，匹配度越高，匹配权重标准值也就越高。
[0119]
s405,将企业数据库的所述数据信息类别与所述人才及技术的需求代入预置函数拟合公式进行相关信息函数拟合，生成关联值；
[0120]
在本实施例中，利用函数拟合方法进行相关信息函数拟合可以简化运算过程和提高运算效率，其中得到的关联值也是表示匹配度一种的参考数据。
[0121]
s406,将关联值通过换算得到对应的匹配权重值；
[0122]
在本实施例中，将关联值经过算式的换算转化为匹配权重值可以更好地跟预置的匹配权重标准值进行比较，得到的结果更为准确，直观，具体极强的参考性。
[0123]
s407,对匹配权重值进行处理并建立匹配权重值与匹配权重标准值的比较结果；
[0124]
s408,根据比较结果获得数据信息类别匹配的目标人才信息；
[0125]
在本实施例中，在确立了各项权重值后，通过大量的算法对权重进行修正，最终确定的匹配权重值更加具有精准性，间接可以反映出所需人才对于企业的重要程度，要注意权重的传递不是等价平均的传递的，而是经过计算后传递的，一般来说是通过链接，特别是带锚文本的链接来进行传递。
[0126]
s409,确定与各个企业数据信息对应的目标人才信息并实时记录；
[0127]
s410,将数据信息匹配的目标人才信息推送给企业数据库并根据预置匹配模型实时获取匹配度。
[0128]
s411,根据匹配度，实时判断匹配结果是否达到预置预设值；
[0129]
s412,若匹配度达到预置预设值，确定人才简历信息和人才资助信息并将人才简历信息和人才资助信息推送至预置企业资助匹配表单；
[0130]
s413,若匹配结果没有达到预置预设值，基于匹配结果确定其关联特征信息并实时整理以给出补充方案。
[0131]
在本实施例中，新设置的匹配权重标准值是一个相对的概念，是针对某一指标而言的，某一指标的权重就是指该指标在整体评价中的相对重要程度，其中，匹配权重标准值也表示在评价过程中，是被评价对象的不同侧面的重要程度的定量分配，对各评价因子在总体评价中的作用进行区别对待，而事实上，没有重点的评价就不能算是客观评价。
[0132]
进一步地，在一可选实施例中，所述预置函数拟合公式如下：
[0133][0134][0135][0136]
其中，f(xi,pi,si)为第i类关联值，t(pi,si)为第i类数据信息类别，j(pi,si,xi)为第i类人才及技术需求，xi为第i类人才需求类别，pi为第i类数据信息属性，si为第i类数据信息对象，为不相同的常数变量，其中，i为正整数。需要说明的是，上述各参数均为量化后的数据值，可进行上述函数拟合公式的计算。
[0137]
在本实施例中，提供一种预置函数拟合的公式，可针对个人以及各企业，提供可靠性高，更全面的关联值评价计算方式，其中，在筛选、匹配过程中，实时收集数据信息类别、人才及技术需求、人才需求类别、数据信息属性以及数据信息针对的对象等，可以获取更多维度的关联值，大大提高了关联值评价的可靠性，还可以为各企业的人才需求提供指导。
[0138]
进一步地，在另一可选实施例中，预置匹配模型包括：
[0139][0140][0141]
其中，m(h,n)为匹配度，h(xi)为第i个匹配指标的拟合函数，n表示选取的匹配指标的个数，xi为第i个匹配指标，fm为第m个公共因子，是fm对应选取的第i个匹配指标的第m个不可变量，ui为i个匹配指标对应的常数变量，εi为第i个特殊因子，其中i、m为正整数。需要说明的是，上述各参数均为量化后的数据值，可进行上述匹配模型的计算。
[0142]
在本实施例中，提供一种预置匹配模型的公式，可以对人才信息库进行数据过滤与分析，过滤掉部分无效的不符合条件的匹配度，确保各企业对于匹配得到人才需求的可靠性，也保证了最终匹配结果的可靠性。
[0143]
请参阅图5，本发明实施例中基于企业大数据的目标信息筛选匹配方法的第五个实施例包括：
[0144]
s501,获取各企业的数据信息，并基于各企业的数据信息生成企业数据库；
[0145]
s502,对企业数据库中各企业的数据信息进行筛选、分类，确定企业数据库的数据信息类别；
[0146]
s503,获取企业数据库的数据信息类别对人才及技术的需求；
[0147]
s504,基于对人才及技术的需求，将企业数据库的数据信息类别与预置的人才信息库进行匹配并得到匹配度；
[0148]
s505,根据匹配度，实时判断匹配结果是否达到预置预设值；
[0149]
s506,若匹配度达到预置预设值，确定人才简历信息和人才资助信息并将人才简历信息和人才资助信息推送至预置企业资助匹配表单；
[0150]
s507,若所述匹配结果没有达到所述预置预设值，则设置价值评价体系；
[0151]
在本实施例中，预先设置价值评价体系的目的是对其所需人才进行评价，不管是人类社会的哪一项工作，人类进行的任何一项工作的结果或者产品，都存在着好坏程度或优劣程度的区别，这也就是我们所说的对所需人才进行评价的区别，也是具有一定的参考性范围在的。
[0152]
在本实施例中，预先设置价值评价体系包括了如何认识、如何分析、如何测定、如何评价，并不是随心所欲的，而是需要具备一定的标准和尺度的。
[0153]
s508,基于预置价值评价体系对关联特征信息进行评价；
[0154]
在本实施例中，将关联特征信息与其预置价值评价体系进行揉和，这个评价过程是一个综合计算、观察和咨询等方法的一个复合分析的过程，也是一个判断和处理的评价过程。
[0155]
s509，提取对应评价信息，匹配生成对应人才的综合能力信息；
[0156]
s510，基于对应人才的综合能力信息，解析获得对应人才的技能信息；其中，技能信息包括种类信息、技术领域信息、技术学科信息、人才技能要求等级信息等；
[0157]
在本实施例中，根据预置价值评价体系对关联特征信息进行评价后的得到的评价意见更为直观，也能更好地推导出对应的改进方案，提高了工作过程中极大地便利性。
[0158]
s511，解析出的技能信息从所述企业数据库中按照预设匹配条件，自动生成匹配出相应的补充方案。
[0159]
在本实施例中，提供了一种基于企业大数据的目标信息筛选匹配方法的处理方法，可针对个人以及各企业的数据库，提供可靠性高、更全面的人才综合评价计算方式。在筛选匹配的过程中，实时收集各企业的目标信息情况以及对人才需求的评价数据，通过对各企业在企业数据库的数据信息类别对人才及技术的需求以及利用预置价值评价体系对所需人才评价数据的数据分析，获取更多维度的评价指标值，大大提高筛选、评价以及匹配人才结果的可靠性。上述评价方法在完成匹配度后即可得到相关价值评价，还可以为后续的评价意见和改进方案相关工作提供指导，对人才信息评价指标值进行数据过滤与分析，过滤掉部分无效评价指标值，确保人才信息评价指标值的可靠性，保证最终匹配结果的可靠性。
[0160]
上面对本发明实施例中基于企业大数据的目标信息筛选匹配方法进行了描述，下面对本发明实施例中基于企业大数据的目标信息筛选匹配装置进行描述，请参阅图6，本发明实施例中基于企业大数据的目标信息筛选匹配装置一个实施例包括：
[0161]
第一获取模块601,用于获取各企业的数据信息，并基于各企业的数据信息生成企业数据库；
[0162]
确定模块602，用于对企业数据库中各企业的数据信息进行筛选、分类，确定企业数据库的数据信息类别；
[0163]
第二获取模块603，用于获取企业数据库的数据信息类别对人才及技术的需求；
[0164]
匹配模块604，用于基于对人才及技术的需求，将企业数据库的所述数据信息类别与预置的人才信息库进行匹配并得到匹配度；
[0165]
判断模块605，用于根据匹配度，实时判断匹配结果是否达到预置预设值；
[0166]
第一处理模块606，用于若匹配度达到预置预设值，则确定人才简历信息和人才资助信息，并将人才简历信息和所述人才资助信息推送至预置企业资助匹配表单；
[0167]
第二处理模块607，用于若匹配结果没有达到预置预设值，则基于匹配结果确定其关联特征信息并实时整理以给出补充方案。
[0168]
本发明实施例中，通过获取各企业的数据信息，并基于所述各企业的数据信息生成企业数据库，对所述企业数据库中所述各企业的数据信息进行筛选、分类，确定所述企业数据库的数据信息类别，再获取所述企业数据库的数据信息类别对人才及技术的需求，基于所述对人才及技术的需求，将所述企业数据库的所述数据信息类别与预置的人才信息库进行匹配并得到匹配度，根据所述匹配度，实时判断所述匹配结果是否达到预置预设值，若所述匹配度达到所述预置预设值，则确定人才简历信息和人才资助信息并将所述人才简历信息和所述人才资助信息推送至预置企业资助匹配表单，若所述匹配结果没有达到所述预置预设值，则基于所述匹配结果确定其关联特征信息并实时整理以给出补充方案，实现了现有筛选人才机制的不灵活、覆盖范围窄以及评价，筛选和匹配总周期长的问题，由于匹配人才结果是基于多方面的评价指标确定的，体现了综合的评价结果，可确保匹配结果的准确性和可靠性，同时简化以及提升了筛选匹配的过程，实操起来简易便捷。
[0169]
上面图6从模块化功能实体的角度对本发明实施例中的基于企业大数据的目标信息筛选匹配装置进行详细描述，下面从硬件处理的角度对本发明实施例中电子设备进行详细描述。
[0170]
图7是本发明实施例提供的一种电子设备的结构示意图，该电子设备700可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)710(例如，一个或一个以上处理器)和存储器720，一个或一个以上存储应用程序733或数据732的存储介质730(例如一个或一个以上海量存储设备)。其中，存储器720和存储介质730可以是短暂存储或持久存储。存储在存储介质730的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对电子设备700中的一系列指令操作。更进一步地，处理器710可以设置为与存储介质730通信，在电子设备700上执行存储介质730中的一系列指令操作。
[0171]
电子设备700还可以包括一个或一个以上电源740，一个或一个以上有线或无线网络接口750，一个或一个以上输入输出接口760，和/或，一个或一个以上操作系统731，例如windows serve，mac os x，unix，linux，freebsd等等。本领域技术人员可以理解，图7示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0172]
本发明还提供一种电子设备，所述电子设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述基于企业大数据的目标信息筛选匹配方法的步骤。
[0173]
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述基于企业大数据的目标信息筛选匹配方法的步骤。
[0174]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0175]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用
时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0176]
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。