[发明专利]应聘者数据分析方法及装置

权利要求书

1.一种应聘者数据分析方法，其特征在于，包括：

获取应聘者的特征数据；其中，特征数据为从应聘者信息中提取的各参考特征分别对应的数据；参考特征为确定应聘者能否被聘用时的衡量因素；

根据特征数据、以及预先训练的应聘者数据分析模型得到应聘者能被聘用、以及不能被聘用的投票结果比例；其中，应聘者数据分析模型为根据各参考特征通过机器学习得到的评价应聘者能否被聘用的模型；

能被聘用的投票结果比例大于不能被聘用的投票结果比例时，根据能被聘用的投票结果比例确定应聘者的评价等级。

2.根据权利要求1所述的应聘者数据分析方法，其特征在于，特征数据包括下述至少一种：

应聘者的工作年限数据、应聘者的历史职位数据、应聘者历史所属公司数据、应聘者的年龄数据、应聘者的性别数据、应聘者的婚姻情况数据、应聘者的家庭成员数据、应聘者的户籍数据、应聘者的家庭地址数据、应聘者的面试评分数据、应聘者的笔试评分数据、应聘者的历史离职原因数据。

3.根据权利要求1所述的应聘者数据分析方法，其特征在于，应聘者信息包括：应聘者的简历、面试记录、笔试记录；

获取应聘者的特征数据，包括：

根据预先针对应聘者信息提取的各参考特征从应聘者的简历、面试记录、笔试记录中获取各参考特征对应的文本数据；

对文本数据进行预处理得到各参考特征对应的特征数据；

其中，预处理包括下述至少一种：缺失值处理、特征离散化处理、特征选择处理、特征交叉处理、特征归一化处理。

4.根据权利要求1所述的应聘者数据分析方法，其特征在于，还包括：

获取历史应聘者信息；

从历史应聘者信息中提取出多个评价应聘者能否被聘用的参考特征；

根据参考特征、以及历史应聘者信息得到训练样本；

根据参考特征构建多个决策树，利用训练样本训练多个决策树；

根据训练结果从多个决策树中确定出决策结果符合预期的决策树；

对决策结果符合预期的决策树进行剪枝操作，得到目标决策树；

根据目标决策树得到应聘者数据分析模型。

5.根据权利要求4所述的应聘者数据分析方法，其特征在于，根据参考特征、以及历史应聘者信息得到训练样本，包括：

根据参考特征从历史应聘者信息中得到各参考特征对应的特征数据；

根据各历史应聘者信息对应的聘用结果、以及各历史应聘者信息对应的特征数据得到训练样本。

6.根据权利要求5所述的应聘者数据分析方法，其特征在于，训练样本包括：正样本、负样本；

根据各历史应聘者信息对应的聘用结果、以及各历史应聘者信息对应的特征数据得到训练样本，包括：

根据聘用结果为能被聘用的历史应聘者信息对应的特征数据、以及聘用结果得到正样本；

根据聘用结果为不能被聘用的历史应聘者信息对应的特征数据、以及聘用结果得到负样本。

7.根据权利要求1所述的应聘者数据分析方法，其特征在于，还包括：

获取历史应聘者信息，从历史应聘者信息中提取出多个评价应聘者能否被聘用的参考特征；

根据参考特征、以及历史应聘者信息得到训练样本；

从参考特征中抽取多个特征样本集；其中，特征样本集中包含预设数量的参考特征；

根据训练样本，构建每个特征样本集对应的决策树；

利用训练样本对每个决策树进行训练；

根据训练结果，从每个特征样本集对应的决策树中确定出决策结果符合预期的决策树；

根据决策结果符合预期的决策树得到应聘者数据分析模型。

8.根据权利要求7所述的应聘者数据分析方法，其特征在于，根据训练样本，构建每个特征样本集对应的决策树，包括：

针对每一特征样本集，根据训练样本计算该特征样本集中每一参考特征的增益比；

根据每一参考特征的增益比构建该特征样本集对应的决策树。