平码五不中公式规律
  • / 14
  • 下载费用:30 金币  

确定求职者匹配分数.pdf

关 键 ?#21097;?/dt>
确定 求职者 匹配 分数
  专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
摘要
申请专利号:

CN201580029768.4

申请日:

2015.04.02

公开号:

CN106663231A

公开日:

2017.05.10

当前法律状态:

实审

?#34892;?#24615;:

审中

法?#19978;?#24773;: 著?#38469;?#39033;变更 IPC(主分类):G06Q 10/06变更事项:申请人变更前:光辉国际公司变更后:光辉公司变更事项:地址变更前:美国加利福尼亚变更后:美国加利福尼亚|||实质审查的生效IPC(主分类):G06Q 10/06申请日:20150402|||公开
IPC分类号: G06Q10/06 主分类号: G06Q10/06
申请人: 光辉国际公司
发明人: S·D·德梅洛; D·A·仔斯; J·A·琼斯; A·R·西蒙斯
地址: 美国加利福尼亚
优?#28909;ǎ?/td> 2014.04.04 US 14/245,862
专利代理机构: 中国国际贸?#29366;?#36827;委员会专利商标事务所 11038 代理人: 李玲
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201580029768.4

授权公告号:

||||||

法律状态公告日:

2019.03.12|||2017.06.06|||2017.05.10

法律状态类型:

著?#38469;?#39033;变更|||实质审查的生效|||公开

摘要

本公开的示例针对于提供用于求职者自我评估的用户界面及计算求职者与目标职位的整体匹配分数的方法。雇主可以基于以下四个类别来指定理想的职位候选者:能力、个性特质、动机、以及经验水平。然后,实际的求职者可与用户界面交互,以针对四个类别中的每一个执行自我评估。可以针对四个类别中的每一个确定求职者与职位之间的匹配分数,并且这四个匹配分数可以用于计算求职者与职位之间的整体匹配分数。

权利要求书

1.一种计算求职者与职位的匹配分数的计算机实现的方法,所述方法包括:
获得与所述职位相关联的目标能力向量;
基于来自所述求职者的用户输入获得求职者能力向量;
基于所述目标能力向量和所述求职者能力向量计算多个距离;以及
基于所述多个距离的加权和计算匹配分数。
2.如权利要求1所述的方法,所述方法进一步包括:
获得与所述职位相关联的目标特质向量;
基于来自所述求职者的用户输入获得求职者特质向量;以及
计算多个目标权重,每一个对应于一个特质;
其中计算所述匹配分数进一步基于所述目标特质向量、所述求职者特质向量、以及所
述多个目标权重。
3.如权利要求1所述的方法,所述方法进一步包括:
获得与所述职位相关联的目标动机向量;
基于来自所述求职者的用户输入获得求职者动机计数向量;以及
计算标准化的目标动机向量和标准化的求职者动机向量;
其中计算所述匹配分数进一步基于所述标准化的目标动机向量和所述标准化的求职
者动机向量。
4.如权利要求1所述的方法,所述方法进一步包括:
获得与所述职位相关联的目标经验向量;
基于来自所述求职者的用户输入获得求职者经验向量;以及
基于所述目标经验向量和所述目标求职者经验向量计算附加的多个距离;
其中计算所述匹配分数进一步基于所述附加的多个距离。
5.如权利要求1所述的方法,其中计算所述匹配分数包括计算能力匹配分数、特质匹配
分数、动机匹配分数以及经验匹配分数。
6.如权利要求5所述的方法,其中计算所述匹配分数包括计算所述能力匹配分数、所述
特质匹配分数、所述动机匹配分数以及所述经验匹配分数的加权匹配分数总和。
7.如权利要求6所述的方法,其中计算所述匹配分数包括基于所述加权匹配分数总和
确定累积分布。
8.一?#22336;?#30636;态计算机可读存储介质,所述介质存储执行计算求职者与职位的匹配分数
的方法的可执行指令,所述方法包括:
获得与所述职位相关联的目标能力向量;
基于来自所述求职者的用户输入获得求职者能力向量;
基于所述目标能力向量和所述求职者能力向量计算多个距离;以及
基于所述多个距离的加权和计算匹配分数。
9.如权利要求8所述的非瞬态计算机可读存储介质,所述方法进一步包括:
获得与所述职位相关联的目标特质向量;
基于来自所述求职者的用户输入获得求职者特质向量;以及
计算多个目标权重,每一个对应于一个特质;
其中计算匹配分数进一步基于所述目标特质向量、所述求职者特质向量、以及所述多
个目标权重。
10.如权利要求8所述的非瞬态计算机可读存储介质,所述方法进一步包括:
获得与所述职位相关联的目标动机向量;
基于来自所述求职者的用户输入获得求职者动机计数向量;以及
计算标准化的目标动机向量和标准化的求职者动机向量;
其中计算所述匹配分数进一步基于所述标准化的目标动机向量和标准化的求职者动
机向量。
11.如权利要求8所述的非瞬态计算机可读存储介质,所述方法进一步包括:
获得与所述职位相关联的目标经验向量;
基于来自所述求职者的用户输入获得求职者经验向量;以及
基于所述目标经验向量和所述求职者经验向量计算附加的多个距离;
其中计算所述匹配分数进一步基于所述附加的多个距离。
12.如权利要求8所述的非瞬态计算机可读存储介质,其中计算所述匹配分数包括计算
能力匹配分数、特质匹配分数、动机匹配分数以及经验匹配分数。
13.如权利要求12所述的非瞬态计算机可读存储介质,其中计算所述匹配分数包括计
算所述能力匹配分数、所述特质匹配分数、所述动机匹配分数以及所述经验匹配分数的加
权匹配分数总和。
14.如权利要求13所述的非瞬态计算机可读存储介质,其中计算所述匹配分数包括基
于所述加权匹配分数总和来确定累积分布。
15.一种电子设备,包括:
执行指令的处理器;以及
与处理器耦合以存储执行计算求职者与职位的匹配分数的方法的可执行指令的存储
器,所述方法包括:
获得与所述职位相关联的目标能力向量;
基于来自所述求职者的用户输入获得求职者能力向量;
基于所述目标能力向量和所述求职者能力向量计算多个距离;以及
基于所述多个距离的加权和计算匹配分数。
16.如权利要求15所述的电子设备,所述方法进一步包括:
获得与所述职位相关联的目标特质向量;
基于来自所述求职者的用户输入获得求职者特质向量;以及
计算多个目标权重,每一个对应于一个特质;
其中计算所述匹配分数进一步基于所述目标特质向量、所述求职者特质向量、以及所
述多个目标权重。
17.如权利要求15所述的电子设备,所述方法进一步包括:
获得与所述职位相关联的目标动机向量;
基于来自所述求职者的用户输入获得求职者动机计数向量;以及
计算标准化的目标动机向量和标准化的求职者动机向量;
其中计算所述匹配分数进一步基于所述标准化的目标动机向量和所述标准化的求职
者动机向量。
18.如权利要求15所述的电子设备,所述方法进一步包括:
获得与所述职位相关联的目标经验向量;
基于来自所述求职者的用户输入获得求职者经验向量;以及
基于所述目标经验向量和所述目标求职者经验向量计算附加的多个距离;
其中计算所述匹配分数进一步基于所述附加的多个距离。
19.如权利要求15所述的电子设备,其中计算匹配分数包括计算能力匹配分数、特质匹
配分数、动机匹配分数以及经验匹配分数。
20.如权利要求19所述的电子设备,其中计算匹配分数包括计算所述能力匹配分数、所
述特质匹配分数、所述动机匹配分数以及所述经验匹配分数的加权匹配分数总和。
21.如权利要求20所述的电子设备,其中计算所述匹配分数包括基于所述加权匹配分
数总和确定累积分布。

说明书

确定求职者匹配分数

?#38469;?#39046;域

本发明一般而言涉及确定求职者与职位之间的匹配分数的方法.

发明内容

本公开的示例针对于提供用于求职者自我评估的用户界面以及计算求职者与目
标职位之间的整体匹配分数的方法.雇主可以基于以下四个类别来指定理想的职位候选
人:能力、个性特质、动机、以及经验水平.然后,实际的求职者可与用户界面交互以在四个
类别中的每一个上执行自我评估.可以为四个类别中的每一个确定求职者与职位之间的匹
配分数,并且四个匹配分数可以用于计算求职者与职位之间的整体匹配分数.

附图说明

图1图示了根据本公开的示例的计算求职者和职位之间的整体匹配分数的示例性
方法。

图2图示了根据本公开的示例的用于求职者能力确定的示例性用户界面。

图3图示了根据本公开的示例的用于求职者特质确定的示例性用户界面。

图4图示了根据本公开的示例的用于求职者动机确定的示例性用户界面。

图5图示了根据本公开的示例的用于求职者经验确定的示例性用户界面。

图6图示了根据本公开的示例的用于确定因果分数的示例性系统.

具体实施方式

在以下的实施例描述中,参考了形成本文一部分并?#20197;?#20854;中通过图示方式示出了
能够实践的特定实施例的附图.应当理解的是,在不脱离所公开的实施例的范围的情况下,
能够使用其他实施例并且能够做出结构性改变。

本公开的示例针对于提供用于求职者自我评估的用户界面以及计算求职者与目
标职位之间的整体匹配分数的方法。雇主可以基于以下四个类别来指定理想的职位候选
人:能力、个性特质、动机、以及经验水平.然后,实际的求职者可与用户界面交互以在四个
类别中的每一个上执行自我评估。可以为四个类别中的每一个确定求职者与职位之间的匹
配分数,并且四个匹配分数可以用于计算求职者与职位之间的整体匹配分数.

尽管本公开的示例可以参考能力、个性特质、动机、以及经验水平这四个示例性的
类别进行讨论,但是所公开的方法并不如?#21496;?#38480;并且可以基于?#25105;?#25968;量的各种类别来计算
求职者与职位之间的整体匹配分数.

图1图示了根据本公开的示例的计算求职者和职位之间的整体匹配分数的示例性
方法.可以基于能力匹配分数(100)、特质匹配分数(102)、动机匹配分数(104)以及经验匹
配分数(106)计算整体匹配分数(108)。可以基于来自自我评估的用户输入计算每一个中间
匹配分数100-106,自我评估的示例在图2-5中图示并?#20197;?#19979;面讨论.

图2图示了根据本公开的示例的用于求职者能力确定的示例性用户界面。用户界
面可以包括能力卡片,诸如“能力1”、“能力2”、“能力3”以及类似物.每一个能力卡片可以标
注其表示的能力的描述符,诸如“行动导向”、“应变能力”、以及“创造力”等等.与用户界面
交互的求职者可以将这些能力分别分类到标记为“高”、“中”、以及“低”的用户界面的区域,
以指示在每一个能力处的用户的技能水平。例如,第一个卡片可以与“创造力”能力相关联。
通过将“创造力”卡片拖拽到用户界面的中技能水平区域,用户能够指示他或她具有“创造
力”的中技能水平。通过将所有卡片分类到相应的堆中,用户能够提供与卡片相关联的各种
能力的评估。

基于用户输入,可以为求职者i创建求职者能力向量x(i),其中向量x(i)中的每一个
元素可以对应于能力,并且可以基于关于该能力的用户输入来确定元素的值。例如,如果用
户对于该能力指示高技能水平那么元素可以为3,如果用户对于该能力指示中技能水平那
么元素可以为2,以及如果用户对于该能力指示?#22270;?#33021;水平那么元素可以为1。

同样地,可以为职位j创建目标能力向量x(j),其中向量x(j)中的每一个元素对应于
能力,并?#20197;?#32032;的值指示能力对职位j的重要性.例如,如果能力对职位是高重要性那么元
素可以为3,如果能力对职位是中重要性那么元素可以为2,以及如果能力对职位是低重要
性那么元素可以为1.

可以根据等式(1)计算求职者能力向量x(i)与目标能力向量x(j)之间的多个距离d
(i,j)。

d(i,j)=abs(x(i)-x(j)) (1)

进一步,可以根据等式(2)计算多个距离的加权和(weighted sum)s(i,j):


在这个示例中,可以由目标能力向量中的对应元素加权每一个距离——即,可以
由该能力对职位的重要性加权每一个距离.多个距离的加权和可以指示能力匹配分数,尽
管在一些示例中可以进一步变换分数.例如,可以基于累积分布函数(CDF)以百分比给出分
数。可以通过减去均值μc并且除以标?#35745;?#24046;σc来确定归一化能力匹配分数zc.

图3图示了根据本公开的示例的用于求职者特质确定的示例性用户界面.用户界
面可以包括多个陈述(例如,“陈述1”、“陈述2”、“陈述3”以及类似物).每一个陈述可以指示
个性特质,如李克特(Likert)格式中那样.示例陈述可以包括,例如,“我具有很强的自尊
心”、“我是有同情心的人”以及“我总担心失败”等等。进一步,用户界面可以包括对应于每
一个陈述的多个用户界面元素(例如,单选按钮),并且用户可以选择用户界面元素以指示
陈述多好地描述了用户的个性特质.例如,在图3中,每一个陈述用5个单选按钮显示,每一
个分别用于“非常不同意”、“不同意”、“中立”、“同意”、“非常同意”。对于“陈述1?#20445;?#24050;经选择
与“不同意”相关联的单选按钮,指示用户不同意“陈述1”作为他或她的个性的描述符。对于
“陈述2?#20445;?#24050;经选择与“同意”相关联的单选按钮,指示用户同意“陈述2”作为他或她的个性
的描述符.

基于用户输入,可以为求职者i创建求职者特质向量x(i),其中向量x(i)中的每一个
元素可以对应于特质,并且可以基于与此特质相关的用户输入来确定元素的值。在一些示
例中,如果多于一个陈述对应于每一个特质,那么每一个元素可以对应于平均特质值。例
如,可能有p=5个特质并且每一个特质有n=3个陈述。对于第一个特质,前两个陈述可以是
肯定声明,第三个可以是否定声明.如果求职者在三个陈述上分别录入“同意”(4)、“中立”
(3)、以及“非常不同意”(1),那么x(i)的第一个元素可以包含平均特质值(4+3+(6-1))/3=
4。

同样地,可以为职位j创建目标特质向量x(j),其中向量x(j)中的每一个元素对应于
具体的特质,并?#20197;?#32032;的值指示职位j所期望的特质值。进一步,可以确定特质权重向量w
(j),其中每一个元素对应于一个具体的特质,并?#20197;?#32032;的值指示该特质对于职位j的重要
性.为了确定向量x(j)和w(j),m多个专家每一个可以提供一个单独的向量y,其中每一个元素
对应于特质,并?#20197;?#32032;的值(例如,1、2或者3)可以指示此项特质对职位j的重要性.然后,可
以根据等式(3)和(4)来计算向量x(j)和w(j):



然后,可以根据等式(5)计算求职者特质向量x(i)与目标特质向量x(j)之间的多个
距离d(i,j):

d(i,j)=abs(x(i)-x(j)) (5)

进一步,可以根据等式(6)计算所述多个距离的加权和s(i,j):


在这个示例中,可以由特质权重向量中的对应的元素加权每一个距离.多个距离
的加权和可以指示特质匹配分数,尽管在一些示例中,可以进一步变换分数.例如,可以基
于累积分布函数(CDF)以百分比给出分数.可以通过减去均值μT并且除以标?#35745;?#24046;σT来确
定归一化特质匹配分数zT.

图4图示了根据本公开的示例的用于求职者动机确定的示例性用户界面。用户界
面可以包括多对陈述(诸如,图4中的“陈述1”和“陈述2”),并且用户可以从对中挑选陈述来
指示陈述描述了他自己/她自己.一旦选择了陈述,就可以显示一对新的陈述。每一个陈述
可以对应于具体的动机。例如,可以同时显示或连续显示15对陈述,每一个陈述都对应于6
个动机之一。

基于用户输入,可以为求职者i创建求职者动机向量x(i),其中向量x(i)中的每一个
元素对应于动机,并?#20197;?#32032;的值可以是对应于用户所选择的动机的陈述的数量的计数.例
如,如果用户选择三个陈述对应于第一个动机以及零个陈述对应于第二个动机,那么第一
个元素将为3,并且第二个元素将为0。

同样地,可以为职位j创建目标动机向量x(j),其中向量x(j)中的每一个元素对应于
具体的动机,并?#20197;?#32032;的值指示该动机对职位j的重要性.例如,如果动机对职位是高重要
性那么元素可以为3,如果动机对职位是中重要性那么元素可以为2,以及如果动机对职位
是低重要性那么元素可以为1。

首先,可以将求职者动机向量与目标动机向量标准化,使得能够计算两者之间的
距离。在等式(7)和(8)中给出了示例标准化(这些和其他等式中的?#21040;?#20026;示例参数,并?#20197;?br />各种示例中其他参数值是有可能的):



然后,可以根据等式(9)计算标准化的求职者动机向量z(i)与标准化的目标动机向
量z(j)之间的多个距离d(i,j):

d(i,j)=abs(z(i)-z(j)) (9)

进一步,可以根据等式(10)计算多个距离的加权和s(i,j):


在这个示例中,可以由目标动机向量中的对应元素加权每一个距离。多个距离的
加权和可以指示动机匹配分数,尽管在一些示例中,可以进一步变换分数.例如,可以基于
累积分布函数(CDF)以百分比给出分数。可以通过减去均值μM并且除以标?#35745;?#24046;σM来确定归
一化动机匹配分数zM.

图5图示了根据本公开的示例的用于求职者经验确定的示例性用户界面。用户界
面可以包括多对陈述,每一对与具体的经验相关联.用户界面可以进一步包括与每一对相
关联的标尺(scale),并且用户可以与标尺交互以指示相关联的对的哪一个陈述更贴?#26800;?br />描述了他自己/她自己,从而指示对应的经验的经验水平。标尺可以包括4或5个不同的水平
等等.

基于用户输入,可以为求职者i创建求职者经验向量x(i),其中向量x(i)中的每一个
元素可以对应于经验,并且可以基于关于该经验的用户输入来确定元素的值。例如,值可以
与用户通过操作对应于该经验的标尺而选择的经验水平相对应。

同样地,可以为职位j创建目标经验向量x(j),其中向量x(j)中的每一个元素对应于
经验,并?#20197;?#32032;的值指示期望的经验水平.

可以根据等式(11)计算求职者经验向量x(i)与目标经验向量x(j)之间的多个距离d
(i,j):

d(i,j)=abs(x(i)-x(j)) (11)

进一步,可以根据等式(12)计算多个距离的加权和s(i,j):


在这个示例中,可以通过除以经验的总数m来加权每一个距离。多个距离的加权和
可以指示经验匹配分数,尽管在一些示例中,可以进一步变换分数。例如,可以基于累积分
布函数(CDF)以百分比给出分数.可以通过减去均值μE并且除以标?#35745;?#24046;σE来确定归一化经
验匹配分数zE.

可以通过归一化匹配分数zC、zT、zM和zE的加权和来计算整体匹配分数,并且可以
基于累积分布函数(CDF)以百分比给出整体匹配分数。

图6图示了根据本公开的示例的用于确定匹配分数的示例性系统700.系统700能
够包括CPU 704、存储器702、内存706以及显示器708.CPU 704能够执行图1-5中图示并且参
考图1-5所描述的方法.另外,存储器702能够存储用于执?#24615;?#22270;1-5中图示并且参考图1-5
所描述的方法的数据和指令.存储器能够是?#25105;?#38750;瞬态计算机可读取存储介质(诸如,固态
驱动或硬盘驱动等等)。用户界面(诸如,图2-5所图示的那些)可以在显示器708上显示.

系统700能够通过有线或无线网络710(诸如,局域网、广域网或因特网等等)与一
个或多个远程用户712、714以及716通信。本文公开的方法的步骤可以在单独系统700上或
在包括远程用户712、714以及716的多个系统上执行。

尽管已经参考附图充分描述了公开的实施例,应当注意的是,各?#25351;?#21464;或修改对
于本领域?#38469;?#20154;员而言将显而易见.这样的改变及修改将被理解为包括在如所附权利要求
限定的所公开的实施例的范围内。

关于本文
本文标题:确定求职者匹配分数.pdf
链接地址:http://www.pqiex.tw/p-6091672.html
关于我们 - 网站声明 - 网?#38236;?#22270; - 资源地图 - 友情链接 - 网站客服 - 联系我们

[email protected] 2017-2018 zhuanlichaxun.net网站版权所有
经营许可证编号:粤ICP备17046363号-1 
 


收起
展开
平码五不中公式规律 丰禾棋牌骗了多少人 辽宁11选5实时 pc蛋蛋预测加拿大99 辽宁11选5奖金 双色球蓝球2017142 吉林11选5走势图遗漏 福利彩票复式查询 北京11选5中奖规则 明天七星彩号码查询 老11选5历史开奖号码