本發(fā)明涉及信息處理，尤其涉及一種專業(yè)技術(shù)人才的尋訪獵聘方法及系統(tǒng)。

背景技術(shù)：

1、信息處理技術(shù)是一種關(guān)鍵的計(jì)算機(jī)科學(xué)分支，涉及數(shù)據(jù)的收集、存儲(chǔ)、處理、轉(zhuǎn)換和管理。該領(lǐng)域的主要目標(biāo)是通過(guò)使用算法和計(jì)算機(jī)系統(tǒng)，將原始數(shù)據(jù)轉(zhuǎn)化為有用的信息。而尋訪獵聘方法是專門用于篩選和分析求職者的技術(shù)過(guò)程，特別是在尋找具有專業(yè)技術(shù)能力的人才方面。

2、盡管現(xiàn)有信息處理技術(shù)有效于數(shù)據(jù)的基礎(chǔ)處理，但在針對(duì)人才篩選的深度分析與綜合能力評(píng)估方面仍顯不足。現(xiàn)有方法未能充分利用數(shù)據(jù)中的潛在信息，導(dǎo)致在人才評(píng)價(jià)過(guò)程中依賴簡(jiǎn)單的詞頻統(tǒng)計(jì)或表面數(shù)據(jù)解讀。這種局限性使得人才評(píng)估過(guò)程缺乏對(duì)候選人創(chuàng)新能力和專業(yè)素質(zhì)的深入理解，可能導(dǎo)致對(duì)高潛力候選人的忽視。因此，需要進(jìn)行改進(jìn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的一種專業(yè)技術(shù)人才的尋訪獵聘方法及系統(tǒng)。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案，一種專業(yè)技術(shù)人才的尋訪獵聘方法，包括以下步驟：

3、基于專業(yè)技術(shù)人才的面試回答文本，統(tǒng)計(jì)每個(gè)候選人回答中詞語(yǔ)的出現(xiàn)次數(shù)，生成候選人詞頻矩陣，對(duì)所述候選人詞頻矩陣進(jìn)行歸一化處理，得到標(biāo)準(zhǔn)化詞頻矩陣；

4、基于所述標(biāo)準(zhǔn)化詞頻矩陣，計(jì)算每個(gè)詞語(yǔ)在所有候選人回答中的總體出現(xiàn)頻率，得到詞語(yǔ)全局概率分布；根據(jù)所述詞語(yǔ)全局概率分布計(jì)算每個(gè)詞語(yǔ)的信息熵，生成詞語(yǔ)信息熵向量；將所述詞語(yǔ)信息熵向量與所述標(biāo)準(zhǔn)化詞頻矩陣逐元素計(jì)算，得到候選人信息熵矩陣；

5、基于所述候選人信息熵矩陣，對(duì)每個(gè)候選人的信息熵貢獻(xiàn)值求和，計(jì)算總信息熵，得到候選人總熵值，將候選人總熵值與預(yù)設(shè)閾值進(jìn)行比較，生成每個(gè)候選人的創(chuàng)新能力評(píng)分；

6、基于所述創(chuàng)新能力評(píng)分，結(jié)合筆試成績(jī)，計(jì)算每個(gè)候選人的綜合得分，通過(guò)綜合得分對(duì)候選人進(jìn)行排序，得到候選人排名列表。

7、較佳的，所述標(biāo)準(zhǔn)化詞頻矩陣的獲取步驟為：

8、基于專業(yè)技術(shù)人才的面試回答文本，統(tǒng)計(jì)每個(gè)候選人回答中詞語(yǔ)的出現(xiàn)次數(shù)，得到候選人詞頻矩陣；

9、基于所述候選人詞頻矩陣，計(jì)算每個(gè)詞匯在候選人回答中的相對(duì)頻率，計(jì)算公式為：

10、；

11、其中，為候選人對(duì)詞語(yǔ)的出現(xiàn)次數(shù)，為詞匯總數(shù)，為相對(duì)頻率，為候選人使用的所有詞匯的總次數(shù)；

12、基于所述相對(duì)頻率，通過(guò)歸一化處理，生成標(biāo)準(zhǔn)化詞頻矩陣。

13、較佳的，所述詞語(yǔ)全局概率分布的獲取步驟為：

14、從所述標(biāo)準(zhǔn)化詞頻矩陣中提取每個(gè)詞語(yǔ)在所有候選人回答中的頻率總和，形成累積頻率數(shù)組；

15、基于所述累積頻率數(shù)組，計(jì)算每個(gè)詞語(yǔ)的全局出現(xiàn)概率，計(jì)算公式為：

16、；

17、其中，為候選人對(duì)于詞語(yǔ)的標(biāo)準(zhǔn)化頻率，為候選人總數(shù)，為詞匯總數(shù)，為全局出現(xiàn)概率；

18、基于所述全局出現(xiàn)概率，構(gòu)建詞語(yǔ)的全局概率分布矩陣，得到詞語(yǔ)全局概率分布。

19、較佳的，所述候選人信息熵矩陣的獲取步驟為：

20、基于所述詞語(yǔ)全局概率分布，逐個(gè)計(jì)算每個(gè)詞語(yǔ)的信息熵，根據(jù)信息熵生成詞語(yǔ)信息熵向量，信息熵的計(jì)算公式為：

21、；

22、其中表示詞語(yǔ)的全局出現(xiàn)概率，為詞語(yǔ)的信息熵；

23、基于所述詞語(yǔ)信息熵向量，逐一提取詞語(yǔ)信息熵值，并存儲(chǔ)在信息熵值數(shù)組中，每個(gè)元素對(duì)應(yīng)一個(gè)詞語(yǔ)的信息熵；

24、將所述信息熵值數(shù)組與標(biāo)準(zhǔn)化詞頻矩陣逐元素相乘，生成候選人信息熵矩陣。

25、較佳的，所述候選人總熵值的獲取步驟為：

26、檢查所述候選人信息熵矩陣中的每一行，針對(duì)每個(gè)候選人，逐一累加行中的所有元素，得到每個(gè)候選人的信息熵貢獻(xiàn)總和；

27、基于每個(gè)候選人的信息熵貢獻(xiàn)總和，驗(yàn)證每個(gè)總和的計(jì)算正確性，通過(guò)比對(duì)原始數(shù)據(jù)與計(jì)算結(jié)果，確認(rèn)沒(méi)有計(jì)算誤差，得到候選人總熵值。

28、較佳的，所述創(chuàng)新能力評(píng)分的獲取步驟為：

29、獲取所述候選人總熵值，并設(shè)置預(yù)設(shè)閾值；

30、對(duì)每個(gè)候選人的總熵值與預(yù)設(shè)閾值進(jìn)行比較，檢查每個(gè)候選人的熵值是否超過(guò)預(yù)設(shè)閾值，得到比較結(jié)果；

31、基于所述比較結(jié)果，為每位超過(guò)預(yù)設(shè)閾值的候選人分配創(chuàng)新評(píng)分。

32、較佳的，所述候選人排名列表的獲取步驟為：

33、收集每個(gè)候選人的創(chuàng)新能力評(píng)分和對(duì)應(yīng)筆試成績(jī)；

34、基于創(chuàng)新能力評(píng)分和筆試成績(jī)，為每個(gè)候選人計(jì)算綜合得分，計(jì)算公式為：

35、；

36、其中，表示候選人的創(chuàng)新能力評(píng)分，表示筆試成績(jī)，和是評(píng)分和成績(jī)的權(quán)重系數(shù)，是調(diào)整系數(shù)，為綜合得分；

37、基于所述綜合得分，對(duì)所有候選人進(jìn)行排序，從高到低排序生成一個(gè)排名列表，得到候選人排名列表。

38、本發(fā)明提供一種尋訪獵聘系統(tǒng)，包括：

39、數(shù)據(jù)處理與標(biāo)準(zhǔn)化模塊，用于收集專業(yè)技術(shù)人才的面試回答文本，統(tǒng)計(jì)每個(gè)候選人回答中的詞頻，得到候選人詞頻矩陣，對(duì)候選人詞頻矩陣進(jìn)行歸一化處理，形成標(biāo)準(zhǔn)化詞頻矩陣；

40、全局概率與信息熵計(jì)算模塊，利用標(biāo)準(zhǔn)化詞頻矩陣，計(jì)算每個(gè)詞語(yǔ)在所有候選人回答中的出現(xiàn)頻率，得到詞語(yǔ)全局概率分布，基于詞語(yǔ)全局概率分布，計(jì)算每個(gè)詞語(yǔ)的信息熵，形成詞語(yǔ)信息熵向量，詞語(yǔ)信息熵向量與標(biāo)準(zhǔn)化詞頻矩陣逐元素計(jì)算，生成候選人信息熵矩陣；

41、綜合評(píng)分與排序模塊，用于對(duì)候選人信息熵矩陣中每個(gè)候選人的信息熵貢獻(xiàn)值進(jìn)行求和，形成候選人總熵值，將候選人總熵值與預(yù)設(shè)閾值進(jìn)行比較，生成每個(gè)候選人的創(chuàng)新能力評(píng)分，結(jié)合筆試成績(jī)，計(jì)算每個(gè)候選人的綜合得分，根據(jù)綜合得分對(duì)候選人進(jìn)行排序，得到候選人排名列表。

42、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)和積極效果在于：

43、本發(fā)明通過(guò)將候選人的面試回答轉(zhuǎn)化為標(biāo)準(zhǔn)化詞頻矩陣，確保了數(shù)據(jù)處理的深度和廣度，計(jì)算詞語(yǔ)全局概率分布和信息熵向量的生成，提升了對(duì)信息量的捕捉和分析能力。此外，將信息熵向量與標(biāo)準(zhǔn)化詞頻矩陣的結(jié)合用于計(jì)算候選人的總信息熵，為評(píng)估其創(chuàng)新能力提供了量化方法。并且通過(guò)綜合考慮詞頻和信息熵，更準(zhǔn)確地反映候選人的內(nèi)容質(zhì)量和原創(chuàng)性，從而提高招聘過(guò)程的科學(xué)性和有效性。候選人的總熵值與預(yù)設(shè)閾值的對(duì)比及后續(xù)的創(chuàng)新能力評(píng)分，進(jìn)一步增強(qiáng)了評(píng)價(jià)體系的客觀性和公正性。

技術(shù)特征：

1.一種專業(yè)技術(shù)人才的尋訪獵聘方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的專業(yè)技術(shù)人才的尋訪獵聘方法，其特征在于，所述標(biāo)準(zhǔn)化詞頻矩陣的獲取步驟為：

3.根據(jù)權(quán)利要求1所述的專業(yè)技術(shù)人才的尋訪獵聘方法，其特征在于，所述詞語(yǔ)全局概率分布的獲取步驟為：

4.根據(jù)權(quán)利要求1所述的專業(yè)技術(shù)人才的尋訪獵聘方法，其特征在于，所述候選人信息熵矩陣的獲取步驟為：

5.根據(jù)權(quán)利要求1所述的專業(yè)技術(shù)人才的尋訪獵聘方法，其特征在于，所述候選人總熵值的獲取步驟為：

6.根據(jù)權(quán)利要求1所述的專業(yè)技術(shù)人才的尋訪獵聘方法，其特征在于，所述創(chuàng)新能力評(píng)分的獲取步驟為：

7.根據(jù)權(quán)利要求1所述的專業(yè)技術(shù)人才的尋訪獵聘方法，其特征在于，所述候選人排名列表的獲取步驟為：

8.一種根據(jù)權(quán)利要求1-7任一項(xiàng)所述的專業(yè)技術(shù)人才的尋訪獵聘方法的尋訪獵聘系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明涉及信息處理技術(shù)領(lǐng)域，具體為一種專業(yè)技術(shù)人才的尋訪獵聘方法及系統(tǒng)，包括以下步驟：基于專業(yè)技術(shù)人才的面試回答文本，統(tǒng)計(jì)每個(gè)候選人回答中詞語(yǔ)的出現(xiàn)次數(shù)，生成候選人詞頻矩陣，對(duì)所述候選人詞頻矩陣進(jìn)行歸一化處理，得到標(biāo)準(zhǔn)化詞頻矩陣。本發(fā)明通過(guò)將候選人的面試回答轉(zhuǎn)化為標(biāo)準(zhǔn)化詞頻矩陣，確保了數(shù)據(jù)處理的深度和廣度，計(jì)算詞語(yǔ)全局概率分布和信息熵向量的生成，提升了對(duì)信息量的捕捉和分析能力。此外，將信息熵向量與標(biāo)準(zhǔn)化詞頻矩陣的結(jié)合用于計(jì)算候選人的總信息熵，為評(píng)估其創(chuàng)新能力提供了量化方法。并且通過(guò)綜合考慮詞頻和信息熵，更準(zhǔn)確地反映候選人的內(nèi)容質(zhì)量和原創(chuàng)性，從而提高招聘過(guò)程的科學(xué)性和有效性。

技術(shù)研發(fā)人員：朱鐘霞,林泉標(biāo),許權(quán),吳少桂,賴水蘭
受保護(hù)的技術(shù)使用者：廣州綠日人力科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15