[发明专利]一种海量高端人才信息数据搜索抓取方法有效

申请号：	201210444935.X	申请日：	2012-11-09
公开（公告）号：	CN103177060A	公开（公告）日：	2013-06-26
发明（设计）人：	付俊生;钟延光;苏小鲁;陈化北;夏兵;王勇	申请（专利权）人：	国家外国专家局国外人才信息研究中心
主分类号：	G06F17/30	分类号：	G06F17/30
代理公司：	暂无信息	代理人：	暂无信息
地址：	100873 北京市海淀***	国省代码：	北京;11
权利要求书：	查看更多	说明书：	查看更多
摘要：
搜索关键词：	一种海量高端人才信息数据搜索抓取方法
钻瓜网技术展会专利词库专利权人专利榜在售专利公布日期热门专利

【说明书】：

技术领域

本发明涉及一种海量高端人才信息数据搜索抓取的方法。

背景技术

现在的企业越来越倾向于从互联网上寻找自己需要的高层次人才。目前的简历获取手段一般分为两种。一种是门户招聘网站提供简历注册系统，应聘者在该网站注册自己的简历，然后企业从网站的简历数据库中寻找自己需要的人才，这种方式提供给企业的人才资源仅限于一个或者几个网站。另一种方式是企业在普通的互联网搜索引擎中根据主题词、网站名称、时间等少数几个条件进行简单的搜索请求，搜索出的结果很少，搜索结果的准确率也不高。

发明内容

本发明所要解决的技术问题是，提供一种快速高效并且准确可靠的简历抓取方法，构建企业所需要的人才信息数据库。

本发明的搜索抓取方法是结合网络爬虫的技术以及数据分析方法，把用户搜索的需求精细化，进行高级搜索以满足用户的要求。它能够避免人工搜索那种费时费力的情况，又能够达到人工搜索同样的准确结果。系统服务器可以24小时连续不断的抓取，得到的数据量较大。

本发明采用预先学习和网络爬虫的方法，加上数据分析的方式对搜索的内容进行准确定位，完成高层次人才简历的抓取工作。网络爬虫是用来搜索一个域名下的所有网页；预先学习和数据分析是运用技术手段预先对一定量的简历进行分析得出数据，然后利用这些数据对每一个新的网页进行分析，判断是否是用户需要的网页。

利用本发明中的技术，无需人工处理或者仅需很少的人工介入，通过服务器运行，就可以构建出各个专业的简历人才数据库。并且通过实际的运行，正确率在90％以上，收获了很好的效果。

附图说明：

图1为：简历url列表图

图2为：简历词汇图

图3为：简历散点图

图4为：简历散点+平均圆心图

图5为：优化的简历散点+平均圆心图

图6为：最小最大相切圆图