平码五不中公式规律
  • / 37
  • 下载费用:30 金币  

职业分析平台.pdf

关 键 ?#21097;?/dt>
职业 分析 平台
  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:

CN201580014067.3

申请日:

2015.03.16

公开号:

CN106663230A

公开日:

2017.05.10

当前法律状态:

实审

?#34892;?#24615;:

审中

法?#19978;?#24773;: 著录事项变更IPC(主分类):G06Q 10/06变更事项:发明人变更前:庞德·萨利尔变更后:庞德·萨利尔 庞德·基兰|||专利申请权的转移IPC(主分类):G06Q 10/06登记生效日:20180321变更事项:申请人变更前权利人:庞德·萨利尔变更后权利人:威莫克公司变更事项:地址变更前权利人:印度哈里亚纳邦古尔冈变更后权利人:美国加利福尼亚州|||实质审查的生效IPC(主分类):G06Q 10/06申请日:20150316|||公开
IPC分类号: G06Q10/06 主分类号: G06Q10/06
申请人: 庞德·萨利尔
发明人: 庞德·萨利尔
地址: 印度哈里亚纳邦古尔冈
优?#28909;ǎ?/td> 2014.03.14 IN 765/DEL/2014
专利代理机构: 上海思捷知识产权代理有限公司 31295 代理人: 钟晶
PDF完整版下载: PDF下载
法律状态
申请(专利)号:

CN201580014067.3

授权公告号:

|||||||||

法律状态公告日:

2018.04.10|||2018.04.10|||2017.06.06|||2017.05.10

法律状态类型:

著录事项变更|||专利申请权、专利权的转移|||实质审查的生效|||公开

摘要

公开了一种评估求职者的求职概述的方法和系统。该系统包括:数据库,设置为包括多个参数以及与每个所述参数相对应的多个评分;解析器,用于对所述求职概述进行解析,以从该求职概述内的所述多个参数中识别出至少一个参数;以及分析引擎,用于:从所述求职概述中识别出的所述至少一个参数的多个得分中提取一个得分;根据提取的所述得分,计算出至少一个分类的得分,其中,所述至少一个分类包括从所述求职概述中识别出的所述至少一个参数;以及根据计算出的所述至少一个分类的得分,向所述求职者提供针对所述求职概述的反馈。

权利要求书

1.一种评估求职者的求职概述的方法,其特征在于,该方法包括:
解析所述求职概述,以从该求职概述内的多个参数中识别出至少一个参数,其中所述
多个参数定义于数据库中,每个所述参数与多个得分相关联;
从所述求职概述中识别出的所述至少一个参数的多个得分中提取一个得分;
根据提取的所述得分,计算出至少一个分类的得分,其中,所述至少一个分类包括从所
述求职概述中识别出的所述至少一个参数;以及
根据计算出的所述至少一个分类的得分,向所述求职者提供针对所述求职概述的反
馈。
2.根据权利要求1所述的方法,其特征在于,所述至少一个分类包括呈?#33267;?#20998;类、影响
力分类和技能分类中的至少一个。
3.根据权利要求2所述的方法,其特征在于,当所述至少一个分类为呈?#33267;?#20998;类时,所
述至少一个参数包括边距参数、基于章节布局的参数、基于章节的参数、格式参数和拼写检
查参数中的至少一个。
4.根据权利要求2所述的方法,其特征在于,当所述至少一个分类为影响力分类时,所
述至少一个参数包括基于职业发展的参数、基于分项内容的参数和基于成就的参数中的至
少一个。
5.根据权利要求2所述的方法,其特征在于,当所述至少一个分类为技能分类时,所述
至少一个参数包括基于软性技能的参数、职能特定参数和行业特定参数中的至少一个。
6.根据权利要求2所述的方法,其特征在于,还包括:
根据计算出的所述至少一个分类的得分,确定所述求职概述的总得分。
7.根据权利要求1所述的方法,其特征在于,与每个所述参数相关联的所述多个得?#32844;?br />括:当从所述求职概述中识别出所述至少一个参数时的分值1;以及当所述求职概述中不存
在所述至少一个参数时的分值0。
8.根据权利要求1所述的方法,其特征在于,还包括以下步骤中的至少一个:
通过用户界面将所述求职概述上传?#20102;?#36848;数据库中,
从专有数据库中自动提取所述求职概述,以及
在平台上生成所述求职概述。
9.根据权利要求1所述的方法,其特征在于,所述求职概述包括用户私有求职概述、用
户公开求职概述、简历以及含有该求职者职业相关信息的文档中的至少一个。
10.根据权利要求6所述的方法,其特征在于,还包括:
向提取出的从所述求职概述中识别的所述至少一个参数的得分和计算出的所述至少
一个分类的得分中的至少一个施加至少一个权重。
11.根据权利要求10所述的方法,其特征在于,还包括:
根据至少一个基准测评规则,确定所述至少一个权重。
12.根据权利要求1所述的方法,其特征在于,还包括:
识别出所述求职者的类别;以及
根据所述求职者的类别,选择所述至少一个基准测评规则。
13.根据权利要求1所述的方法,其特征在于,还包括:
根据所述求职者的至少一个同类人?#28023;?#29983;成动态基准测评曲线;以及
将所述求职者的所述求职概述绘制于所述动态基准测评曲线上。
14.根据权利要求3或4或5所述的方法,其特征在于,提供所述反馈包括:指出所述求职
者的职业的至少一个差距。
15.根据权利要求14所述的方法,其特征在于,还包括:
向所述求职者提供至少一个改进样板,以消除所述至少一个差距,其中,所述至少一个
改进样板与从所述求职概述中识别出的所述参数和分类中的至少一个相对应。
16.根据权利要求1所述的方法,其特征在于,提供所述反馈包括:向所述求职者提供至
少一个建议,其中,所述至少一个建议用于消除所述求职者的求职概述中的差距。
17.根据权利要求1所述的方法,其特征在于,还包括:
以总体视角和详细视角中的至少一个向所述求职者展现所述反馈。
18.根据权利要求17所述的方法,其特征在于,还包括:
根据反馈类型,将简历的各章节以不同颜色标记。
19.根据权利要求16所述的方法,其特征在于,还包括:
向所述求职者提供用户界面,其中,该用户界面有助于所述求职者根据所述至少一个
建议,对所述求职概述进行编辑,以提高该求职概述的总得分。
20.根据权利要求1所述的方法,其特征在于,还包括:
根据所述参数、所述分类和完整的所述求职概述中的至少一个,推荐至少一个专业人
士。
21.根据权利要求20所述的方法,其特征在于,还包括:
确定专业人士人脉网络中的每一个专业人士的人脉网络评分。
22.根据权利要求1所述的方法,其特征在于,还包括:
从所述数据库中识别出至少一批求职概述,其中,所述至少一批求职概述包括为所述
求职者?#35813;?#33267;少一个职业路径的参数和分类中的至少一个;
确定所述求职者的至少一个技能存在于所述至少一批求职概述中;
利用至少一个基准测评规则,求得所述求职者的所述至少一个技能的得分;以及
根据该求职者的所述至少一个技能的得分,计算出该求职者的工作适合度得分。
23.根据权利要求22所述的方法,其特征在于,还包括:
根据所述求职者的所述工作适合度得分,识别出至少一个工作机会;
针对所述至少一个工作机会,利用人脉网络得分,从所述求职者的人脉网络中识别出
至少一个专业人士;以及
根据所述工作适合度得分和所述人脉网络得分,计算出所述至少一个工作机会的公司
工作适合度得分。
24.根据权利要求23所述的方法,其特征在于,所述人脉网络得分取决于一组?#31245;保?#35813;
组?#31245;?#30001;职能?#31245;薄?#34892;业内?#31245;薄?#34892;业内职能?#31245;薄?#34892;业内高资历职能?#31245;薄?#34892;业内人事职
位?#31245;薄?#20844;司内?#31245;薄?#20844;司内职能?#31245;薄?#20844;司内人事职位?#31245;?#21644;其他公司内同等级职能?#31245;?br />中的至少一种组成。
25.根据权利要求22所述的方法,其特征在于,还包括:
接收所述求职者的输入,该输入与待在一个时间期限内实现的至少一个职业路径的选
择相关;以及
建议所述求职者采取至少一个行动,以追求所述至少一个职业路径内的职业。
26.根据权利要求1所述的方法,其特征在于,还包括:
接收所述求职者的另一求职概述;
对两份求职概述内的参数和分类中的至少一个进行比较,以确定该求职者的所述两份
求职概述之间的同步状况;以及
向所述求职者表明该求职者的所述两份求职概述之间的同步程?#21462;?br />
27.根据权利要求26所述的方法,其特征在于,还包括:
计算所述求职者的所述两份求职概述针对至少一个工作的工作得分;以及
求得所述求职者的所述两份求职概述针对所述至少一个工作的工作同步得分。
28.根据权利要求1所述的方法,其特征在于,还包括:
从招聘人员接收关于至少一份工作的输入,其中,所述输入包括工作描述、与该工作描
述相对应的至少一个参数以及所述至少一个参数的至少一个权重中的至少一个;
对简历数据库内的多个求职者的求职概述进行评估;以及
根据所述招聘人员的所述输入,确定每份求职概述的工作适合度得分。
29.根据权利要求28所述的方法,其特征在于,所述工作适合度得分取决于教育背景得
分、工作职位得分、公司得分、技能得分、工作地点得分以及与公司职员相似性得分中的至
少一个。
30.根据权利要求28所述的方法,其特征在于,还包括:
确定公司内至少一个职员的职业路径,以及从所述多个求职者中确定至少一个求职
者;以及
对所述至少一个职员和所述至少一个求职者的职业路径进行比较,以帮助所述招聘人
员为所述至少一份工作选择至少一个求职者。
31.根据权利要求30所述的方法,其特征在于,还包括:
利用所述至少一个求职者的至少一个社交网络,对该至少一个求职者的行为进行评
估。
32.根据权利要求30所述的方法,其特征在于,还包括:
评估所述至少一份工作的工资信息;以及
根据所述工作适合度得分和所述工资信息,为所述至少一个求职者计算出工资范围。
33.一种评估求职者的求职概述的系统,其特征在于,该系统包括:
数据库,设置为包括多个参数以及与每个所述参数相对应的多个评分;
解析器,用于对所述求职概述进行解析,以从该求职概述内的所述多个参数中识别出
至少一个参数;以及
分析引擎,用于:
从所述求职概述中识别出的所述至少一个参数的多个得分中提取一个得分;
根据提取的所述得分,计算出至少一个分类的得分,其中,所述至少一个分类包括从所
述求职概述中识别出的所述至少一个参数;以及
根据计算出的所述至少一个分类的得分,向所述求职者提供针对所述求职概述的反
馈。
34.根据权利要求33所述的系统,其特征在于,所述至少一个分类包括呈?#33267;?#20998;类、影
响力分类和技能分类中的至少一个。
35.根据权利要求33所述的系统,其特征在于,当所述至少一个分类为呈?#33267;?#20998;类时,
所述至少一个参数包括边距参数、基于章节布局的参数、基于章节的参数、格式参数和拼写
检查参数中的至少一个。
36.根据权利要求33所述的系统,其特征在于,当所述至少一个分类为影响力分类时,
所述至少一个参数包括基于职业发展的参数、基于分项内容的参数和基于成就的参数中的
至少一个。
37.根据权利要求33所述的系统,其特征在于,当所述至少一个分类为技能分类时,所
述至少一个参数包括基于软性技能的参数、职能特定参数和行业特定参数中的至少一个。
38.根据权利要求33所述的系统,其特征在于,还包括职业匹配模块,该职业匹配模块
用于:
从所述数据库中识别出至少一批求职概述,其中,所述至少一批求职概述包括为所述
求职者?#35813;?#33267;少一个职业路径的参数和分类中的至少一个;
确定所述求职者的至少一个技能存在于所述至少一批求职概述中;
利用至少一个基准测评规则,求得所述求职者的所述至少一个技能的得分;以及
根据该求职者的所述至少一个技能的得分,计算出该求职者的工作适合度得分。
39.根据权利要求33所述的系统,其特征在于,还包括同步化模块,该同步化模块用于:
接收所述求职者的另一求职概述;
对两份求职概述内的参数和分类中的至少一个进行比较,以确定该求职者的所述两份
求职概述之间的同步状况;以及
向所述求职者表明该求职者的所述两份求职概述之间的同步程?#21462;?br />
40.根据权利要求33所述的系统,其特征在于,还包括求职者评分模块,该求职者评分
模块用于:
从招聘人员接收关于至少一份工作的输入,其中,所述输入包括工作描述、与该工作描
述相对应的至少一个参数以及所述至少一个参数的至少一个权重中的至少一个;
对简历数据库内的多个求职者的求职概述进行评估;以及
根据所述招聘人员的所述输入,确定每份求职概述的工作适合度得分。

?#24471;?#20070;

职业分析平台

技术领域

本发明总体涉及文档分析,尤其涉及充分利用用户求职概述/履历/简历实施智能
数据分析,以帮助各种利益相关人士做出更佳人力资本决策的方法和系统。

背景技术

现有职业生涯辅助方法?#29616;匾览?#32844;业教练、简历撰写人、个人人脉网络等人为干
预。目前还没有任何平台能充分利用数据分析,在以下两个方面为客户提供客观指导:(一)
根据客户的职业目标确定客户需求;(二)按照客户独有求职概述,为客户确定职业目标。本
发明的目的在于提供一种基于数据分析的系统,该系统可在无论求职者当前职业情况如何
的前提下,帮助求职者在职业方面做出更佳决定。

就公司一方而言,鲜有方法试图去消除招聘过程中的偏见,并领会每个公司对于
职位的固有独特要求。当今世界所使用的申请跟踪系统(Application Tracking System)
以及其他机?#24179;?#36890;过一套关键?#20351;?#28388;求职者,从而造成一种二元化的求职者遴选现象。然
而,遴选现象本质上是某些求职者比其他求职者更加胜?#25991;?#20123;工作的一种匹配谱系。本发
明的目的在于构建一种自动化系统/机制,以客观、?#34892;?#19988;高效?#23454;?#31616;化招聘过程,并同时
对其中的内在定制化因素和复?#26377;?#21152;以考虑。该系统/机制对人类思维运行中的行为和评
估方式进行仿真。

发明内容

在一种实施方式中,公开一种求职者求职概述评估方法。该方法包括:对所述求职
概述进行解析,以从该求职概述中的多个参数中识别至少一个参数,其中所述多个参数定
义于数据库中,每个参数与多个得分相关联;从所述求职概述中识别出的至少一个参数的
多个得分中提取一个得分;根据提取的所述得分,计算出至少一个分类的得分,其中,所述
至少一个分类包括从所述求职概述中识别出的至少一个参数;以及根据计算出的所述至少
一个分类的得分,向所述求职者提供针对所述求职概述的反馈。

本发明的目的在于模拟招聘人员对潜在求职者所提供信息的评估方式,从而使得
两种主要类型的受众获益。

首先,其为求职专业人士解明,具体应该如何向招聘人员展示相关技能和经验。其
帮助求职者找出真正适合的潜在工作,并帮助求职者了解如何规划职业生涯才能实现职业
目标。

其次,其为招聘人员提供了一种机制,用于对求职者进行评分,并根据具体招聘条
件而非宽泛的职业描述筛除招聘过程中多数不合格的人员,从而选出胜任的求职者。

本发明的目的在于,根据与求职专业人士的简历在总体和具体两方面是否均适合
于其所?#34892;?#36259;的特定职业相关的数据和分析,帮助求职专业人士获?#27599;?#35266;职业指导。

其还帮助求职专业人士充分利用数据分析和预测分析以其他求职人员简历为基
准对其简历进行测评,以对其简历所?#20174;?#30340;技能及内容进行真实评价。这其中基本想法在
于,求职专业人士依据当今环境中的数据所做的指导缺乏针对性和客观性。大多数创新工
作的目的在于通过设置条件和关键词帮助公司对求职者进行过滤筛选。

本发明的目的在于,根据专业人士简历中的求职概述和成就真实了解其职业背
景,对该专业人士的技能和胜任能力进行评级,并就该专业人士所处总体位置及其在类似
位置上的其他人当中所处的相对位置给出见解。

本发明深入求职专业人士所面临的挑战,并充分利用数据分析,预测分析和数据
挖掘找出该求职专业人士可能采取的潜在职业路径,以供其回答在短期和更长期之内其可
追求的职业路径。此外,本发明的目的还在于针对求职专业人士在实现其目标时所应采取
的步骤给出清晰的答?#31119;?#24182;根据其他人以往的经验清晰地指出其达到所述目标的实际可能
性。

就招聘人员而言,本发明的目的在于提供一种通过对求职者的技能、职业轨迹以
及其他因素进行评估而确认其能否胜任工作的方法,从而令招聘人员摒弃复杂的职位描述
并简化滤选方法。

其中,相比于任何文档中?#20174;?#30340;要求,本发明更加优?#26085;?#32856;人员心里所想的要求。
有基于此,本发明针对招聘人员必须保证其可?#19994;?#26368;为胜任的求职者的每个职位,创建一
种定制算法。此外,通过分析其人脉网络及相应公司内的其他雇员情况,本发明采用超出技
能评估之外的评判标准对求职者通过招聘流程的可能性进行分析。本发明在所述算法中充
分利用预测分析对求职者可同时在短期及更长期内胜任的职位。

这使得本发明高度适用于任何公司实施的招聘。

本发明可用于实现作为招聘流程第一步的简历滤选的自动化,以及使有可能在其
他招?#38468;?#27573;胜出的求职者更为高效地通过该招聘流程,从而?#26723;?#25307;聘成本。

本发明还帮助求职者找出其人脉网络中可将其引荐至其最有可能胜出的职位的
人员,从而进一步提高该求职者在招聘过程以及在相应公司内的职业生涯中获得成功的机
会。

通过将职位机会与简历评估相匹配,并充分利用与当前求职者和其他求职专业人
士两者的职业路径/生涯相关的预测分析,以及找出人脉网络中可能提供指导、引荐及支持
的人员,本申请可提高求职专业人士及招聘人员获得成功的可能性。

每个专业人士和求职人员都对职业导师这一概念极为熟悉。职业导师拥有与其他
各种学生及专业人士交往的经验以及从求职概述/简历中读取信息的诀窍,并了解创建包
括发展性?#31245;?#22312;内的职业发展道?#20998;?#25152;牵涉的性格问题及个人偏好。通过使用机器学习和
自然语?#28304;?#29702;的智能算法、预测模型、背景分析,

VMock已经创造出一种“智能职业导师?#20445;?#20854;可帮助数以百万计的求职专业人士和
学生评估并改善其简历/求职概述,实现目标职位的最优/最佳匹配,以及利用基于职业路
径众包的预测模型对职业决定进行调整。此智能职业导师不仅仅止步于帮您被公司录取,
其还可以就如何在职位上获得成功以及将何人作为导师给出建议,并为下一步职业动向提
供帮助。

本发明的另一表?#20013;?#24335;为一种经营模式创新,该项创新可实?#32844;?#25324;猎头、简历撰
写、面试准备等在内的各种服务的目标潜在客户开发。

本发明实施方式基本消除或至少部分解决了现有技术的上述问题,并实现了多个
网络属性跟踪识别码的对应使用数据的高效管理。

通过结合下附权利要求书理解以下附图和对?#24471;?#24615;实施方式的具体描述,本发明
的其他方面、优点、特征及目标将变得容易理解。

可以理解的是,在不脱离?#19978;?#38468;权利要求书定义的本发明范围的前提下,本发明
的特征可通过各种组合方式进行组合。

附图?#24471;?br />

通过结合附图进行阅读,可更好地理解以上发明内容及以下对?#24471;?#24615;实施方式的
具体描述。为了对本发明进行?#24471;鰨?#38468;图中示出了本发明的例示构造。然而,本发明并不限
于本文公开的具体方法和手段。另外,本领域技术人员可理解的是,附图并?#21069;?#27604;例绘制。
在任何适用之处,类似元件以相同标号标注。

以下参考附图对本发明实施方式进行描述,该描述仅起例示作用,附图中:

图1为根据本发明实施方式的职业分析平台示意图;

图2为根据本发明实施方式的系统元素和数据源示意图;

图3为根据本发明实施方式的所述系统的机器学习元素示意图;

图4为根据本发明实施方式的职业教练示意图;

图5为根据本发明实施方式从求职者的求职概述中生成结构化数据的方法示意
图;

图6为根据本发明实施方式的简历评分和改进方法示意图;

图7为根据本发明实施方式的简历编辑方法示意图;

图8为根据本发明实施方式从求职者人脉网络中提供反馈的方法示意图;

图9为根据本发明实施方式向求职者提供反馈的方法示意图;

图10为根据本发明实施方式为求职者?#19994;?#32844;业路径的方法示意图;

图11为根据本发明实施方式的职业路径探索方法示意图;

图12为根据本发明实施方式将求职者的不同求职概述同步化的方法示意图;以及

图13为根据本发明实施方式由招聘人员对求职者进行评分的方法示意图。

具体实施方式

以下具体描述对本发明实施例及其可被实施的方式进行?#24471;鰲?#34429;然以下公开了本
发明的一些实施方式,本领域技术人员将意识到的是,本发明还可按其他方式实施或实践。

本文中存在两种求职概述文件——用户私有求职概述和用户公开求职概述。用户
私有求职概述是指类似于履历/简历/目标书等的文档。公开求职概述为用户在其中?#20174;?#20854;
求职概述的公开性文档。此方面的一例为领英(Linkedin)求职概述。本文中,凡提及/称为
简历之处兼指私有求职概述的所有可能形式。凡提及/称为Linkedin求职概述之处兼指公
开求职概述的所有可能形式。

参考图5,用户使用简历改进模块:将其简历输入系统之中;接收客观得分;以其他
人为基准对其自身进行测评;找出改进之处;查阅针对其简历结构及简历/文本求职概述的
实际文本内容的反馈。

查阅上述反馈后,用户可在其简历内加入建议意见,并对其简历重新评分,以获得
新的简历得分。用户可无数次地重复此过程,直至获得满意的简历得分和反馈。

在所述简历改进模块中输入信息:用户可将其简历上传?#20102;?#36848;系统,或者在该平
台本身中创建求职概述,其中,用户可在其简历或求职概述中展示其教育背景、技能、经验、
成绩、兴趣爱好以及其他希望展示的信息。

数据结构化/解析:当用户选择将其已有简历上传?#20102;?#36848;平台时,该系统对其简历
文本进行解析,以识别出各个简历章节、分项内容、技能背景、关键词及?#39318;椋?#24182;将数据以结
构化格式保存。

将结构化数据格式的用户数据存入数据库:所有可用用户数据的元素均以结构化
格式保存。

简历评分、反馈和改进

如图6所示,每份简历均接收基于定制算法的得分。所述相关算法的选择基于用户
经验水平、工作职位以及公?#38236;?#32423;。在对从简历中提取出的结构化数据的分析中使用自然
语言的处理、词性、现有软性和职能性技能数据集合的匹配、以及其他求职专业人士的求职
概述。

基准测评模块通过动态设置评分中采用的基准而为评分过程提供输入。

此外,还将其他用户求职概述的概要级统计/分析与所述用户共享。其包括针对用
户求职概述的任何可能的分析,包括但不限于:

1.其他人的分数提高情况

2.其他用户的关键?#35797;?br />

3.职业背景平均水平和统计

4.其他用户的技能概要

5.包括章节、词数、技能、分项内容数、关键词在内的各参数间的比较

按照“呈?#33267;?#24471;分+影响力得分+技能得分”的形式计算简历总得分,然后将其归一
化至0~100范围,以表?#26223;?#20998;?#21462;?br />

呈?#33267;?#27169;块得分基于如下各项:

1.边距——将简历边距与存有用户数据的数据库内提取的最佳边距相比较(rm)

2.章节布局——将简历各章节分解,对其边距和布局进行分析,并与数据库内预
存值进行比较(rsl)

3.简历章节——将简历章节与标?#25216;?#21382;在数目及类型两方面进行比较。根据求职
概述不同,某些章节为必要章节,例如,对于工?#24179;?#32946;背景的学生而言,平均成绩(GPA)、课
外课程、实习内容为必要章节。必要章节得自其他同类用户组的基准项。缺失章节数存入评
分字段(rms)。章节及页数过多的用户将?#29615;?#20998;。

4.格式——对简历格式进行分析,以保证所有简历元素、分项内容和其他内容已
对齐(rf)。

5.拼写检查——对拼写错误进行识别,错误数用作评分参数(rse)。

6.内容优?#20154;?#24207;——最相关的内容应展现于相关章节的顶端。

呈?#33267;?#24471;分计算式为:wp(w1*α1*rm+w2*α2*rsl+w3*α3*rms+w4*α4*rf+w5*α5*
rse)

w1~w5为预设值,其中,w5为最低权重,其他元素权重相同。

α1~α5为以同类用户简历为基准对确切参数进行测评时的基准值,例如,就章节
数而言,该基准值为同类用户简历的章节数。

wp表示呈?#33267;?#24471;分在简历总得分中的权重。该权重根据用户组(学生组和求职人
员组)的水平而变化。

所有值均归一化至0~1范围,其中,1为最高得分,0为最低得分。

影响力模块得分为以下元素的函数:

1.职业发展得分

2.分项内容得分

3.成就得分

职业发展(职业路径节点)计算式与高得分简历的节点进行比较,并将匹配水平归
一化为:1代表最匹配,0代表不匹配。

分项内容得分:根据章节不同,使用以下参数。并非所有参数都应用于所有章节,
例如,教育背景章节以及以行动导向内容起始的分项内容并不与量化参数严格相关,

1.行动导向——描述求职者所采取的主动式行动和被动式行动的比较。该描述基
于行动导向术语库。其中,强势行动动词具有?#32454;?#26435;重,弱势行动动词的权重?#31995;汀?br />

2.量化——求职者对其行动影响力的量化以及对经验元素的量化有助于某些人
理解其工作的影响力。该项参数既为定性值,也为定量值。

3.被动使用——经验描述中对被动语言的使用(作为?#22909;?#21442;数)。

4.分项内容大小——经验的简洁程度和?#24471;?#24615;。

5.职责驱动内容——对描述职责而非工作成果的语言的使用(作为?#22909;?#21442;数)。

所有这些参数的最佳值均通过基准测评设置。当用户获得最佳值或大于最佳值的
值,归一化得分为1。上述每个参数还被赋予按照用户求职概述的重要性确定的权重,例如,
学生的量化参数权重可低于销售专业人士的量化参数权重。此外,还通过同类用户求职概
述基准测评确定每一组的相应水平。

用户分项内容得分通过如下方式求得:先利用上述参数的组合计算出每一分项内
容的得分,然后将各分项内容得分相加后求取平均值。

分项内容得分=(b1+b2+b3...bn)/n,其中,b1为分项内容1的评分,如此类推。

上述影响力得分还包括对用户在其简历中教育背景及其他章节内所述的成就的
评估。另一项评估在于成就的一致性。

成就分解为学术成就和非学术成就,例如GPA、荣誉、奖励、奖学金、团体?#31245;?#20197;及
用户简历内提到的其他方面(ra)。

成就得分=wl*ral+w2*ra2...+wn*ran

各权重值依据用户求职概述、背景和目标所给定的特定成就的重要性而变化。

影响力总得分=wcp*cpscore+wi*iscore+wa*ascore

其中,wcp=职业发展权重,wi=影响力权重,wa=成就权重

影响力总得分本身也?#36824;?#19968;化并用于简历总得分的计算。

技能得?#32844;?#29031;软性(行为性)技能、职能性技能和行业特定技能的组?#31995;?#20986;。

根据用户求职概述,选出最重要的一组软性技能、职能性技能和行业相关技能。这
些技能提取自工作职位/求职概述数据库。例如,对于学生而言,将主要关注沟通能力、问题
解决能力、团队合作、领导力和积极性这五项软性技能,以及与其学位相关的其他一些技
能。对于医疗行业的求职人员而言,则依据与其当前求职概述相应的软性技能、职能性技能
和行业相关技能对其评分。

技能得分通过如下方式获得:

在提供技能得分时,分析引擎使用用户求职概述内保存的所有数据,并识别出求
职者用户所适合的工作职位/职能/行业,以及学生用户的学位学科所适合的期望职能/公
司。

1.然后,将此数据与技能匹配数据库相比较,该数据库含有可确定某个人是否具
有某项技能的关键词、?#39318;欏?#24037;作职位和句式;

2.针对每项技能——利用所计算的每项比较的权重,生成匹配数;

3.将匹配数和权重加总后与该“类型”求职概述的基准值相比较。将得分归一化至
0~1范围。根据基准值确定用户技能为高?#21462;?#20013;等或低?#21462;?br />

4.针对上述特定用户求职概述保存于数据库内的所有技能,重复上述各步骤。

技能得分=所有关键词权重之和,归一化至0~1范围,其中,1表示该项技能的胜
任水平最高,0表示无该项技能。针对所有技能,均进行此项计算。

技能总得分=w1*α1*sl+w2*α2*s2+....+wn*αn*sn

上述得分的另外一个因素在于,求职者的职业生涯中是否有空窗期。如有,则可能
成为该得分的一个?#22909;?#22240;?#21360;?br />

如图6所示,对用户简历得分进行动态基准测评并绘制于曲线上,再将其提供给用
户,以展示其在相关同类人群中所处的位置。简历绘制过程如下:

1.根据目标同类人群得分创建动态基准测评曲线,所述同类人群可定制,而且根
据用户或团体意?#31119;?#20854;既可以为广泛人?#28023;?#20063;可以为特定人群。所述曲线可以为系统内所有
用户的曲线,或者仅为与用户具有相同职位的人群的曲线,或者为所有具有类似背景的学
生的曲线,或者仅为公司内处于所述工作职位上的员工的曲线等?#21462;?#29992;户概要中包括教育
程?#21462;?#22823;学、工作职位、经验、公司名称在内的所有可能参数均可用做确定所述相关用户人
群的滤筛条件。

2.之后,将用户标注于此正态分?#35760;?#32447;上该用户应该处于的确切位置上,并根据
该基准测评结果,告诉用户其得分相对于所述同类人群为较差、尚佳或?#32454;摺?br />

参考图6,用户可从总体或具体两种视角对针对其简历的呈?#33267;Α?#24433;响力和技能所
有方面的反馈进行查阅。

在所述总体视角下,用户可了解其简历在各个方面的确切所处位置。此信息以带
有所有方面样板的可视方式展现,其中,所述平台为用户提供了定制样板,以使其了解如何
才能获得改进。

所述样板提取自样板库,该样板库通过系统内的已有标记与用户求职概述相比
较,从而保证其与用户具有相关性。

在查阅详细视角的反馈时,用户可进入分项内容视角,在该视角下,用户可获得该
分项内容所在简历章节的所有相关参数的详细反馈。

一、提供对所述所有参数的反馈,该反馈展示了将分项内容评为高、中、低分的逻
辑。

二、针对每个分项内容,利用如下逻辑获得定制样板:

1.通过语?#28304;?#29702;对每个分项内容进行解析,以识别出行动、主要目标和其他元素;

2.将关键词和?#39318;?#19982;样板中的关键词和?#39318;?#30456;比较;

3.使用已编码的优先度确认匹配过程中优先使用的?#39318;欏?#20851;键词和句型;

4.按照匹配标准找出评分分项内容,并展示与用户匹配得分最高的分项内容样
板。

下式用于求出分项内容匹配得分:

分项内容匹配得分=匹配关键词得分之和+匹配短语得分之和

归一化至0~1范围。

三、用户查阅其分项内容反馈和定制样板。

如图7所示,查阅上述反馈后,用户通过在线或离线方式进入编辑模式,以对其简
历作出建议修改。在编辑模式中,用户可:

1.对简历元素/分项内容作出修改;

2.对简历或仅对分项内容再次评分;

3.再次查阅反馈;

4.重复上述过程直至用户满意为止。

利用上述过程,用户可通过动态评分提高求职概述得分,其中,用户可充分利用系
统反馈对改进部分进行动态评分,并动态了解得分的提高状况。

得分?#32454;?#30340;简历可提高获得面试的几率。

参考图9,用户可使用所述平台请求外部实体对其简历作出反馈,所述外部实体可
以为其专业人脉网络内的某个人,例如大学的职业导师、朋友或与其相关的任何人。

所述平台允许用户导入其电子邮件或社交网络(如Facebook、linkedin等)的成
员,或者仅简单地输入目的收件人的电子邮件地址。

根据用户的职业目标,所述平台就向谁发送请求作出建议。此外,还根据与用户的
相关程度,对人脉网络?#31245;?#36827;行评分。另外,所期望同类职位上的?#31245;薄?#25152;期望同类公司内
的?#31245;?#20197;及所期望公司/行业/职能中的人事(HR)经理获得比不匹配任?#26410;?#31867;条件的?#31245;?br />更高的优先?#21462;?#28982;而,用户可对上述建议中的任何一条进行忽略,并选择其希望发送请求的
任何人。

人脉网络得分=以往工作职位匹配度+以往职能匹配度+以往工作职位职能行业
匹配度+所期望公司匹配度+w*HR+w*通用才智匹配度

当完全匹配时,以往工作职位匹配度=1;工作职责类似时,该匹配度为0.8;完全
不匹配时,该值为0。

以往职能匹配度以及其他各匹配度均采用与上述相同的逻辑,其中,充分利用调
和的工作职责、公司、职能数据集合以归一化的范围对工作职责、职能、行业、公司、大学的
“接近?#21462;?#36827;行评估。

所述系统对人脉网络?#31245;?#36827;行评分并将得分最高的?#31245;?#25552;供给用户。用户对这些
?#31245;?#36827;行选择,或者决定向任何其希望发送的?#31245;?#21457;送请求。

此外,用户对其希望从其人脉网络?#31245;?#33719;得反馈的简历部分进行选择。该简历部
分可以为:

1.分项内容

2.章节

3.关注部分

4.整体简历本身

之后,向所述人脉网络?#31245;?#21457;送带有所述用户简历链接的电子邮件。

所述人脉网络?#31245;?#36890;过点击所述链接进入所述平台,从而开始向所述用户作出反
馈。

所述反馈提供者就以下各个方面针对用户所选的上述部分向求职者提供反馈:

1.分项内容——对每个分项内容均给出反馈;同时针对结构和内容进行反馈;分
项内容标准评分

2.呈?#33267;Α?#24635;体呈?#33267;?br />

3.传达力——简历元素的总体传达力

4.内容和传达力评级

5.简历总体评级/评分——反馈提供者对简历的评分

6.对求职者下一职业阶段的反馈

7.针对求职者的其他职业参数的输入,包括但不限于,教育背景、职位、求职机会、
公司、培训计划、可联络或搭话之人等

反馈提供者向用户给出反馈后,便可将其反馈提交。

如图1所示,反馈提交后,所述平台的求职者/用户便可对所述人脉网络?#31245;备?#20986;
的反馈进行查阅。

此外,用户还可将针对每一元素的反馈进行比较和对比,以了解各反馈提供者所
给分数的平均值,并了解各反馈提供者的不同反馈方式。所述系统对所有数据进行分析,识
别出主题,并将其提供给用户,以显示:

1.需要改进的主要方面

2.用户表?#32440;?#22909;的方面

3.各反馈提供者之间的不一致之处

4.所述求职概述的反馈热度图

用户可通过与上述类似的编辑过程加入上述反馈,并对其简历进行再次评分,以
获得针对再评分后简历的反馈。

职业匹配

参考图10A和图10B,职业匹配模块可使用户找出其最适合的职业路径,该找出的
方式为与已进入该职业路径的其他人进行比较。作为一项输出,该模块向用户提供其在所
适合的最高工作职位上的得分。

在一种实施方式中,公开一种工作适合度得分的计算方法。该方法从数据库中识
别出一批求职概述,该求职概述包括为求职者?#35813;?#33267;少一个职业路径的参数和/或分类。该
方法还确定所述一批求职概述中具有所述求职者的至少一个技能。此外,该方法利用至少
一个基准测评规则求出所述求职者的所述至少一个技能的得分,并根据该求职者的所述至
少一个技能的得分计算该求职者的工作适合度得分。

首先,从保存于所述用户数据库内的用户简历/在线求职概述中获取与用户相关
的结构化数据。将所述数据库中的数据与工作及其他用户求职概述相比较,从而为每一项
工作创建工作适合度得分。本文中,所述工作适合度得分也可称为职业适合度得分。

1.工作适合度得分的计算方式如下:

2.工作适合度得分=职业发展匹配度+软性技能匹配度+职能性技能匹配度

3.职业发展匹配度=we*教育程度匹配度+wct*大学等级+wjr1*工作职位1匹配度
+...+wjrn*工作职位n匹配度

4.其中,we=教育背景权重,wct=大学等?#24230;?#37325;,wjr=工作职位权重

5.软性技能匹配度=技能得分1+技能得分2+...+技能得分n

6.其中,技能得分i=匹配关键词数+匹配?#39318;?#25968;+匹配句型数

7.从数据库中存有工作职位和匹配属性的表中提取技能。数据归一化至0~1范
围,其中,1表示最匹配数据,0表示不匹配数据。该范围为非线性范围。

8.通过类似计算式求出职能性技能匹配?#21462;?#20026;每位用户创建技能图和技能时间
表,并对其进行比较,以计算出所有类?#22270;?#33021;的技能匹配?#21462;?br />

9.关于工作职位匹配数据库的结构,请参考xyz部分。

10.计算得分后,将得?#32844;此?#24207;排列并选出得分最高的工作职位。

之后,将与特定用户匹配的得分最高工作职位进行视觉展示,并将每个匹配职位
的得?#32844;从?#20808;度顺序进行视觉展示。

用户数据库内的技能?#26377;?#26354;线可用作训练数据,或将整套用户求职概述用作训练
集,而?#19968;?#20351;用技能模式及求职概述向量创建相关用户人群。此外,还对用户与其他用户求
职概述的接近度进行计算,并通过与求职概述向量元素比较的方式求得匹配?#21462;?br />

求职概述向量元素包括用户求职概述的所有元素、技能评估以及其他参数的评
估,所述其他参数包括但不限于,工作职位、教育程?#21462;?#25945;育等级、公司概要、公?#38236;?#32423;、经验
时间表,技能时间表和技能进级、以及其他输入。

之后,从网站上抓取现有工作机会,并将其与用户得分最高的工作职位相比较,该
比较不但包括工作职位的比较,还包括对职能、行业以及公?#38236;?#32423;的比较,以观其是否与用
户背景相匹配。

此外,所述方法还根据求职者的工作适合度得分识别出至少一个工作机会,并针
对该至少一个工作机会,利用人脉网络得分从该求职者的人脉网络中识别出至少一个专业
人士。该方法还针对所述至少一个工作机会,根据所述工作适合度得分及人脉网络得分计
算出公司工作适合度得分。

在一种实施方式中,对用户的专业人脉网络进行分析,并为该用户的专业人脉网
络?#31245;?#25152;在的工作机会赋予更高的分数,从而提高该特定职位的工作适合度得分。在一个
实施例中,所述人脉网络得分取决于一组?#31245;保?#35813;组?#31245;?#30001;以下?#31245;?#20013;的至少一种?#31245;?#32452;
成:职能?#31245;薄?#34892;业内?#31245;薄?#34892;业内职能?#31245;薄?#34892;业内高资历职能?#31245;薄?#34892;业内HR职位?#31245;薄?br />公司内?#31245;薄?#20844;司内职能?#31245;薄?#20844;司内HR职位?#31245;?#20197;及其他公司内同等级职能?#31245;薄?br />

公司工作适合度得分=w1*工作适合度得分(取决于具体工作机会)+w2*人脉网络
得分,其中,

人脉网络得分=职能?#31245;?#25968;+行业内?#31245;?#25968;+行业内职能?#31245;?#25968;+行业内高资历职
能?#31245;?#25968;+行业内HR职位?#31245;?#25968;+公司内?#31245;?#25968;+行业内职能?#31245;?#25968;+公司内HR职位?#31245;?#25968;+
其他公司内同等级职能?#31245;?#25968;

与所有得分类似,所述人脉网络得分也?#36824;?#19968;化。

上述的主要背景在于,由于相当大部分的工作是通过人脉网络获得,因?#35828;?#29992;户
的人脉网络可能与工作职位较为接近时,其获得工作的机会的可能性更大。

最后,将公司工作适合度得分最高的工作机会展示给用户。

职业探索

在一种实施方式中,公开了一种职业路径探索方法。该方法包括:接收求职者输
入,该输入与对待在一个时间期限内实现的至少一个职业路径的选择相关;以及建议所述
求职者采取追求所述至少一个职业路径内的职业的至少一个行动。

如图11所示,所述职业匹配模块的另一表?#20013;?#24335;在于,允许用户对职业路径进行
选择和探索。本申请中的此模块允许用户选择职业目标,为用户找出其职业中存在的差距,
并确定其可实现所述职业目标的可能性。职业目标总体上可以为一个具体工作职位,或公
司内的一个具体工作职位,或行业内的一个具体工作职位。此外,用户可在所述目标中加入
时间长度,该长度可以为短期(1~2年)、中等期限(3~5年)或长期(5年以上)。

用户选择其?#34892;?#36259;的职业,并为这些职业设置时间期限。然后,针对用户选择的所
有职业,计算职业适合度得分。

该得分的计算如下:

1.从所选职业内的数据库中识别用户求职概述;

2.将用户的职业轨迹与处于所述职业内的人员的职业轨迹相比较。如果在时间期
限方面完全匹配,则为最常见路径赋予归一化得分1;如果根本不匹配,则赋予得分0;

3.职业适合度得分=特定时间期限内的职业发展匹配度(参考本申请国际公布文
本[0081]段)。对于短期期限,考察与同类职业中其他用户1~2年前的状况的匹配程?#21462;?#38024;
对其他时间期限,采用相同方式进行考察。

在此之后,对用户为了实现职业路径而应该填补的技能、轨迹、教育背景等方面的
差距进行图示。所图示的差距为以下各方面的差距:

·技能/胜任能力

·教育背景

·职业路径信息

用户可在视觉上察看技能方面的差距。

为了帮助用户获得职业指导,以及为了其了解如何设定职业轨迹目标,所述系统
对用户的扩展人脉网络及系统用户数据库进行分析,并向其展示可获得职业指导的导师/
教练/专家。

当用户通过所述系统发送职业指导请求时,其可通过离线方式进行职业指导对
话,或利用所述平台提供的通讯工具直接在该平台上进行指导对话。

简历与社交网络求职概述(如LinkedIn)的同步化

在一种实施方式中,公开一种识别求职者的两份求职概述之间的同步状况的方
法。该方法包括:接收所述求职者的另一求职概述;对该求职者的两份求职概述内的参数和
分类中的至少一个进行比较,从而确定两份求职概述之间的同步状况;向求职者表明所述
两份求职概述之间的同步程?#21462;?br />

此外,所述方法还包括:计算所述求职者的求职概述的至少一个工作的工作得分;
以及求得该求职者的求职概述的至少一个工作的工作同步得分。

参考图12,本申请的一种表?#20013;?#24335;为,保证用户简历和Linkedin求职概述相互一
致并向雇用单位展示相同信息。本申请可用于强调简历与linkedin求职概述之间的比较和
对?#21462;?#34429;然本方法强调了本申请对于简历和linkedin求职概述的处理,但是无需赘言,其并
不一定仅为linkedin求职概述,任何展示用户职业信息的社交网络求职概述均可应用于
此。

在第一步骤中,在用户导入linkedin求职概述后,将从该Linkedin求职概述获得
的数据结构化至与数据库内的字段具有相同形式,以促进数据比较和数据调和。

通过分析所述求职概述,以与上述简历评分方法和职业匹配方法完全相同的方式
识别职业路径、软性和职能性技能、以及胜任能力。

之后,对如下各元素进行比较:

1.创建并比较简历和Linkedin求职概述中的职业路径,以观其是否一致。保存两
职业的数据,并识别两者间的差异。

2.技能分析——分析简历和Linkedin求职概述(所有文本)的数据,计算每一技能
的?#24503;剩?#24182;确定胜任能力等级(类似于上述技能得分过程)。针对简历和Linkedin求职概述
中识别出的所有软性技能和职能性技能均实施此过程。

3.教育背景、额外及其他章节数据——对所有其他章节的数据进行比较,以保证
命名和内容方面均一致。

4.关键词、?#39318;?#21644;型式——对上述两者的关键词、?#39318;?#21644;其他文本型式的?#24503;?#36827;
行分析,并将其用于向用户展示其分布

分析后,将上述数据展示给用户,以显示:

1.两者技能/胜任能力等级相同的部分

2.技能/胜任能力等级不同的部分

3.两者所使用关键词、?#39318;?#31561;的差异

4.根据两者职业匹配比较,对简历所传达的用户职业关注点与linkedin所展现的
职业关注点进行分析

5.职业路径差异和不一致之处

6.简历优势和Linkedin优势间的比较

通过充分利用预测分析,所述系统?#19978;?#27714;职者提供其所期望的求职概述,从而向
其展示其职业路径的可能发展方向。此外,还可围绕所追求的目标,对公开求职概述进行优
化。求职者可具有多个意向,因?#23435;?#32469;一系列意向对求职概述进行优化。

针对任何工作均可计算同步性得分,而且该得分随工作职位的不同而变化。

求职者评估/评分

在一种实施方式中,公开一种工作适合度得分定制方法。该方法包括:从招聘人员
接收关于至少一份工作的输入,其中,所述输入包括工作描述、与该工作描述对应的至少一
个参数、以及该至少一个参数的至少一个权重当中的至少一个;对简历数据库内的多个求
职者的求职概述进行评估;以及根据所述招聘人员的输入确定每份求职概述的工作适合度
得分。

参考图13,本发明的另一表?#20013;?#24335;为,公司/招聘人员可利用职业适合度得分和简
历得分元素对相关求职者进行滤?#31119;?#24182;计算所有求职者的求职者得分。

所述招聘人员既可对当前申请用户数据库进行评分/滤?#31119;?#20063;可输入一组简历,利
用求职者评分模块对其进行处理,或者将所述系统内的简历与该招聘人员从其自身招聘平
台上传的简历相结合。

所述求职者评分通过图5所示两种方法中的一种或两者的结合完成。

选项1:招聘人员决定了利用平台上的工作职位找出高得分求职者。这可通过充分
利用所述工作职位的已有职业匹配算法实现。计算出所有简历的职业匹配得分后,将其与
整套简历进行基准测评比较,然后将所述得分绘制于正态分布上,并通过如下方式对其进
行优化:

·将最高水平得分基标设置为用于淘汰局外者的最高评分求职者/简历

·将所有得分相对于由最高评分简历设定的所述新基标进行归一化,如此,所述
最高评分简历得分为1,而处于底部的简历的得分将接近于0。

·将所有定制职业匹配得分绘制于归一化范围内,作为新的求职者得分分布。

选项2:招聘人员决定输入具体条件以及由招聘人员选择的各条件优先度,以计算
每位求职者的定制求职者得分。所述招聘人?#24065;部上?#25152;述系统上传工作描述,以利用以下
各条件获得匹配者。

以下为用于输入条件的结构。

教育背景参数

1.教育程?#21462;?#20855;体学历,例如理学士(BSc)或金融工商管理硕士(MBA);排名/重
要程度(高、中、低、无)

2.大学名称——具体名称;排名/重要程度(高、中、低、无)

3.大学等级——等级1,等级2,等级3;排名/重要程度(高、中、低、无)

4.GPA——排名/重要程度(高、中、低、无)

工作职位——参数(以往的3种经验)

一、工作职位——具体职位,例如金融分析员等;排名/重要程度

二、工作职位2——职能;排名/重要程度

三、经验年数——具体;排名/重要程度;工作期限得分主要取决于工作经验的月

1.每一岗位都具有一个最佳工作期限

2.例如,如果求职者长时间一直处于底层岗位,则其工作期限/经验得分就?#31995;?br />

3.当工作期限<相应岗位的最佳工作期限时,工作期限得分=工作期限,否则

工作期限得分=工作期限-W*(工作期限/最佳工作期限),

其中,W为算法决定的权重值

四、人脉网络优势——求职者在以往公司内的人脉网络的广度和深度

公司得分——针对每一段经验均计算公司得分

1.公司得分主要以营业额、利润、员工人数、其他排名(?#32856;?00强)为依据

2.公司得分=W1*营业额+W2*利润+W3*员工人数+W4*(1/排名)

其中,W代表权重值

技能/胜任能力:

一、职能性

1.技能:具体技能等级(由系统生成);排名/重要程度

2.胜任能力:具体等级(由系统生成);排名/重要程度

二、软性/行为性技能

1.技能:具体技能等级(由系统生成);排名/重要程度

2.胜任能力:具体等级(由系统生成);排名/重要程度

工作地点:

1.经验得分还取决于在公司内的工作地点

2.例如,在公司总部/主要分公司供职对经验更加有益

3.工作地点得分随公司不同而不同且由公司—工作地点?#25104;?#25968;据库确定

4.除此之外,还考虑对工作地点的偏好

与公司其他职员相似性因子(可选因子;该因子及其权重由招聘人员指定)

所述方法包括:确定公司内至少一个职员的职业路径,以及从所述多个求职者当
中确定至少一个求职者;对所述至少一个职员和至少一个求职者的职业路径进行比较,以
帮助所述招聘人员为所述至少一份工作选择所述至少一个求职者。

与公司职员相似性得分=公?#38236;?#21069;职员数(提取自社交网络)+公?#38236;?#21069;具有同类
背景人数(大学名称、同类学位、之前供职于同一公司)

公?#38236;?#21069;具有同类背景人数——从公司或当前职员的大学所提供的数据中获得
(或者从linkedin/社交网络数据获得)

所述求职者得分为一项以招聘人员所指定条件为依据的动态得分,该得分之后经
基准测评处理。根据招聘人员所在意的参数,将优先度用作权重值,以计算出加权平均求职
者得分。

虽然参数数目不受限制,但是无需赘言的是,如果招聘人员所选择的参数/条件过
多,权重值的重要程度将变得有限。

求职者得分=教育背景权重*教育背景得分+工作职位权重*工作职位得分+公司
权重*公司得分+技能权重*技能得分+工作地点权重*工作地点得分+相似性得分权重*与公
司职员相似性得分

教育背景得分=与高等教育背景参数匹配度+与中等教育背景参数匹配度+与低
等教育背景参数匹配度

高?#21462;?#20013;等和低?#28909;?#37325;的推演加权平均得分的总和为100%,其中,在所有情形中,
“高?#21462;?#22987;?#29031;?#24471;分的60%,“中?#21462;?#21344;30%,“低?#21462;?#21344;10%。

招聘人?#24065;?#21487;指定教育背景、技能和工作职位的相对重要性,而且利用该相对权
重设定所述求职者得分计算公式内的权重值,其中,所有权重值的和为100%,而且高?#21462;?#20013;
等和低?#28909;?#37325;的设定方法与上述相同。

所述方法包括:确定公司内至少一个职员的职业路径,以及从所述多个求职者当
中确定至少一个求职者;对所述至少一个职员和至少一个求职者的职业路径进行比较,以
帮助所述招聘人员为所述至少一份工作选择所述至少一个求职者。

社交/性格输入

除了上述之外,为了确定求职者与职位和公司之间的适合程度,招聘人员可选择
纳入对性格/行为类型的评估以及对在社交网络中的社交存在度的分析。

求职者对于公司的成本

此外,招聘人员可充分利用求职者的工资概况,或利用根据求职者的市场价值分
析出的求职者对于公司的成本,作为判断适合度的条件。招聘人员可提供一个愿意承受的
成本范围,与此成本范围越接近的求职者得分越高。

算法中的其他输入:

1.全球/当地——在单一国家工作的求职者

2.稳定/转职——求职者频繁在不同公司间转换职业

3.显示过高资历求职者——对高资历求职者在底层岗位工作的情况进行考虑

招聘人员既可选择在所述算法中纳入上述元素,也可选择将其排除在外。所述算
法为动态算法,其允许用户选择某些参数作为重要参数。

此外,招聘人?#24065;?#21487;仅上传工作描述,并获得各个求职者针对该描述的得分。

所有求职者的评分完成后,招聘人员将获得求职者列表,其中,求职者与相应得分
按照该得分排列。

求职者得分越高,表明求职者被选择并在相应公司获得成功的几?#35797;?#22823;。

分析引擎组件

如图1所示,所述分析引擎具有如下组件:

1.按照结构化格式对解析自简历/社交网络求职概要的数据进行保存的数据库

2.算法表

3.算法支持数据集

4.样板数据库

5.基准测评数据库

6.机器学习元素(图3)

所述系统设计为机器学习式系统,其中,每份输入该系统的新用户概要都可使所
有数据集、基准测评、算法等获得提高。在下述的相关章节内,对机器学习组件进行了?#25945;幀?br />

所述用户求职概要的数据库包括以下信息:




算法表存有上述各章节介绍的各个模块的算法和计算式。计算结果保存于本申请
国际公布文本[0125]段中所述的基准测评表内。

以下数据集用于支持所有算法的执行:

1.履历/简历章节资源库

2.行动导向动词数据库及其权重(强势行动动词权重高,弱势行动动词权重低,此
外还有各时态下行动的排列组合)

3.规避?#39318;?#36164;源库

4.被动语言资源库

5.学位调和数据库

6.学位与技能?#25104;?#25968;据库

7.技能数据库——列出1万多种技能,以及可展示这些技能的相应关键词、?#39318;?#21644;
句型。技能与胜任能力相?#25104;?br />

8.工作职位?#25104;?#25968;据库——工作职位与职位所需相应技能所在的职能和行业相
?#25104;洌?#27492;外每种技能还带有由相对重要性决定的权重

9.工作职位调和数据库

10.大学各等级的调和

11.工作职位的相似度调和,职能的相似度调和

建议样板数据库含有:

1.带?#34892;?#19994;、职能、工作职位、技能、胜任能力、经验年数、教育背景、经验类型(例
如,获奖、课外课程等)标签的分项内容样板

2.不同类型职业的简历样板

3.不同简历/履历章节的样板,例如,目标、概要、技能?#26085;?#33410;

4.表示样板所处制作阶段的旗标(例如,已同意——随时可供用户使用;编辑——
正在由撰写者编辑)

所述基准测评数据库含有每个用户的所有算法部分的得分,包括简历得分,职业
适合度得分。

所述数据库结构化为对每个用户属性及每个元素的得分进行保存。该数据库以动
态方式添?#26377;?#29992;户,而且该数据库用于为所有用户提供定制基准测评。

针对用户的毕业大学、大学等级、工作职位、公司、经验年数、技能、胜任能力?#28909;?br />何属性均可定制基准测评,以展示其在每个元素或所有元素的组合方面的相对位置。

在不脱离所附权利要求书所定义的本发明范围的前提下,还可对上述本发明实施
方式作出修改。“包括”、“包含”、“含有”、“具有”、“为”等表达方式用于?#24471;?#21644;主张本发明意
在按非排他性方式理解,也就是说,还允许未明确描述的物项、?#32771;?#25110;元素的存在。文中提
到的单数意义应被理解为还涉及相应的复数意义。

关于本文
本文标题:职业分析平台.pdf
链接地址:http://www.pqiex.tw/p-6091723.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 银河棋牌游戏官网安卓版 云南11选5走势图一定牛 澳洲幸运10历史数据 湖南幸运赛车考试题 吉林十一选五开奖果 内蒙古十一选五开奖查询 456娱乐棋牌1.0 双色球开奖号码走势图 云南十一选五开奖遗漏 走势图