招聘方法及装置与流程

1.本发明涉及人工智能技术领域，具体地，涉及一种招聘方法及装置。


背景技术：

2.人力招聘的过程存在诸多不足，一是简历筛选环节往往先采用预设的筛选规则(例如最高学历为本科以上等)进行简历初筛，再推送招聘人员进行人工评估，整个过程耗费较大的人力和时间成本，效率较低。二是建立筛选过程易受到招聘人员主观原因的影响，例如招聘人员对应聘者的外貌、地域、性别存在偏见，导致招聘过程中不能较好地按照应聘人员与岗位的适配目标招募合适成员。


技术实现要素：

3.本发明实施例的主要目的在于提供一种招聘方法及装置，以自动分析应聘人员与岗位的适配程度，降低招聘成本，提高招聘效率。
4.为了实现上述目的，本发明实施例提供一种招聘方法，包括：
5.获取申请人的画像数据；
6.将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果；
7.发送所述工作预测结果对应的通知信息至所述申请人。
8.在其中一种实施例中，基于加入噪声后的历史画像数据创建工作结果预测模型的步骤包括：
9.根据噪声比例和历史画像数据确定干扰画像数据；
10.对所述干扰画像数据中的各类别数据进行噪声置换，得到加入噪声后的历史画像数据；
11.根据所述加入噪声后的历史画像数据创建所述工作结果预测模型。
12.在其中一种实施例中，对所述干扰画像数据中的各类别数据进行噪声置换包括：
13.根据所述干扰画像数据中的各类别数据确定各类别待置换数据的数量；
14.根据各类别待置换数据的数量选取干扰画像数据进行对应的噪声置换。
15.在其中一种实施例中，根据所述干扰画像数据中的各类别数据确定各类别待置换数据的数量包括：
16.获取所述干扰画像数据中的各类别数据的数量和比例；
17.根据各类别数据的数量和比例确定各类别待置换数据的数量。
18.在其中一种实施例中，根据各类别数据的数量和比例确定各类别待置换数据的数量包括：
19.根据各类别数据的数量和比例确定待置换数据的总数量；
20.根据所述待置换数据的总数量和各类别数据的比例确定各类别待置换数据的数量。
21.在其中一种实施例中，根据所述加入噪声后的历史画像数据创建所述工作结果预测模型包括：
22.根据所述加入噪声后的历史画像数据训练初始模型直至所述初始模型收敛；
23.确定收敛后的初始模型为工作结果预测模型。
24.在其中一种实施例中，获取申请人的画像数据包括：
25.获取申请人的原始数据；
26.根据所述原始数据的数据类型和数据类别处理所述原始数据以获取申请人的所述画像数据。
27.本发明实施例还提供一种招聘装置，包括：
28.获取模块，用于获取申请人的画像数据；
29.工作预测结果模块，用于将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果；
30.发送模块，用于发送所述工作预测结果对应的通知信息至所述申请人。
31.在其中一种实施例中，还包括：
32.干扰画像数据模块，用于根据噪声比例和历史画像数据确定干扰画像数据；
33.噪声置换模块，用于对所述干扰画像数据中的各类别数据进行噪声置换，得到加入噪声后的历史画像数据；
34.工作结果预测模型创建模块，用于根据所述加入噪声后的历史画像数据创建所述工作结果预测模型。
35.在其中一种实施例中，噪声置换模块包括：
36.待置换数据的数量单元，用于根据所述干扰画像数据中的各类别数据确定各类别待置换数据的数量；
37.噪声置换单元，用于根据各类别待置换数据的数量选取干扰画像数据进行对应的噪声置换。
38.在其中一种实施例中，待置换数据的数量单元包括：
39.数量和比例子单元，用于获取所述干扰画像数据中的各类别数据的数量和比例；
40.待置换数据的数量子单元，用于根据各类别数据的数量和比例确定各类别待置换数据的数量。
41.在其中一种实施例中，待置换数据的数量子单元具体用于：
42.根据各类别数据的数量和比例确定待置换数据的总数量；
43.根据所述待置换数据的总数量和各类别数据的比例确定各类别待置换数据的数量。
44.在其中一种实施例中，工作结果预测模型创建模块包括：
45.训练单元，用于根据所述加入噪声后的历史画像数据训练初始模型直至所述初始模型收敛；
46.工作结果预测模型创建单元，用于确定收敛后的初始模型为工作结果预测模型。
47.在其中一种实施例中，获取模块包括：
48.原始数据获取单元，用于获取申请人的原始数据；
49.获取单元，用于根据所述原始数据的数据类型和数据类别处理所述原始数据以获
取申请人的所述画像数据。
50.本发明实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，处理器执行计算机程序时实现所述的招聘方法的步骤。
51.本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现所述的招聘方法的步骤。
52.本发明实施例还提供一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现所述的招聘方法的步骤。
53.本发明实施例的招聘方法及装置将申请人的画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，之后发送工作预测结果对应的通知信息至申请人，可以自动分析应聘人员与岗位的适配程度，降低招聘成本，提高招聘效率。
附图说明
54.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
55.图1是本发明实施例中招聘方法的流程图；
56.图2是本发明实施例中据创建工作结果预测模型的流程图；
57.图3是本发明实施例中s202的流程图；
58.图4是本发明实施例中s301的流程图；
59.图5是本发明实施例中s402的流程图；
60.图6是本发明实施例中s203的流程图；
61.图7是本发明实施例中招聘装置的结构框图；
62.图8为本技术实施例的电子设备9600的系统构成的示意框图。
具体实施方式
63.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
64.本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
65.本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
66.鉴于目前人力招聘的过程存在诸多不足，本发明实施例提供一种招聘方法，以自动分析应聘人员与岗位的适配程度，降低招聘成本，提高招聘效率。以下结合附图对本发明进行详细说明。
67.图1是本发明实施例中招聘方法的流程图。如图1所示，招聘方法包括：
68.s101：获取申请人的画像数据。
69.其中，申请人的画像数据包括应聘简历和岗位数据
70.一实施例中，s101包括：
71.获取申请人的原始数据；根据所述原始数据的数据类型和数据类别处理所述原始数据以获取申请人的所述画像数据。
72.表1
73.[0074][0075]
表1是结构化数据的预处理示意表。如表1所示，通过数据预处理，可转化为可供计算机处理的数据。
[0076]
表2
[0077][0078]
表2是非结构化数据的预处理示意表。如表2所示，先通过开源分词库对上述文本数据进行分词处理。通过通用分词库进行分词处理，并通过word2vec技术将其转换为词向量。
[0079]
s102：将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果。
[0080]
其中，历史画像数据为在职员工画像数据和应聘人员画像数据，包括考核数据及
岗位数据。考核数据是指企业对员工工作业绩的评价，通常，考核结果为分档的考核值(例如考核结果分为a、b、c、d四档，分别表示优秀、良好、合格、不合格。不同企业的考核分档方式存在差异，本发明并不限定分档方式)。将相同考核结果的员工划分为一组，从而获得多组不同考核结果的员工清单。
[0081]
岗位数据是指员工所在岗位。岗位可以有多种描述维度，例如粗的划分维度可以包括管理岗、技术岗、业务岗等；细的划分维度可以包括软件开发工程师、软件测试工程师、算法工程师、产品经理等。既可以直接使用企业人力资源系统中的岗位属性，用于定义员工岗位；也可以对现有岗位类别进行调整(例如对现有岗位种类进行合并、细分等)，以使得本发明的处理结果更满足企业的需要。
[0082]
可以理解，通过岗位数据和考核数据，可以得到某岗位下员工的考核数据。通常情况下，相同岗位的员工考核分布在不同的考核结果上。但也可能存在特殊情况，例如某岗位的员工数量较少且所有员工的考核相同，在此情况下，本发明仍可正常处理，即本发明并不限定考核分布情况。
[0083]
本发明需要使用在职员工和应聘人员的应聘简历。其中，未录取人员是指曾经应聘企业但未被企业录用的人员。需要说明的是，应聘简历来源主要包括两种形式，一种是在企业自营网站在线编辑并生成的简历，该简历往往以统一格式存储至企业数据库中；另一种来自于应聘者自行编写的简历文档，通常采用个性化的简历模板。对于前一种简历，可以直接从企业数据库中导出简历信息用于后续步骤的加工处理。对于后一种简历，需要利用自动化文本分析技术，根据简历中的关键字，提炼简历各个部分的内容，该部分可通过现有技术实现，因此不在本发明中详细讨论。
[0084]
本发明需要将同一人员的应聘简历、考核数据及岗位数据进行整合，作为该人员的画像数据，同于后续步骤的模型处理。对于在职员工，具备应聘简历、考核数据及岗位数据。对于未录取人员，仅具备应聘简历和岗位数据，由于其尚未入职，则不包含考核数据。需要说明的是，如果因企业数据管理、员工借调及休假等原因造成简历、绩效缺失等少量数据异常的情况，可将该人员的数据剔除，不用于后续步骤的加工处理。
[0085]
需要说明的是，考核数据需要补充未录取人员的考核结果。未录取人员是被企业视为无法胜任岗位要求的人员，因此可以为其定义比在职员工更低一档的“考核结果”。例如在职员工的考核结果分为a、b、c、d四档，分别表示优秀、良好、合格、不合格，则未录取人员的考核结果可定义为e档。对于应聘人员，无需为其定义考核结果，即考核结果为空，后续将通过模型自动分析其可能的考核结果。
[0086]
图2是本发明实施例中据创建工作结果预测模型的流程图。如图2所示，基于加入噪声后的历史画像数据创建工作结果预测模型的步骤包括：
[0087]
s201：根据噪声比例和历史画像数据确定干扰画像数据。
[0088]
本发明对部分画像数据引入干扰噪声。为减小性别等数据对应聘结果的影响，对该部分数据叠加干扰噪声，以破坏数据的真实值，降低该数据对于模型结果的影响。具体实施时，给定噪声比例noiseratio，从n个总样本中选择出n’个样本，n’＝n*noiseratio。
[0089]
s202：对所述干扰画像数据中的各类别数据进行噪声置换，得到加入噪声后的历史画像数据。
[0090]
图3是本发明实施例中s202的流程图。如图3所示，对所述干扰画像数据中的各类
别数据进行噪声置换包括：
[0091]
s301：根据所述干扰画像数据中的各类别数据确定各类别待置换数据的数量。
[0092]
图4是本发明实施例中s301的流程图。如图4所示，s301包括：
[0093]
s401：获取所述干扰画像数据中的各类别数据的数量和比例。
[0094]
s402：根据各类别数据的数量和比例确定各类别待置换数据的数量。
[0095]
图5是本发明实施例中s402的流程图。如图5所示，s402包括：
[0096]
s501：根据各类别数据的数量和比例确定待置换数据的总数量。
[0097]
设干扰画像数据包含k个类别，第i个类别(i＝1,...k)的数据量为ni，占比为ri(∑ri＝1)。以第i个类别为例，需置换的总数量为mi，置换方式是随机选取mi中的m
ij
个数置换成第j类的数值，
[0098]
一实施例中，待置换数据的总数量如下：
[0099]
mi＝ni*ri；
[0100]
其中，mi为第i类待置换数据的总数量，ri为比例，ni为第i类数据的数量。
[0101]
s502：根据所述待置换数据的总数量和各类别数据的比例确定各类别待置换数据的数量。
[0102]
一实施例中，各类别待置换数据的数量如下：
[0103][0104]
其中，m
ij
为第i类数据待置换为第j类数据的数量。
[0105]
s302：根据各类别待置换数据的数量选取干扰画像数据进行对应的噪声置换。
[0106]
通过上述公式，可将每个类别样本数据中的部分样本的数值置换成其他数值，从而实现人工生成干扰噪声的效果。本方案对数据类型的数量没有特殊要求。
[0107]
s203：根据所述加入噪声后的历史画像数据创建所述工作结果预测模型。
[0108]
图6是本发明实施例中s203的流程图。如图6所示，s203包括：
[0109]
s601：根据所述加入噪声后的历史画像数据训练初始模型直至所述初始模型收敛。
[0110]
s602：确定收敛后的初始模型为工作结果预测模型。
[0111]
本发明借助机器学习算法训练员工业绩回归模型，即由系统自主学习员工简历和考核数据的关系。具体的，提取某个岗位的画像数据，将考核结果不为空的员工数据(含未录取人员)作为模型训练数据。其中，每个员工(含未录取人员)的数据都为模型训练的一个样本数据；样本数据中的“考核结果”为样本标注；样本数据中除“考核结果”外的其他数据为样本特征。
[0112]
可将样本特征和样本标注作为输入数据构建业绩回归模型。构建算法可以使用bert模型，bert模型构建过程为：向bert模型输入预处理后的各类文本数据词向量，通过bert模型中文编码器，提取文本的语义信息，得到输入文本的序列编码；在此基础上，分别进行参数层特征抽取、池化层处理、以及随机遮蔽处理。将模型训练至收敛状态后，则视为模型训练完毕。
[0113]
s103：发送所述工作预测结果对应的通知信息至所述申请人。
[0114]
具体实施时，企业招聘系统中可以预置多种自动外呼模板或短信模板，用于向应聘者发起多种场景的自动语音外呼或短信提醒，包括但不限于以下场景：
[0115]
场景一，针对工作预测结果较好的应聘者，可基于应聘者姓名、电话向其发起自动语音外呼或短信提醒，通知应聘者进入后续招聘流程(例如笔试、面试等)。
[0116]
场景二，针对工作预测结果较好的应聘者，如果应聘者应聘岗位没有空缺，企业也可向应聘者介绍公司的最新空缺职位，并且通过智能聊天机器人或短信回复结果的自动识别，获取应聘意向。
[0117]
场景三，针对工作预测结果一般的应聘者，可调整至其他应聘岗位，并预测在其他岗位的工作预测结果，如果工作预测结果较好，则可以通知应聘者是否接受岗位的调剂并进入后续的招聘流程。
[0118]
本发明实施例的具体流程如下：
[0119]
1、根据噪声比例和历史画像数据确定干扰画像数据。
[0120]
2、获取所述干扰画像数据中的各类别数据的数量和比例。
[0121]
3、根据各类别数据的数量和比例确定待置换数据的总数量。
[0122]
4、根据所述待置换数据的总数量和各类别数据的比例确定各类别待置换数据的数量。
[0123]
5、根据各类别待置换数据的数量选取干扰画像数据进行对应的噪声置换，得到加入噪声后的历史画像数据。
[0124]
6、根据所述加入噪声后的历史画像数据训练初始模型直至所述初始模型收敛，确定收敛后的初始模型为工作结果预测模型。
[0125]
7、获取申请人的原始数据，根据所述原始数据的数据类型和数据类别处理所述原始数据以获取申请人的所述画像数据。
[0126]
8、将所述画像数据输入工作结果预测模型中，得到工作预测结果。
[0127]
9、发送所述工作预测结果对应的通知信息至所述申请人。
[0128]
综上所述，本发明实施例提供的招聘方法具有以下有益效果：
[0129]
(1)对应聘简历、考核数据及岗位三种类型数据进行充分加工，通过应用人工智能模型自动分析应聘简历、考核数据及岗位数据的关联关系，基于新应聘人员简历预测其与应聘岗位的适配性(即新应聘人员在应聘岗位的未来工作结果)，为人员招聘提供建议；
[0130]
(2)在数据加工过程中，对于某些敏感信息进行数据置换(即人工引入噪声)，以降低该部分数据对于模型结果的影响；
[0131]
(3)通过计算机加工处理客观评价新应聘人员的未来前景。尤其是在大数据量的情况下，计算机可以从应聘人员的简历中挖掘出更有价值的特征，并提供相对客观的评价，较好地避免了因为招聘人员主观偏见或者经验不足导致对应聘结果的不良影响(即筛除掉了好的应聘人员)；
[0132]
(4)在实践过程中有非常灵活的应用场景，例如对岗位适配性的分析、对岗位调剂的建议等，都可以更好地帮助企业高效地开展招聘工作。
[0133]
基于同一发明构思，本发明实施例还提供了一种招聘装置，由于该装置解决问题的原理与招聘方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
[0134]
图7是本发明实施例中招聘装置的结构框图。如图7所示，招聘装置包括：
[0135]
获取模块，用于获取申请人的画像数据；
[0136]
工作预测结果模块，用于将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果；
[0137]
发送模块，用于发送所述工作预测结果对应的通知信息至所述申请人。
[0138]
在其中一种实施例中，还包括：
[0139]
干扰画像数据模块，用于根据噪声比例和历史画像数据确定干扰画像数据；
[0140]
噪声置换模块，用于对所述干扰画像数据中的各类别数据进行噪声置换，得到加入噪声后的历史画像数据；
[0141]
工作结果预测模型创建模块，用于根据所述加入噪声后的历史画像数据创建所述工作结果预测模型。
[0142]
在其中一种实施例中，噪声置换模块包括：
[0143]
待置换数据的数量单元，用于根据所述干扰画像数据中的各类别数据确定各类别待置换数据的数量；
[0144]
噪声置换单元，用于根据各类别待置换数据的数量选取干扰画像数据进行对应的噪声置换。
[0145]
在其中一种实施例中，待置换数据的数量单元包括：
[0146]
数量和比例子单元，用于获取所述干扰画像数据中的各类别数据的数量和比例；
[0147]
待置换数据的数量子单元，用于根据各类别数据的数量和比例确定各类别待置换数据的数量。
[0148]
在其中一种实施例中，待置换数据的数量子单元具体用于：
[0149]
根据各类别数据的数量和比例确定待置换数据的总数量；
[0150]
根据所述待置换数据的总数量和各类别数据的比例确定各类别待置换数据的数量。
[0151]
在其中一种实施例中，工作结果预测模型创建模块包括：
[0152]
训练单元，用于根据所述加入噪声后的历史画像数据训练初始模型直至所述初始模型收敛；
[0153]
工作结果预测模型创建单元，用于确定收敛后的初始模型为工作结果预测模型。
[0154]
在其中一种实施例中，获取模块包括：
[0155]
原始数据获取单元，用于获取申请人的原始数据；
[0156]
获取单元，用于根据所述原始数据的数据类型和数据类别处理所述原始数据以获取申请人的所述画像数据。
[0157]
综上，本发明实施例的招聘装置将申请人的画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，之后发送工作预测结果对应的通知信息至申请人，可以自动分析应聘人员与岗位的适配程度，降低招聘成本，提高招聘效率。
[0158]
图8为本技术实施例的电子设备9600的系统构成的示意框图。如图8所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图8是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
[0159]
一实施例中，招聘方法功能可以被集成到中央处理器9100中。其中，中央处理器
9100可以被配置为进行如下控制：
[0160]
获取申请人的画像数据；
[0161]
将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果；
[0162]
发送所述工作预测结果对应的通知信息至所述申请人。
[0163]
从上述描述可知，本技术提供的招聘方法将申请人的画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，之后发送工作预测结果对应的通知信息至申请人，可以自动分析应聘人员与岗位的适配程度，降低招聘成本，提高招聘效率。在另一个实施方式中，招聘装置可以与中央处理器9100分开配置，例如可以将招聘装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现招聘方法的功能。
[0164]
如图8所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图8中所示的所有部件；此外，电子设备9600还可以包括图8中没有示出的部件，可以参考现有技术。
[0165]
如图8所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
[0166]
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
[0167]
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为lcd显示器，但并不限于此。
[0168]
该存储器9140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲器9141(有时被称为缓冲存储器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
[0169]
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
[0170]
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
[0171]
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来
自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
[0172]
本发明实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的招聘方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的招聘方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
[0173]
获取申请人的画像数据；
[0174]
将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果；
[0175]
发送所述工作预测结果对应的通知信息至所述申请人。
[0176]
综上，本发明实施例的计算机可读存储介质将申请人的画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，之后发送工作预测结果对应的通知信息至申请人，可以自动分析应聘人员与岗位的适配程度，降低招聘成本，提高招聘效率。
[0177]
本发明实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的招聘方法中全部步骤的一种计算机程序产品，所述计算机程序产品包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述实施例中的招聘方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
[0178]
获取申请人的画像数据；
[0179]
将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果；
[0180]
发送所述工作预测结果对应的通知信息至所述申请人。
[0181]
综上，本发明实施例的计算机程序产品将申请人的画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，之后发送工作预测结果对应的通知信息至申请人，可以自动分析应聘人员与岗位的适配程度，降低招聘成本，提高招聘效率。
[0182]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0183]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0184]
虽然本技术提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处
理的环境)。
[0185]
虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
[0186]
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0187]
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0188]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0189]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0190]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0191]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0192]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0193]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0194]
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0195]
本说明书中的各实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0196]
本说明书中的各实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0197]
以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。

技术特征：
1.一种招聘方法，其特征在于，包括：获取申请人的画像数据；将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果；发送所述工作预测结果对应的通知信息至所述申请人。2.根据权利要求1所述的招聘方法，其特征在于，基于加入噪声后的历史画像数据创建工作结果预测模型的步骤包括：根据噪声比例和历史画像数据确定干扰画像数据；对所述干扰画像数据中的各类别数据进行噪声置换，得到加入噪声后的历史画像数据；根据所述加入噪声后的历史画像数据创建所述工作结果预测模型。3.根据权利要求2所述的招聘方法，其特征在于，对所述干扰画像数据中的各类别数据进行噪声置换包括：根据所述干扰画像数据中的各类别数据确定各类别待置换数据的数量；根据各类别待置换数据的数量选取干扰画像数据进行对应的噪声置换。4.根据权利要求3所述的招聘方法，其特征在于，根据所述干扰画像数据中的各类别数据确定各类别待置换数据的数量包括：获取所述干扰画像数据中的各类别数据的数量和比例；根据各类别数据的数量和比例确定各类别待置换数据的数量。5.根据权利要求4所述的招聘方法，其特征在于，根据各类别数据的数量和比例确定各类别待置换数据的数量包括：根据各类别数据的数量和比例确定待置换数据的总数量；根据所述待置换数据的总数量和各类别数据的比例确定各类别待置换数据的数量。6.根据权利要求2所述的招聘方法，其特征在于，根据所述加入噪声后的历史画像数据创建所述工作结果预测模型包括：根据所述加入噪声后的历史画像数据训练初始模型直至所述初始模型收敛；确定收敛后的初始模型为工作结果预测模型。7.根据权利要求1所述的招聘方法，其特征在于，获取申请人的画像数据包括：获取申请人的原始数据；根据所述原始数据的数据类型和数据类别处理所述原始数据以获取申请人的所述画像数据。8.一种招聘装置，其特征在于，包括：获取模块，用于获取申请人的画像数据；工作预测结果模块，用于将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果；发送模块，用于发送所述工作预测结果对应的通知信息至所述申请人。9.一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的招聘方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的招聘方法的步骤。11.一种计算机程序产品，包括计算机程序/指令，其特征在于，所述计算机程序/指令被处理器执行时实现权利要求1至7任一项所述的招聘方法的步骤。

技术总结
本发明提供一种招聘方法及装置，涉及人工智能技术领域，可应用于金融技术领域或其他技术领域。该招聘方法包括：获取申请人的画像数据；将所述画像数据输入基于加入噪声后的历史画像数据创建的工作结果预测模型中，得到工作预测结果；发送所述工作预测结果对应的通知信息至所述申请人。本发明可以自动分析应聘人员与岗位的适配程度，降低招聘成本，提高招聘效率。率。率。


技术研发人员：胡屹 周莲子 马无缰 江一帆
受保护的技术使用者：权利要求书2页说明书13页附图4页
技术研发日：2023.05.06
技术公布日：2023/7/21