机械劳动费时费力

另外,当同一职位需要招聘多位候选人时,hr需要在一周甚至一个月内进行多次搜索,机械劳动费时费力。如果有搜索平台能够帮助hr记住这些搜索选择,自动随时进行简历匹配,就不需要每天浪费时间搜索了。

根据领英近期发布的《2017中国人才招聘趋势报告》显示,如果没有经费限制,有42%的招聘负责人选择投资于“更好的人才搜索工具”。如何实现简历的高效搜索,成了很多企业做招聘时的一大难题。大数据招聘服务平台e成运用机器学习算法等技术,提供个性化搜索推荐,可以较好地解决行业内hr们普遍觉得头疼的招聘搜索难题,实现简历的精准搜索匹配与智能推荐。

大数据招聘服务平台e成,基于海量数据,运用机器学习算法、数据挖掘和自然语言处理(nlp)等技术提升简历与岗位的匹配效率;并能根据hr的招聘行为,定制个性化搜索推荐;通过对海量企业员工简历的数据挖掘,智能预测企业的用人偏好,从而更加精准地为企业推荐适合的简历。

目前一般的搜索工具,其搜索匹配的准确率往往不能尽如人意。举例来说,在一些复合要求的搜索条件下,比如“a+b+c”,搜索出的结果有时只能较好地匹配第一个关键词a的要求,而后两个的匹配度则较差。多关键词搜索效果差,让hr不得不反复搜索,增加了他们的工作量。

这样的搜索结果,就能在保证精准匹配的同时,尽可能涵盖所有hr心中所想的职位简历,大大提高了搜索的效率。智能语义搜索,可谓是“懂”hr所想。

比如,当hr输入“算法挖掘工程师”这一职位关键词时,由于这不是一个常见的职位名称(通常的表述是数据挖掘工程师或算法工程师),在e成平台搜索这个关键词,经过智能语义解析之后,除了精准匹配关键词“算法挖掘工程师”之外,还会将“数据挖掘工程师”“算法工程师”这样有可能关联的职位简历也匹配进来。

自然语言处理技术(nlp),指的是应用统计、概率、信息论、机器学习算法等方法,让计算机理解人类语言(或至少特定领域的人类语言)的技术。e成将这项技术运用在简历解析及搜索推荐中,有效提高了简历与搜索关键词的匹配度。

相比于关键词搜索推荐的“输入什么-- 匹配什么”,智能语义搜索推荐更像是“输入-- 理解+联想-- 智能匹配”。

并非每个企业都像bat一样每天能收到大量的主投简历,对于很多中小企业的hr来说,每天在各种渠道搜索简历成了日常。招聘忙时,每天甚至要花费50%-60%的时间在搜简历上。尽管花费大量时间,很多hr仍然搜不到合适的简历。