一种基于深度神经网络的简历自动筛选方法及招聘系统与流程

本发明涉及人才推荐，具体来说，涉及一种基于深度神经网络的简历自动筛选方法及招聘系统。

背景技术：

1、国内的大型集团化企业人才招聘工作，尤其是校园招聘工作，具有如下特点：招聘职位多、人才需求量大，简历筛选工作量大；业务范围广，各职位所需的专业技能差别大，简历筛选难度大；应聘人员人数远超职位需求人数，简历筛选效率低。目前的简历自动筛选技术多使用推荐系统(recommender system)算法，推荐系统是根据用户的信息需求和兴趣，将用户感兴趣的信息、产品等推荐给用户的一种个性化信息推荐算法，包括基于内容的推荐系统、基于知识的推荐系统和协同过滤推荐系统。基于内容的推荐系统无法获取用户并不熟悉但是具有潜在兴趣的物品，扩展性不好；基于知识的推荐系统存在知识获取难度大的问题；协同过滤推荐系统存在冷启动、稀疏问题。由于大型集团化企业的应聘人员数量远超职位数量，使得传统的推荐系统算法的问题更加突出，在简历筛选领域的应用效果不理想。另外，用人单位在录用人才时，对应聘人员的学历、年龄、毕业学校等内在条件，往往有必须达到的“硬性要求”，传统的人才推荐方法对这些要求考虑不足。

2、针对上述问题，目前还没有有效的解决办法。

技术实现思路

1、针对相关技术中的上述技术问题，本发明提出一种基于深度神经网络的简历自动筛选方法及招聘系统，解决人工筛选简历存在的工作量大、难度大、效率低的问题；避免传统的推荐系统算法在简历自动筛选工作中存在的扩展性差、知识难以获取、冷启动、稀疏性问题，以及对应聘人员的“硬性要求”考虑不足问题；本发明将深度学习算法应用于人才招聘领域，实现高效、准确、智能简历自动筛选，能够克服现有技术的上述不足。

2、为实现上述技术目的，本发明的技术方案是这样实现的：

3、一种基于深度神经网络的简历自动筛选方法，包括如下步骤：

4、s1简历初筛：根据招聘专员为每个职位设定的职位要求对应聘人员进行第一轮过滤，各方面的职位要求之间进行与、或、非的逻辑组合，当应聘人员的简历满足职位要求的组合条件时即通过初筛；

5、s2深度神经网络模型训练：

6、所述深度神经网络模型训练的具体步骤如下：

7、s201建模：使用应聘人员简历中的结构化数据和应聘职位作为模型的输入，模型的输出类别为被职位录用和不录用，样本通过模型计算完成后，模型的输出类别的输出值为输入样本属于两个类别的概率，其中类别录用的概率为该简历与应聘职位的匹配度；

8、s202数据预处理：包括定性值转换为定量值和归一化两个步骤；

9、s203输入层、隐含层及输出层激活函数：

10、s204初始化输入层权重；

11、s205计算输入层、隐含层及输出层损失函数：

12、s206正则化：使用dropout正则化来防止模型过拟合；

13、s207模型训练：使用校园招聘中的简历为训练集，验证隐含层层数以及每层神经元数的各种组合情况，以训练后的模型推荐准确率最高为衡量标准；

14、s3模型验证：使用校园招聘数据作为验证集，以匹配度大于50％且被实际录用的人员数量占实际录用人员总数的百分比作为推荐成功率；

15、s4模型使用：在校园招聘管理模块的人才推荐模块中，通过初筛的简历，使用训练完成的深度神经网络模型，计算简历与应聘职位的匹配度，并将匹配度大于50％的简历推荐给招聘专员。

16、进一步地，所述职位要求包括第一学历要求、第一学历毕业院校类别要求、最高学历要求、最高学历毕业院校类别要求、年龄要求和性别要求。

17、进一步地，步骤s203中输入层、隐含层使用relu激活函数:f(z)＝max(0,z)，z为函数的输入值。这个函数当输入小于0时，输出0；输入大于等于0时，输出即为输入值；输出层使用softmax激活函数：

18、

19、其中，zi为第i个神经元的输出，c为输出层神经元的个数，即分类的数量。

20、进一步地，步骤s204中使用he initialization方法初始化输入层权重：

21、

22、其中，r为0到1之间的随机数，nl-1为上一层网络中神经元的个数。

23、进一步地，步骤s205中输入层和隐含层使用均方差损失函数：

24、

25、其中yc、zc分别为第c个神经元的真实值和计算值；输出层使用对数似然损失函数：

26、

27、其中，yc为第c个神经元的真实值，zc为第c个神经元的计算值；其中真实值即监督值，当样本属于该类别时为1，否则为0。

28、一种基于深度神经网络的简历自动筛选的招聘系统，使用简历自动筛选方法，包括：招聘管理后台子系统，用于发布校招和社招职位、筛选及审核校招和社招应聘简历，以及维护面试结果、与应聘人员实时沟通，所述招聘管理后台子系统包括校园招聘管理模块和社会招聘管理模块；

29、所述校园招聘管理模块包括校招职位管理模块、专场招聘活动管理模块、职位简历管理模块、人才推荐模块；校招职位管理模块用于发布校园招聘职位需求，应聘学生在校园招聘子系统查看对应的职位并投递简历，发布职位需求时招聘专员设置各职位的硬性要求；专场招聘活动管理模块用于发布双选会信息，各单位招聘专员报名双选会并选择参加双选会的应聘职位；人才推荐模块用于使用基于深度学习的简历自动推荐算法，向用人单位的各个招聘职位自动推荐匹配度较高的应聘学生；

30、社会招聘管理模块包括社招职位管理模块、社招简历初次审核模块、社招简历用人单位审核模块及社招简历中心模块，其中：社招职位管理模块用于发布社会招聘职位需求，社招应聘人员在社会招聘子系统中向对应的职位投递简历；社招简历初次审核模块用于对投递了简历的社招人才进行初审；社招简历用人单位审核模块用于对初审通过的社招人才复审后才能录用；社招简历中心模块用于查看所有社招应聘人员的详细信息和简历。

31、进一步地，所述招聘管理后台子系统还包括单位管理模块、消息中心模块及系统管理模块，其中：所述单位管理模块用于维护集团化企业各级单位基本信息；所述消息中心模块用于招聘专员与应聘人员的即时通讯和在线面试；所述系统管理模块用于维护系统用户信息，设置用户的角色、权限及查看用户操作日志。

32、进一步地，所述校园招聘管理模块还包括学生简历中心模块和面试结果管理模块，其中：学生简历中心模块用于查看所有应聘人员的详细信息和简历；面试结果管理模块用于维护已面试的应聘人员的面试结果。

33、进一步地，所述招聘系统还包括校园招聘子系统和社会招聘子系统，其中：校园招聘子系统用于展示用人单位列表和单位介绍，填写个人简历、显示当前用户已申请的职位，通过空中双选会功能查看双选会职位、投递简历和直接与招聘专员线上沟通。

34、本发明的有益效果：本发明通过将人工智能的深度神经网络算法应用于简历与职位的匹配度计算，取得了优于协同过滤系统、玻尔兹曼机系统和基于卷积神经网络的人才推荐算法的推荐成功率。本发明提供的人才招聘系统，能够自动为用人单位推荐应聘人员，有效减轻了招聘专员在筛选简历时存在的工作量大、难度大、效率低的问题，并且充分考虑了招聘职位的“硬性要求”，取得了良好的使用效果。