[发明专利]一种基于机器学习的简历质量判断方法

摘要

本发明涉及一种基于机器学习的简历质量判断方法，所述方法主要是根据贝叶斯网络结构进行简历质量的划分，把简历和目标职位需求进行匹配，然后进行简历质量排序，最终自动把把简历质量最好的十个简历反馈与后台管理系统。本发明可以大大优化后台运行成本，节省人力资源，优化部门分工体系等，对于公司海量数据库资源的质量判断，能够整合资源，更好的服务于科研机构和企业人才资源引进，同时本发明能够降低后台运维成本，同时具有较高的模型结果精度，满足了公司科聘部门的业务需求。

主权项

1.一种基于机器学习的简历质量判断系统，其特征在于，包括如下步骤：步骤1：从后台获取目标简历文本，并把目标简历文本存储于简历数据库文档内；步骤2：通过简历数据库文档进行文本预处理，使用中文分词对简历文本进行构建数据类型格式，筛选待提取词汇向量。步骤2包括以下子步骤：步骤2.1：通过中文分词进行进行专业特有名词进行数据类型格式构建，通过专业特有名词进行简历分类；步骤2.2：进行技能掌握程度，经验，特有名词，资历进行类别标记；步骤2.3：对标记类别进行筛选；步骤3：进行文本特征提取，提取标记名词，进行对预先设定的词向量的数据库进行匹配，构成质量判断词库，形成人才判别标准类别标签；步骤4：从已知质量的文档中标记词向量，统计词频，根据已有词向量和标记类别训练参数模型，得到学习词向量和标签类别之间的数据特征维度关系和轻量级的训练模型，在未分类的简历文档库上验证该模型的准确率，统计模型的学习效率和在测试集上的准确度。步骤5：通过训练模型，得到简历质量的判断结果，反馈于后台。