[发明专利]一种精英人才和岗位高嵌合度分类匹配系统和方法

权利要求书

1.一种精英人才和岗位高嵌合度分类匹配系统，包括：

包括云端、输送接口、数据库，输送接口与云端连接，数据库与所述云端连接，所述输送接口包括输入接口1、输入接口2和输出接口3，所述数据库包括人才数据库和岗位数据库；

输入接口1，用于求职人才个人用户登录，并接收用户输入的个人信息数据，按个人数据补充进人才数据库；

输入接口2，用于企业端用户登录，并接受用户输入的岗位需求信息数据，按照现有职业岗位信息提供属性条件分类标签并存入岗位数据库；

将所述输入接口2接收到的岗位需求信息数据发送给云端，并请求云端根据所述岗位需求信息数据提取出用户的目标特征数据，云端将所述目标特征数据与人才数据库中的信息数据进行特征比对匹配，并判断出推荐信息数据，所述推荐信息数据为与目标特征数据相似度高于预设值的信息数据；

输出接口3，将所述推荐信息数据输出给企业用户，并给出推荐排行排序。

2.根据权利要求1所述的系统进行精英人才和岗位高嵌合度分类匹配的方法，其特征在于：

获取求职人才信息和用人单位招聘岗位信息，将求职人才信息与数据库中的用人单位招聘岗位信息进行比对，后获取求职人才所参与的人才信息数据集，利用人工智能对同类求职人才信息数据集进行分类并匹配，根据匹配结果对目标人物组进行嵌合度排序，选取符合阈值的排序结果反馈给用人单位HR及求职人才；

利用人工智能进行分类匹配是一个持续优化的过程，随着人才信息数据集的增加，人工智能自主学习进行数据修正，每一次修正，都进一步提高匹配精准度，并通过匹配嵌合度及排序表达出来；

其中，人工智能对求职人才信息数据集进行分类并匹配的方法具体如下：

步骤1：获取某一求职人才信息和用人单位招聘岗位信息，将求职人才信息与数据库中的用人单位招聘岗位信息进行比对，后获取求职人才所参与的人才信息数据集；

具体将求职人才信息数据集量化得分，特征选择的特征属性，解析内容合并为一个字符串S；

对字符串S进行预处理，获得人才信息关键词；

从现有岗位需求里提出岗位信息关键词作为岗位数据集；

统计各个岗位信息关键词在用人单位提供的岗位要求中的总数W和各种人才属性点在岗位数据集中符合的次数K，以W/K作为该人才下出现该岗位信息关键词的契合度P(W/K)；同时，统计总数据集的契合度A，以K/A作为该人才在岗位数据集中表现得契合度P(K)；

步骤2：将新的同类求职人才信息数据集量化得分，特征选择的特征属性，解析内容合并为一个字符串Sn；

对字符串Sn进行预处理，获得人才信息关键词；

将所有人才信息关键词在该属性点中出现的比率P(W/K)相乘，作为在该属性点下归纳为该同类人才Q的契合度P(Q/K)；

对所获得的P(Q/K)与该属性点在步骤1中出现的契合度P(K)相乘即可表示新求职人才的属性点契合度P(K/Q)；

对所有的P(K/Q)进行契合度归一化；

对新的同类求职人才组数据概率进行排序，将返回概率超过阈值Y的契合度排列；得到求职人才信息对应的嵌合度排序结果，选取排序结果的前10%或20位人才比例，反馈给用人单位HR。

3.根据权利要求2所述的系统进行精英人才和岗位高嵌合度分类匹配的方法，其特征在于：

其中，阈值Y通过测试集获得，具体获取方法如下：

（1）从人才信息数据集中获取一组人员作为测试集；

（2）对测试集的预处理同上述步骤1相同；

（3）将阈值初始值设置为O；

（4）对测试集提取多个不同人员的属性点，若测试集中人员原本的属性点出现在提取所得的属性点集中，视作提取结果正确，否则结果错误，统计正确率；

（5）调整阈值，使得正确率达到目标正确率，即为目标阈值O；如果正确率不达标，将阈值调整为之前的一半，返回（4），继续算法。

4.根据权利要求2所述的系统进行精英人才和岗位高嵌合度分类匹配的方法，其特征在于：步骤1中，所述对字符串S进行预处理包括：心理学量表数据提取，人员个人简历提取，个人陈述信息提取和图像；

步骤2中，所述对字符串Sn进行预处理包括：心理学量表数反馈表格，人员个人特征属性，岗位要求特征属性和图像。