(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211086517.8 (22)申请日 2022.09.07 (65)同一申请的已公布的文献号 申请公布号 CN 115170094 A (43)申请公布日 2022.10.11 (73)专利权人 泰盈科技 集团股份有限公司 地址 271000 山东省泰安市高新区中天门 大街1366号 (72)发明人 杨晓　陈志建　于安　 (74)专利代理 机构 济南果盾专利代理事务所 (普通合伙) 37390 专利代理师 徐荣荣 (51)Int.Cl. G06Q 10/10(2012.01) G06F 16/335(2019.01) G06F 16/35(2019.01) G06F 40/205(2020.01) G06K 9/62(2022.01)(56)对比文件 CN 112819286 A,2021.0 5.18 CN 109558429 A,2019.04.02 CN 114691869 A,202 2.07.01 CN 114971232 A,202 2.08.30 CN 113781006 A,2021.12.10 CN 110008324 A,2019.07.12 CN 110032637 A,2019.07.19 CN 111460813 A,2020.07.28 CN 112765235 A,2021.0 5.07 JP 201324645 3 A,2013.12.09 刘兴林等.基 于向量相似度的招聘 就业双向 推荐模型. 《中国科技信息》 .2013,(第21期), Grant Williams 等.“Mining Twitter Feeds for Software User Requirements ”. 《2017 IE EE 25th I nternati onal Requirements Engi neering Conference (RE)》 .2017, 审查员 李平 (54)发明名称 大数据人工智能招聘系统及方法 (57)摘要 本发明适用于招聘求职 技术领域， 提供了一 种大数据人工智能招聘系统及方法， 包括以下步 骤： 调取企业端的聊天信息， 对企业端的聊天信 息进行分析得到企业问题和企业 关键词； 调取求 职者的聊天信息， 对求职者的聊天信息进行分析 得到求职者问题和求职者关键词； 接收企业端发 送的招聘信息， 对个人简历进行一次筛选； 根据 企业筛选条件对剩余求职者的求职者关键词进 行二次筛选， 将二次筛选后的求职者的个人简 历、 求职者问题和求职者关键词推送给企业端； 接收求职者的求职信息， 对企业的招聘信息进行 一次筛选； 根据求职筛选条件对剩余企业的企业 关键词进行二次筛选。 如此， 企业端能够得到更 精准的求职者且能够得到更全面的求职者信息， 加快了招聘进程。 权利要求书2页 说明书7页 附图5页 CN 115170094 B 2022.11.29 CN 115170094 B 1.一种大 数据人工智能招聘方法， 其特 征在于， 所述方法包括以下步骤： 调取企业端的聊天信息， 对企业端的聊天信息进行分析 得到企业问题和企业关键词； 调取求职者的聊天信 息， 对求职者的聊天信 息进行分析得到求职者问题和求职者关键 词； 接收企业端发送的招聘信息， 根据招聘信息对所有求职者的个人简 历进行一次筛 选； 接收企业端发送的企业筛选条件， 根据企业筛选条件对一 次筛选后符合条件的剩余求 职者的求职者关键词进行二次筛选， 将二次筛选后的求职者的个人简历、 求职者问题和求 职者关键词推送给企业端； 接收求职者发送的求职信息， 根据求职信息对所有企业的招聘信息进行一次筛 选； 接收求职者发送的求职筛选条件， 根据求职筛选条件对一 次筛选后符合条件的剩余企 业的企业关键词进行二次筛选， 将二次筛选后的企业的招 聘信息、 企业问题和企业关键词 推送给求职者； 其中， 对企业端的聊天信 息进行分析得到企业问题和企业关键词的步骤， 具体包括： 对 企业端的聊天信息进 行问句和陈述句分类； 对所有的问句进 行相似度匹配后再次分类得到 若干个类别， 每类中的任意两个 问句之间的相似度大于第一设定值， 确定每类中问句的数 量， 根据数量对类别进 行降序排列， 排在前N的每个类别中均挑选一个问句作为 企业问题， N 为正整数； 对所有的陈述句进行相似度匹配后再次分类得到若干个类别， 每类中的任意两 个陈述句之间的相似度大于第二设定值， 确定每类中陈述句的数量， 根据数量对类别进行 降序排列， 排在前M的每 个类别中均挑选一个陈述句作为企业关键词， M为 正整数； 其中， 对求职者的聊天信息进行分析得到求职者问题和求职者关键词的步骤， 具体包 括： 对求职者的聊天信息进行问句和陈述句分类； 对所有的问句进行相似度匹配后再次分 类得到若干个类别， 每类中的任意两个问句之间的相似度大于第三设定值， 确定每类中问 句的数量， 根据数量对类别进 行降序排列， 排在前Q的每个类别中均挑选一个问句作为求职 者问题， Q为正整数； 对所有的陈述句进行相似度匹配后再次分类得到若干个类别， 每类中 的任意两个陈述句之间的相似度大于第四设定值， 确定每类中陈述句的数量， 根据数量对 类别进行降序排列， 排在前P的每个类别中均挑选一个陈述句作为求职者关键词， P为正整 数。 2.根据权利要求1所述 一种大数据人工智能招聘方法， 其特 征在于， 所述方法还 包括： 接收企业端或者 求职者发送的聊天信息保密指令； 接收企业端或者求职者发送的聊天信息选择指令， 选择的聊天信息被保密， 无法被调 取。 3.根据权利要求1所述一种大数据人工智能招聘方法， 其特征在于， 在调取企业端或者 求职者的聊天信息之前， 会向用户发送是否允许调取聊天信息， 当且仅当用户允许时， 才能 够自动调取聊天信息 。 4.一种大 数据人工智能招聘系统， 其特 征在于， 所述系统包括： 企业聊天信息分析模块， 用于调取企业端的聊天信息， 对企业端的聊天信息进行分析 得到企业问题和企业关键词； 求职聊天信息分析模块， 用于调取求职者的聊天信息， 对求职者的聊天信息进行分析 得到求职者问题和求职者关键词；权　利　要　求　书 1/2 页 2 CN 115170094 B 2求职者一次筛选模块， 用于接收企业端发送的招聘信息， 根据招聘信息对所有求职者 的个人简 历进行一次筛 选； 求职者二次筛选模块， 用于接收企业端发送的企业筛选条件， 根据企业筛选条件对一 次筛选后符合条件的剩余求职者的求职 者关键词进行二次筛选， 将二次筛选后的求职者的 个人简历、 求职者问题和求职者关键词推送给企业端； 企业一次筛选模块， 用于接收求职者发送的求职信息， 根据求职信息对所有企业的招 聘信息进行一次筛 选； 企业二次筛选模块， 用于接收求职者发送的求职筛选条件， 根据求职筛选条件对一次 筛选后符合条件的剩余企业的企业关键词进行二次筛选， 将二次筛选后的企业的招聘信 息、 企业问题和企业关键词推送给求职者； 其中， 所述企业聊天信 息分析模块包括： 第一句型分类单元， 用于对企业端的聊天信 息 进行问句和陈述句分类； 企业问题确定单元， 用于对所有的问句进行相似度匹配后再次分 类得到若干个类别， 每类中的任意两个问句之间的相似度大于第一设定值， 确定每类中问 句的数量， 根据数量对类别进 行降序排列， 排在前N的每个类别中均挑选一个问句作为 企业 问题， N为正整数； 企业关键词确定单元， 用于对所有的陈述句进行相似度匹配后再次分类 得到若干个类别， 每类中的任意两个陈述句之间的相似度大于第二设定值， 确定每类中陈 述句的数量， 根据数量对类别进 行降序排列， 排在前M的每个类别中均 挑选一个陈述句作为 企业关键词， M为 正整数； 其中， 所述求职聊天信 息分析模块包括： 第二句型分类单元， 用于对求职者的聊天信 息 进行问句和陈述句分类； 求职者问题确定单元， 用于对所有的问句进行相似度匹配后再次 分类得到若干个类别， 每类中的任意两个问句之间的相似度大于第三设定值， 确定每类中 问句的数量， 根据数量对类别进 行降序排列， 排在前Q的每个类别中均 挑选一个问句作为求 职者问题， Q为正整数； 求职关键词确定单元， 用于对所有的陈述句进行相似度匹配后再次 分类得到若干个类别， 每类中的任意两个陈述句之间的相似度大于第四设定值， 确定每类 中陈述句的数量， 根据数量对类别进 行降序排列， 排在前P的每个类别中均 挑选一个陈述句 作为求职者关键词， P为 正整数。 5.根据权利要求4所述一种大数据人工智能招聘系统， 其特征在于， 所述系统还包括聊 天信息保密模块， 聊天信息保密模块具体包括： 保密指令 接收单元， 用于接收企业端或者 求职者发送的聊天信息保密指令； 保密信息选择单元， 用于接收企业端或者求职者发送的聊天信息选择指令， 选择的聊 天信息被保密， 无法被调取。权　利　要　求　书 2/2 页 3 CN 115170094 B 3