[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

说明书

本发明公开了一种招聘过程中低意向候选人的识别方法及系统，所述方法包括：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，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。本发明能够准确高效的过滤掉低意向候选人，提升后续智能语音机器人及人工客服的沟通效率，提高交付效率。

技术领域

本发明涉及机器学习技术领域，特别涉及一种招聘过程中低意向候选人的识别方法及系统。

背景技术

网络求职招聘平台是集合了企业，求职者，猎头的三方平台。传统的网络求职平台在收到企业HR或猎头的人才需求后，平台的人工客服对候选人进行初筛，选择意向较高的候选人交付给企业HR或猎头。

然而，这种人工客服直接进行候选人初筛的模式，存在较多弊端，如人工客服少有耐心进行大量重复性初筛工作、无法快速准确的得到高意向候选人、人工成本较高等等，既浪费人工客服的时间、精力，又可能对高意向客户造成骚扰，还可能漏掉有可能的高意向客户。因此，如何能在人工客服或电话机器人开展沟通工作前即可高效率低成本的筛除掉低意向候选人，获得高意向候选人数据，即成为网络求职招聘平台需要解决的技术问题之一。

发明内容

鉴于现有技术中的上述缺陷或不足，本发明提供了一种招聘过程中低意向候选人的识别方法及系统，能够部分的或全部的解决上述技术问题。

本发明的一个方面，提供了一种招聘过程中低意向候选人的识别方法，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。

更进一步的，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，