[发明专利]一种招聘简历自动筛选方法

权利要求书

1.一种招聘简历自动筛选方法，其特征在于，

利用Text-Rank算法提取招聘简历信息中的关键词，并利用多标记分类方法ML-KNN对招聘简历进行分类，基于关联规则挖掘简历与应聘岗位的关联度，建立招聘简历自动筛选模型。

2.根据权利要求1所述的方法，其特征在于，包括

1)使用爬虫获取招聘网站中岗位、简历数据；

2)使用Text-Rank算法提取简历、岗位信息中的关键词，将简历关键词作为特征，岗位关键词作为标记，生成训练样例；

3)使用ML-KNN算法模型进行训练得到筛选模型。

3.根据权利要求2所述的方法，其特征在于，

对爬取到的招聘简历信息的先进行预处理。

4.根据权利要求3所述的方法，其特征在于，

利用Text-Rank算法，对处理好后的招聘简历数据进行关键词提取。

5.根据权利要求4所述的方法，其特征在于，

具体步骤如下：

步骤1)：数据获取；首先爬取企业招聘信息页面及对应的投递简历信息；抽取出招聘信息中中的岗位要求、技能要求数据，以及简历中的个人技能，得到初始的岗位数据、简历数据；

步骤2)：关键词提取；利用Text-Rank算法提取岗位、简历初始数据中的关键词；

步骤3)：对步骤2)提取的关键词进行验证，若提取质量较差或准确性较低，则对步骤2)的算法模型进行优化调整，再次进行提取；

步骤4)：数据处理；将获取到的岗位、简历关键词信息进行转换预处理，得到分类需要的训练样例；

步骤5)：建立筛选模型；根据步骤4)中的训练样例利用ML-KNN算法进行分类器学习，最终建立筛选模型；

步骤6)：数次训练筛选模型，使得模型的性能更加稳定。

6.根据权利要求1所述的方法，其特征在于，

将步骤4中的训练样例表示为x1＝[x11,x12,x13,…,x1n],对应结果集y＝{L1,L2,…,Lm}，其中标记L取值为0或1，0表示样例不具有该标记，1表示样例具有该标记。

7.根据权利要求6所述的方法，其特征在于，

建立筛选模型Y＝f(x)，对于未知的样例x,根据模型可预测其适配的岗位，并根据可能性大小计算持有概率，持有概率越大，简历的岗位适配度也就越高。

8.根据权利要求5所述的方法，其特征在于，

根据十折交叉验证方式训练筛选模型。