[发明专利]一种招聘过程中低意向候选人的识别方法及系统

权利要求书

1.一种招聘过程中低意向候选人的识别方法，其特征在于，包括：

在线获取待招聘候选人的多个属性特征值和该多个属性特征值对应的权重系数；

将所述多个属性特征值和权重系数输入至如下在线数学模型，以获取该待招聘候选人属于低意向候选人的概率y：

其中，ω^T为向量矩阵ω的转置矩阵，向量矩阵ω为1×n列的矩阵[ω₁ω₂…ω_n]，ω₁,ω₂,…,ω_n表示权重系数；向量矩阵x为1×n的矩阵[x₁x₂…x_n]，x₁,x₂,…,x_n表示属性特征值；ω^Tx表示ω₁x₁+ω₂x₂+…+ω_nx_n，n为属性特征值的数量，e为自然常数，b为常数项；

将所述概率y大于设定阈值的待招聘候选人的订单作为识别结果，发送至人工客服系统或电话机器人系统。

2.根据权利要求1所述的一种招聘过程中低意向候选人的识别方法，其特征在于，还包括数学模型的生成步骤：

收集待招聘候选人的多个属性特征数据，对所述属性特征数据进行数据清洗；

对数据清洗后的属性特征数据进行特征处理，以获取多个属性特征值样本构成的训练集；

将训练集中的属性特征值样本数据输入至如下机器学习模型，

其中，Y表示待招聘候选人属于低意向候选人的预设概率；向量矩阵M为1×m的矩阵[M₁M₂…M_m]，M₁,M₂,…,M_m表示输入的属性特征值样本；W^T为向量矩阵W的转置矩阵，向量矩阵W为1×m列的矩阵[W₁W₂…W_m]，W₁,W₂,…,W_m为待求解的属性特征值样本的权重系数；W^TM表示W₁M₁+W₂M₂+…+W_mM_m，m为属性特征值样本的数量，t为待求解的常数项，e为自然常数；

通过机器学习模型，求解每个属性特征值样本所对应的权重系数和常数项，并将其作为所述在线数学模型的权重系数和常数项。

3.根据权利要求2所述的一种招聘过程中低意向候选人的识别方法，其特征在于，所述数据清洗包括：

对缺失的属性特征数据进行舍弃或补充；

对异常的属性特征数据进行去除；

对属性特征数据的数据量纲进行标准化处理；

和/或，对导致识别结果呈逐渐递减趋势的属性特征数据进行对数平滑。

4.根据权利要求2所述的一种招聘过程中低意向候选人的识别方法，其特征在于，所述特征处理包括：

将属性特征数据中的分类值映射为整数值；

去除不重要的属性特征数据；

对属性特征数据进行特征降维；

和/或，对属性特征数据进行处理，获得衍生的属性特征数据。

5.根据权利要求2所述的一种招聘过程中低意向候选人的识别方法，其特征在于，还包括：

通过L1范式或L2范式对求解的权重系数进行正则化约束，将正则化约束后得到的权重系数作为所述在线数学模型的权重系数。

6.根据权利要求2所述的一种招聘过程中低意向候选人的识别方法，其特征在于，还包括模型监控步骤：

对所述识别结果的实际交付情况进行定期监控；

若所述识别结果的实际交付情况与全部招聘候选人的平均交付情况的差异量在预设范围内，则对所述在线数学模型进行优化。