申请/专利权人：中国兵器工业集团人才研究中心

申请日：2023-12-25

公开（公告）日：2024-04-16

公开（公告）号：CN117893183A

主分类号：G06Q10/1053

分类号：G06Q10/1053;G06F16/9536;G06N3/0464;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于深度神经网络的简历自动筛选方法及招聘系统，所述方法包括如下步骤：简历初筛；深度神经网络模型训练；模型验证；模型使用；所述系统包括招聘管理后台子系统、校园招聘、社会招聘3个子系统，其中招聘后台子系统使用所述方法自动为招聘人员筛选、推荐简历。本发明通过将人工智能的深度神经网络算法应用于简历与职位的匹配度计算，取得了优于协同过滤系统、玻尔兹曼机系统和基于卷积神经网络的人才推荐算法的推荐成功率。本发明提供的人才招聘系统，能够自动为用人单位推荐应聘人员，有效减轻了招聘专员在筛选简历时存在的工作量大、难度大、效率低的问题，并且充分考虑了招聘职位的“硬性要求”，取得了良好的使用效果。

主权项：1.一种基于深度神经网络的简历自动筛选方法，其特征在于，包括如下步骤：S1简历初筛：根据招聘专员为每个职位设定的职位要求对应聘人员进行第一轮过滤，各方面的职位要求之间进行与、或、非的逻辑组合，当应聘人员的简历满足职位要求的组合条件时即通过初筛；S2深度神经网络模型训练：所述深度神经网络模型训练的具体步骤如下：S201建模：使用应聘人员简历中的结构化数据和应聘职位作为模型的输入，模型的输出类别为被职位录用和不录用，样本通过模型计算完成后，模型的输出类别的输出值为输入样本属于两个类别的概率，其中类别录用的概率为该简历与应聘职位的匹配度；S202数据预处理：包括定性值转换为定量值和归一化两个步骤；S203输入层、隐含层及输出层激活函数：S204初始化输入层权重；S205计算输入层、隐含层及输出层损失函数：S206正则化：使用Dropout正则化来防止模型过拟合；S207模型训练：使用校园招聘中的简历作为训练集，验证隐含层层数以及每层神经元数的各种组合情况，以训练后的模型推荐准确率最高为衡量标准；S3模型验证：使用校园招聘数据作为验证集，以匹配度大于50％且被实际录用的人员数量占实际录用人员总数的百分比作为推荐成功率；S4模型使用：在校园招聘管理模块的人才推荐模块中，通过初筛的简历，使用训练完成的深度神经网络模型，计算简历与应聘职位的匹配度，并将匹配度大于50％的简历推荐给招聘专员。

全文数据：

权利要求：

百度查询： 中国兵器工业集团人才研究中心 一种基于深度神经网络的简历自动筛选方法及招聘系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD