基于求职招聘双方需求的循环双向竞价匹配方法与系统与流程

1.本发明涉及数据处理、互联网求职招聘，尤其涉及一种对求职招聘双方进行自动化匹配的技术。


背景技术：

2.互联网招聘行业，沿用至今的主流技术方案是将求职者提交的简历和招聘方提交的招聘职位先保存起来，然后为求职和招聘双方提供搜索查询服务。这种技术方案与服务，只是简单保存汇聚了大量的求职简历和招聘职位，又被动地响应用户的搜索查询，继续把大量的求职简历或招聘职位展示给用户。求职招聘双方不得不从大量的搜索结果里再耗费大量时间和人力来筛选合适的职位或简历。而且，人工筛选大量的数据，其准确受到个体经验、偏好、疲劳程度等多种因素影响，准确度有限且难以保障。这是现有的技术方案存在的第一方面问题。
3.为解决这一问题，提升网络招聘过程中双方找到合适的彼此的效率和准确度，必须实现对求职招聘双方的自动化匹配。现有的行业实践和已公开的技术文献在实现对求职招聘双方的自动化匹配方面做了不少的努力与尝试。这些努力与尝试对前文所述的第一方面问题起到了一定的缓解与弥补作用。概括地说，这些已有的努力与尝试主要集中于对求职简历和招聘职位说明书进行内容解析和比对，由此得出简历与职位之间在内容上的匹配度，进而以该匹配度大小来决定求职简历与招聘职位之间的匹配关系。这样的技术方案相对于只是简单地提供搜索查询，的确更具有针对性，有助于节省求职招聘双方的各种成本，并一定程度上提升了效率。但是，这样的技术方案简单地直接依赖内容分析得出的匹配度这一单方面因素，依然有着明显的缺点和不足，这就形成了互联网招聘领域现有技术方案的第二方面问题。这第二方面问题概括起来包括以下两大问题，现分述如下。
4.第一，求职简历和招聘职位说明书的撰写表述具有多样性，求职者的自身状况和招聘方的岗位职责与要求同样具有多样性，这两大方面的多样性叠加上自然语言处理、语义识别技术的局限性，便使得基于内容分析得出的匹配度具有比较明显的不准确、不可靠特点。因而，简单地直接依赖内容匹配度这一单方面因素的技术方案终究效果有限，实践中匹配给用户的求职简历或招聘职位依然具有无序性、低关联性和海量性。
5.第二，基于内容分析得出的匹配度，并以此来匹配求职招聘双方，具有单一性和静态性，对现实的求职招聘过程中所具有的竞争性缺少必要体现。现实中的求职招聘双方都既具有这样那样的条件，又具有这样那样的要求。由这些条件和要求交织而形成的约束范围内，求职招聘双方每时每刻都在权衡比较着对方，这是一种时刻存在的竞争状态。当求职者面对众多招聘职位时，筛选的过程，就是众多招聘职位相互竞争的过程；当招聘方面对众多简历时，筛选的过程就求职者相互竞争的过程。双方都在通过这样的竞争过程，尽可能实现己方选择最优化和利益最大化。没能体现和实现这种竞争性的匹配方案，其呈现给用户的匹配结果自然是不仅繁乱，而且还偏离、远离用户最优选择的过量数据，必然会倒逼用户进行大量人工的再筛选、再选优，妨碍用户选择最优化、利益最大化的实现，妨碍到整个求
职招聘市场人力资源配置效率的提升。


技术实现要素：

6.如背景技术所述，因缺少有效的自动化匹配，以及简单地依赖内容匹配度的自动化匹配方案存在诸多不足与问题。针对于此，本发明提供一种基于求职招聘双方需求的循环双向竞价匹配方法与系统，旨在利用现实世界和求职招聘过程中客观存在的竞争性来设计实现自动化匹配，以达成对求职招聘双方更具针对性、更高效、更准确的自动化匹配，缩小求职招聘双方所面对的选择范围，将求职招聘双方从面对海量繁复信息的困境中解救出来，降低求职招聘双方查找、筛选、比较等环节的各种成本。这不仅提升了双方的共同效率，更提升了双方的最终匹配价值。
7.本发明的第一方面，提供了一种基于求职招聘双方需求的循环双向竞价匹配方法，该方法包括：预匹配关系建立，比较招聘职位和求职简历的前置匹配项，在所述的前置匹配项相匹配的职位和简历之间建立预匹配关系；所述前置匹配项的匹配条目包括：行业领域、职位名称、工作地区；吸引力量化计算，对已经建立所述的预匹配关系的求职简历和招聘职位，量化计算出求职简历对招聘职位的吸引力值，即简历吸引力，并量化计算出招聘职位对求职简历的吸引力值，即职位吸引力；循环竞价周期触发，将系统的竞价匹配执行设置成周期性循环运行，每一运行周期的开始即触发启动下一步骤的竞价匹配执行；所述竞价周期设置方法包括：设置成每隔固定时间长度运行一轮，如每隔5小时；或者设置成在某个或某些固定时点运行一轮，如每天中午12点；竞价匹配执行，从所述的简历吸引力和所述的职位吸引力两个方向实施反复多次的双向竞价匹配，并产生竞价匹配结果的过程是：在每一个单次竞价匹配处理过程中，先执行竞价匹配处理a环节，后执行竞价匹配处理b环节；反复多次运行所述的单次竞价匹配处理过程，直至竞价匹配执行完成；所述的竞价匹配处理a和竞价匹配处理b具有如下ⅰ类和ⅱ类两种类型；所述的ⅰ类竞价匹配处理a环节执行以下操作：以招聘职位为竞价发起方，先将与当前职位建立了所述预匹配关系的简历按照所述的简历吸引力从大到小排序，按顺序优先将排序靠前的一批简历选入当前职位的准匹配简历集合；向在当前竞价匹配处理a环节新入选所述的准匹配简历集合的那些简历发送来自当前职位的匹配邀请；所述ⅰ类竞价匹配处理b环节执行以下操作：将那些向当前简历发送了匹配邀请的招聘职位放进当前简历的待匹配职位集合；量化计算出所述的待匹配职位集合内每一个职位能给当前简历带来的综合收益；按所述的综合收益从大到小排序待匹配职位集合里的各职位，按顺序优先将排序靠前的一批职位选入当前简历的准匹配职位集合；向在当前竞价匹配处理b环节没能入选所述的准匹配职位集合的那些职位发送来自当前简历的匹配拒绝；所述的综合收益量化计算因素包括：职位吸引力；所述的ⅱ类竞价匹配处理a环节执行以下操作：以求职简历为竞价发起方，先将与当前简历建立了所述的预匹配关系的职位按照所述的职位吸引力从大到小排序，按顺序优先将
排序靠前的一批职位选入当前简历的准匹配职位集合；向在当前竞价匹配处理a环节新入选所述的准匹配职位集合的那些职位发送来自当前简历的匹配邀请；所述的ⅱ类竞价匹配处理b环节执行以下操作：将那些向当前职位发送了匹配邀请的求职简历放进当前职位的待匹配简历集合；量化计算出所述的待匹配简历集合内每一份简历能给当前职位带来的综合收益；按所述的综合收益从大到小排序待匹配简历集合里的各简历，按顺序优先将排序靠前的一批简历选入当前职位的准匹配简历集合；向在当前竞价匹配处理b环节没能入选所述的准匹配简历集合的简历发送来自当前职位的匹配拒绝；所述的综合收益量化计算因素包括：简历吸引力；所述的竞价匹配执行完成是指，在所述的ⅰ类竞价匹配处理a环节，前置匹配项相匹配的职位的准匹配简历集合都没有新入选的简历，那么对这些前置匹配项相匹配的职位的当前轮竞价匹配处理就完成了；或者ⅱ类竞价匹配处理a环节，前置匹配项相匹配的简历的准匹配职位集合都没有新入选的职位，那么对这些前置匹配项相匹配的简历的当前轮竞价匹配处理就完成了；此时的准匹配简历集合里的简历就是成功建立了匹配关系的简历，此时的准匹配职位集合里的职位就是成功建立了匹配关系的职位；竞价匹配结果反馈，所述竞价匹配执行步骤运行完成后，即可用主动推送或响应用户的查询等方式，将这一轮竞价匹配结果反馈给用户，并接受用户对匹配结果的处理操作。
8.进一步地，在所述的竞价匹配处理a环节，对入选所述的准匹配简历集合或入选所述的准匹配职位集合采取以下条件限制：在所述的ⅰ类竞价匹配处理a环节，在入选当前职位的所述准匹配简历集合时，既要剔除那些在本轮竞价匹配执行中已经向当前职位发送了匹配拒绝的简历，也要剔除那些在当前这一轮竞价匹配执行以前已经与当前职位成功建立过匹配关系的简历；在所述的ⅱ类竞价匹配处理a环节，在入选当前简历的所述准匹配职位集合时，既要剔除那些在本轮竞价匹配执行中已经向当前简历发送了匹配拒绝的职位，也要剔除那些在当前这一轮竞价匹配执行以前已经与当前简历成功建立过匹配关系的职位。
9.进一步地，在竞价匹配执行过程中，要对所述准匹配简历集合里的简历数量上限实施阈值控制，并对准匹配职位集合里的职位数量上限实施阈值控制。对所述的准匹配简历集合的简历数量进行控制的阈值产生方法包括：按照招聘用户历史行为中对当前职位已经匹配到的简历的及时响应与处理量来动态生成。对所述的准匹配职位集合的职位数量进行控制的阈值产生方法包括：按照求职用户历史行为中对当前简历已经匹配到的职位的及时响应与处理量来动态生成。
10.进一步地，在ⅰ类竞价匹配处理b环节要量化计算出所述的待匹配职位集合内每一个职位能给当前简历带来的综合收益，所述的综合收益计算方法包括：综合收益=职位吸引力*求职者被职位招录概率。所述的求职者被招录概率的生成方法是：对能够影响到求职者被招录概率的各方面因素进行统计分析，进而生成所述的求职者被招录概率；所述的能够影响到求职者被招录的因素包括：求职者简历在当前轮竞价匹配执行中在对应职位的所述待匹配简历集合里的吸引力排序位置；求职者简历在由过往历轮竞价匹配执行所产生对应职位的全部成功匹配简历里的吸引力排序位置；招聘职位所属的招聘方近期对求职者的招录情况。
11.进一步地，在所述竞价匹配结果反馈步骤，还要反馈竞价成交价，所述竞价成交价
应满足的条件包括：所述的竞价成交价不小于求职者的薪酬待遇要价下限，且不大于招聘方薪酬待遇出价上限；与同一份求职简历匹配的招聘职位的薪酬待遇出价上限越高，则所述的竞价成交价越高。
12.本发明的第二方面，提供了一种基于求职招聘双方需求的循环双向竞价匹配系统，用于执行本发明第一方面所述的方法，并运行于由处理器、存储器、通讯接口等构成基础环境的计算机设备上，包括以下模块：预匹配关系建立模块，比较招聘职位和求职简历的前置匹配项，在所述的前置匹配项相匹配的职位和简历之间建立预匹配关系；所述前置匹配项的匹配条目包括：行业领域、职位名称、工作地区；吸引力量化计算模块，对已经建立所述的预匹配关系的求职简历和招聘职位，量化计算出求职简历对招聘职位的吸引力值，即简历吸引力，并量化计算出招聘职位对求职简历的吸引力值，即职位吸引力；所述的简历吸引力量化计算因素包括：求职简历与招聘职位的匹配度；所述的职位吸引力量化计算因素包括：招聘职位提供的薪酬待遇；循环竞价周期触发模块，将系统的竞价匹配执行设置成周期性循环运行，每一运行周期的开始即触发启动下一步骤的竞价匹配执行；所述竞价周期设置方法包括：设置成每隔固定时间长度运行一轮，如每隔5小时；或者设置成在某个或某些固定时点运行一轮，如每天中午12点；竞价匹配执行模块，从所述的简历吸引力和所述的职位吸引力两个方向实施反复多次的双向竞价匹配，并产生竞价匹配结果的过程是：在每一个单次竞价匹配处理过程中，先运行竞价匹配处理a单元，后运行竞价匹配处理b单元；反复多次运行所述的单次竞价匹配处理过程，直至竞价匹配执行完成；所述的竞价匹配处理a单元和竞价匹配处理b单元执行的操作具有如下ⅰ类和ⅱ类两种类型；所述的ⅰ类竞价匹配处理a单元执行以下操作：以招聘职位为竞价发起方，先将与当前职位建立了所述的预匹配关系的简历按照所述的简历吸引力从大到小排序，按顺序优先将排序靠前的一批简历选入当前职位的准匹配简历集合；向在当前竞价匹配处理a单元运行过程中新入选所述准匹配简历集合的那些简历发送来自当前职位的匹配邀请；所述ⅰ类竞价匹配处理b单元执行以下操作：将那些向当前简历发送了匹配邀请的招聘职位放进当前简历的待匹配职位集合；量化计算出所述的待匹配职位集合内每一个职位能给当前简历带来的综合收益；按所述的综合收益从大到小排序待匹配职位集合里的各职位，按顺序优先将排序靠前的一批职位选入当前简历的准匹配职位集合；向在当前竞价匹配处理b单元运行过程中没能入选所述准匹配职位集合的那些职位发送来自当前简历的匹配拒绝；所述的综合收益量化计算因素包括：职位吸引力；所述的ⅱ类竞价匹配处理a单元执行以下操作：以求职简历为竞价发起方，先将与当前简历建立了所述的预匹配关系的职位按照所述的职位吸引力从大到小排序，按顺序优先将排序靠前的一批职位选入当前简历的准匹配职位集合；向在当前竞价匹配处理a单元运行过程中新入选所述的准匹配职位集合的那些职位发送来自当前简历的匹配邀请；所述的ⅱ类竞价匹配处理b单元执行以下操作：将那些向当前职位发送了匹配邀请的求职简历放进当前职位的待匹配简历集合；量化计算出所述的待匹配简历集合内每一份简历能给当前职位带来的综合收益；按所述的综合收益从大到小排序待匹配简历集合里的各
简历，按顺序优先将排序靠前的一批简历选入当前职位的准匹配简历集合；向在当前竞价匹配处理b单元运行过程中没能入选所述准匹配简历集合的简历发送来自当前职位的匹配拒绝；所述的综合收益量化计算因素包括：简历吸引力；所述的竞价匹配执行完成是指，在所述的ⅰ类竞价匹配处理a单元，前置匹配项相匹配的职位的准匹配简历集合都没有新入选的简历，那么对这些前置匹配项相匹配的职位的当前轮竞价匹配处理就完成了；或者ⅱ类竞价匹配处理a单元，前置匹配项相匹配的简历的准匹配职位集合都没有新入选的职位，那么对这些前置匹配项相匹配的简历的当前轮竞价匹配处理就完成了；此时的准匹配简历集合里的简历就是成功建立了匹配关系的简历，此时的准匹配职位集合里的职位就是成功建立了匹配关系的职位；竞价匹配结果反馈模块，所述竞价匹配执行步骤运行完成后，即可用主动推送或响应用户的查询等方式，将这一轮竞价匹配结果反馈给用户，并接受用户对匹配结果的处理操作。
13.有益效果：本发明以现实世界和求职招聘过程中客观存在的竞争性来设计实现自动化匹配，克服了无自动化匹配系统和简单地依赖内容匹配度的自动化匹配方案存在的众多问题与不足。首先，每一轮竞价匹配执行都是将求职招聘双方在全量数据范围内做竞价比较，进而做出既合乎竞价条件约束，又满足双方需求的最佳匹配组合，实现了对双方匹配价值的最大提升。其次，每一轮竞价匹配处理过程中，都根据各求职者、招聘方能够对匹配结果的及时响应与处理能力和处理量来生成竞价匹配结果数量，这就极具针对性地缩小了求职招聘双方每次需要面对和关注的数据范围，免除了求职招聘双方直接面对大量繁杂数据的困境。第三，基于周期性循环竞价匹配设置，通过循环往复的一轮又一轮竞价匹配执行，就根据各方实际需要逐渐地扩大了对求职者、招聘方的匹配范围。综上所述，本发明的方法与系统实现了对求职招聘双方更具针对性、更准确高效的自动化匹配，节省了双方寻找、发现合适对方的一系列成本，提高了双方效率的同时，更实现了求职招聘双方匹配价值的最大化。
附图说明
14.图1是基于求职招聘双方需求的循环双向竞价匹配方法流程框图；图2是匹配度量化计算流程框图；图3是ⅰ类竞价匹配处理a和b的示意图；图4是ⅱ类竞价匹配处理a和b的示意图；图5是基于求职招聘双方需求的循环双向竞价匹配系统整体结构图。
具体实施方式
15.以下将结合附图对本发明的技术方案进行清楚、完整的描述。显然，这里所描述的实施方式和实施例仅仅是本发明的部分优选实施方式，而不是全部的实施方式，基于本发明技术方案及其原理和精神实质，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。对本发明所披露的技术方案，本领域内的普通技术人员在无任何创造性劳动的前提下，对本发明的方法、流程、规则、系统或模块等进行的包括但不限于调整、替换、改变、变更顺序、重新组合，都是对本发明保护范围
的侵犯。
16.网络求职招聘行业的现状是，求职招聘网络平台要么由于缺少有效的自动化匹配而只能提供简单的搜索、筛选功能，要么是仅仅依据简历与职位说明书之间的内容匹配度来对简历和职位进行匹配，然后就把这样大量简单的匹配结果提供给求职者和招聘方。在这样的过程中，求职、招聘双方不得不继续要对大量的职位或简历信息做人工查找、筛选、判断、比较才能初步找到相对合适的对方作为候选。在这一过程中，不仅时间、精力、机会成本等耗费巨大，而且求职招聘双方的匹配价值也遭到抑制而得不到有效提升。
17.针对以上问题，本发明利用现实世界和求职招聘过程中客观存在的竞争性来设计实现自动化匹配，提出了一种基于求职招聘双方需求的循环双向竞价匹配方法与系统方案。本发明方案不仅能做到大幅降低求职招聘双方的各种成本，还在提高双方效率的同时，更提升了双方的匹配价值。
18.以下首先对本发明方案的权利要求书、说明书等内容涉及到的名词作简要说明。
19.模块、系统等：本技术使用的“模块”、“系统”等术语指的是与计算机相关的实体，但不限于硬件、固件、软件或软硬件的组合。
20.前置匹配项：前置匹配项用于对求职简历或招聘职位进行初步筛选，便于为系统的后续处理与操作限定出一个必要而合理的范围，以实现在同类的职位、简历之间竞价，避免不同类之间的无效竞价匹配，例如日化行业的产品经理与互联网行业的产品经理就不是同类职位，不应该放在一起竞价。这样的初步筛选条件由单个或多个筛选条目组成，将这样的单个或多个条目统称为前置匹配项。
21.薪酬：薪酬是指员工向其所在单位或雇主提供劳动而获得的各种形式的补偿，是单位或雇主支付给员工的劳动报酬。薪酬包括经济性薪酬和非经济性薪酬两大类，其中经济性薪酬又分为直接经济性薪酬和间接经济性薪酬。
22.竞价：当供应方提供的交易标的存在众多的需求方，不同的需求方便依据自身条件和该标的对自己的价值来对其做出估价。不同的需求方报出的不同估价以争取交易标的便形成了竞价竞争关系。通常，报出更高价的需求方更具有竞争优势，或是直接能与标的所有者成交，或是争取到更多与标的所有者进行后续接洽的机会。
23.简历：记录有个人职业相关信息的一种文档，通常由求职方提供给招聘方，提供相关信息给招聘方，便于招聘方了解求职者，其内容包括但不限于教育经历、职业经历、职业技能、项目经历、获奖状况等能够证明其职业能力的内容。
24.职位说明书：用于介绍说明招聘方的招聘职位的基本情况的文字或相关材料，职位说明书一般由招聘方提供给求职方，或公开展示以便被求职方发现查阅，其内容包括职位对学历、性别、工作经验、岗位职责、任职资格等要求，还包括招聘方为职位提供的薪酬待遇等内容。
25.匹配邀请：在竞价匹配执行步骤的竞价匹配处理a部分，对于入选当前招聘职位的准匹配简历集合的简历，则发送来自当前招聘职位的匹配邀请，以此匹配邀请来表示该简历进入了当前招聘职位的准匹配职位集合。因而在技术实现上，此匹配邀请可以是某种状态标记，也可以是某种信息记录，只要能实现对当前招聘职位和该简历之间的此种关系表示即可。
26.匹配拒绝：在竞价匹配执行步骤的竞价匹配处理b部分，对于落选当前求职简历的
准匹配职位集合的职位，则发送来自当前求职简历的匹配拒绝，以此匹配拒绝来表示该职位落选当前求职简历的准匹配职位集合。因而在技术实现上，此匹配拒绝可以是某种状态标记，也可以是某种信息记录，只要能实现对当前求职简历和该职位之间的此种关系表示即可。
27.下面结合附图详细阐述本发明技术方案的第一方面：基于求职招聘双方需求的循环双向竞价匹配方法。
28.如图1，该图所示的是基于求职招聘双方需求的循环双向竞价匹配方法流程框图，该流程包括以下步骤。
29.步骤s110：预匹配关系建立，即比较招聘职位和求职简历的前置匹配项，在所述的前置匹配项相匹配的职位和简历之间建立预匹配关系；步骤s120：吸引力量化计算，即对已经建立所述的预匹配关系的求职简历和招聘职位，量化计算出求职简历对招聘职位的吸引力值，即简历吸引力，并量化计算出招聘职位对求职简历的吸引力值，即职位吸引力；步骤s130：循环竞价周期触发，即将系统的竞价匹配执行设置成周期性循环运行，每一运行周期的开始即触发启动下一步骤的竞价匹配执行；步骤s140：竞价匹配执行，从所述的简历吸引力和所述的职位吸引力两个方向实施反复多次的双向竞价匹配，并产生竞价匹配结果的过程是：在每一个单次竞价匹配处理过程中，先执行竞价匹配处理a环节，后执行竞价匹配处理b环节；反复多次运行所述的单次竞价匹配处理过程，直至竞价匹配执行完成；步骤s150：竞价匹配结果反馈，所述竞价匹配执行步骤运行完成后，即可用主动推送或响应用户的查询等方式，将这一轮竞价匹配结果反馈给用户，并接受用户对匹配结果的处理操作。
30.下面结合以上步骤顺序，对各步骤作进一步详细阐述。
31.具体地，在步骤s110：预匹配关系建立，比较招聘职位和求职简历的前置匹配项，在所述的前置匹配项相匹配的职位和简历之间建立预匹配关系。这一步骤设计的原因在于，只有前置匹配项相匹配的职位和简历之间才有进行匹配的必要性，才有必要进入后续步骤的竞价匹配处理。例如，招聘职位p的前置匹配项是“行业领域：机械制造，职位名称：产品经理，工作地区：上海”，求职简历r1的前置匹配项是“行业领域：互联网，职位名称：产品经理，工作地区：上海”，求职简历r2的前置匹配项是“行业领域：机械制造，职位名称：产品经理，工作地区：上海、杭州”。那么，对招聘职位p来说，与r2的前置匹配项相匹配，与r1的前置匹配项不相匹配。因此，要在职位p和r2之间建立预匹配关系，职位p和简历r1之间不可以建立预匹配关系。因为，虽然同是产品经理职位，但是机械行业的产品经理和互联网行业的产品经理在技能、经验和从业经历方面的区别差异显然是明显而巨大的。
32.本发明实施例提供的一种前置匹配项匹配条目包括：行业领域、职位名称、工作地区。结合实际需要，并综合权衡对前置匹配项进行处理的成本、效用情况，还可引入其他更多的匹配条目。例如，将薪酬待遇的出价与要价也加入前置匹配项。对薪酬待遇的匹配规则是，招聘职位的薪酬待遇出价与求职简历的薪酬待遇要价要有交集。
33.前置匹配项匹配判定的规则是，单个匹配条目交集不为空则判定相匹配，全部匹配条目的逻辑与等于1则判定相匹配。例如，前文举例用的招聘职位p与求职简历r1前置匹
配项不匹配，因为二者虽然在职位名称、工作地区这两个匹配条目上交集都不为空，但在行业领域这个条目上的匹配判定是：机械制造∩互联网=空。由此，p和r1在全部条目上的综合判定结果就是：0 and 1 and 1 = 0，故p和r1的前置匹配项不匹配。而招聘职位p与简历r2在每一个单个条目上都是交集不为空的，全部条目的综合判定结果是：1 and 1 and 1 = 1，故p和r2是前置匹配项相匹配。
34.具体地，在步骤s120：吸引力量化计算，对已经建立所述的预匹配关系的求职简历和招聘职位，量化计算出求职简历对招聘职位的吸引力值，即简历吸引力，并量化计算出招聘职位对求职简历的吸引力值，即职位吸引力。简历吸引力衡量的是简历对招聘方的吸引力程度，即简历所体现出来的求职者各方面条件在多大程度上合乎招聘方的招聘职位要求。职位吸引力衡量的是职位对求职方的吸引力程度，以招聘方或招聘职位提供给求职者的薪酬待遇为主。以下就从量化计算简历吸引力和职位吸引力两个方面来进一步说明具体的实施。
35.以下开始介绍步骤s120的第一方面：量化计算简历吸引力。
36.简历吸引力的核心量化计算因素是简历内容与招聘职位内容的匹配度。因此，要应用自然语言处理、语义识别、人工智能等技术方案，对求职简历和招聘职位的职位说明书的各部分内容进行分析比较，进而得出求职简历对招聘职位的综合匹配度。本发明所提供的技术方案无需涉及语义识别、人工智能的相关方案，在此仅提出以下一个方案作为可选的优选实施例。
37.量化计算简历吸引力的核心过程是，对求职简历和招聘职位说明书的各部分内容进行识别提取，并将求职简历的各部分内容与对应的职位说明书的各部分内容进行比较分析，得到体现各部分内容之间匹配程度的多个匹配度。再将这多个匹配度进行加权或综合计算，进而得出所述的体现求职简历对招聘职位的综合匹配度。其中，要识别提取求职简历的各部分内容包括但不限于：教育经历、工作经历、业绩成果、项目经验；要识别提取职位说明书的各部分内容包括但不限于：学历要求、岗位职责、任职资格。
38.量化计算简历吸引力的过程中所涉具体步骤如图2所示，分述如下。
39.步骤s121，对求职简历和招聘职位说明书的各部分内容进行识别和提取，获得各部分内容所包含的内容项及内容项下的子内容主题；步骤s122，对识别提取出的分属于职位和简历的各内容项、子内容主题进行比较、计算，进而得到职位和简历在各内容项上的匹配度；步骤s123，基于各内容项间的匹配度，结合权重赋值，量化计算出的求职简历与招聘职位之间的综合匹配度。
40.具体地，在步骤s121，对各部分内容进行提取、识别，其目的是要把不同部分包含的具体内容识别出来，即各部分内容包括哪些内容项，不同内容项下又包括哪些子内容主题，以及这些内容项或子内容主题的具体内容，包括这些具体内容所体现出来的性质、状态、数量、程度等。对此，下面从两方面举例加以说明。
41.（1）例如某招聘职位的基本内容部分有这样的要求，“工作经验：3-5年，学历：本科”。那么这里的工作经验和学历就是该招聘职位的基本内容部分（或叫结构化数据部分）的两个内容项，且这两个内容项的具体内容分别是数字“3-5年”、程度“本科”。
42.（2）例如，一份招聘java工程师的职位说明书在岗位职责部分有这样的两条：“1.
规划和设计系统的整体技术架构和业务架构，撰写相关文档；2.提交总体系统设计方案和版本规划，解决开发中与架构、系统设计有关的问题”。那么对该招聘职位的岗位职责部分进行提取分析时，根据这两条职责要求分别提取识别出一个内容项。另外，此处识别提取出来的内容项不同于上一例的内容项，此处的内容项还含有下一级子内容主题。以下是将识别提取出来的两个内容项所包含的子内容主题分别列出，其中括号内的是对应子内容主题的具体内容。
43.内容项一：子内容主题一：规划设计（整体技术架构、业务架构）；子内容主题二：撰写（相关文档）。
44.内容项二：子内容主题一：提交（系统设计方案、版本规划）；子内容主题二：解决（架构、系统设计）问题。
45.依照上述同样的方法，还可以对求职简历的各部分内容进行识别提取，进而获得求职简历的各部分所包含的内容项、内容项下子内容主题及其具体内容。
46.接着，在步骤s132，将招聘职位与求职简历的各内容项及内容项下的子内容主题分别进行比较、分析，进而得出求职简历和招聘职位在各内容项、子内容主题以及各部分内容之间的匹配度。
47.可选的匹配度量化计算方法很多，在此仅举以下两例。例如，对于职位内容项的要求“工作经验：3-5年”，如果几份简历的工作经验分别为1年、2年、3年、4年、5年、6年，则各份简历在此内容项上的得分分别为0.5分、0、7分、1分、1.2分、1.4分、1.6分。例如，一个招聘职位在岗位职责部分有6项职责要求，一份简历有5项与此贴合，另一份简历有3项与此贴合，则可初步将这两份简历与该岗位在岗位职责部分的匹配度分别定为5分、3分。另外，以此5分、3分为基础，还可以结合贴合程度和其它影响贴合程度的因素对此初步得分进行修正，进而获得更具可靠性的得分。
48.接着，在步骤s123，结合系统或用户自定义设置对不同内容部分、不同内容项设置的权重赋值，就可对步骤s122获得的匹配度进行加权计算，进而得到求职简历和招聘职位之间的的综合匹配度。这里给各部分赋值所需的权重可通过对大量的历史匹配情况进行统计分析而得出，也可结合用户对权重的自定义设置来实现。
49.本发明的技术方案应用求职简历与招聘职位的综合匹配度，这有一大优点，就是不需要计算出求职简历与招聘职位之间的绝对匹配度，而是只需得出求职简历与招聘职位的相对匹配度即可。因为，在竞价匹配执行过程中，不需要用匹配度的十分准确的定量值，而是只需要比较出简历之间在对职位匹配度上的相对大小即可。
50.步骤s120的第二方面：量化计算职位吸引力。
51.职位吸引力的量化计算核心因素是薪酬待遇。薪酬待遇包括经济性薪酬和非经济性薪酬，经济性薪酬又包括直接经济性薪酬和间接经济性薪酬。因此，对薪酬待遇的计算和比较还要根据不同薪酬待遇的内在结构分清不同情况。以下是针对不同情况下，对薪酬待遇量化计算的进一步说明。
52.求职招聘行业现实实践情况是，至少在早期公示和接洽阶段，双方通常给出的或报出的是月工资，即标在求职简历和招聘职位说明书上的是月工资。也有比较多的是报出
的薪资里除了月工资，还有奖金、交通津贴等工资以外的直接经济性薪酬。还有少部分把按季、按年发的奖金以类似平均数的方式折算到按月能给雇员发多少钱，进而加到月工资里以招徕求职者。除了以上直接经济性薪酬，还有很少部分的招聘方把提供给雇员的间接经济性薪酬也折算到月的，如把公积金、保险、带薪假等间接经济性薪酬也加进招聘职位的薪酬待遇报价里。求职招聘双方标出的薪酬待遇的支付时间跨度，通常以月薪和年薪的情况为主。
53.本发明的技术方案对上述这些薪酬结构和支付方式的任何一种都是兼容的，只要在计算比较薪酬待遇时做到标准统一、口径统一就行。因为，只有标准统一、口径统一，才能基于求职招聘双方标示在简历或职位说明书上的薪酬待遇数额，以统一的标准和口径把双方的实际情况衡量出，进而才能实现在统一的标准和口径之下的竞价匹配有效性。
54.对于以上所述经济性薪酬，计算比较的步骤是：首先，将薪酬待遇或薪酬待遇结构所包含的不同条目折算到同一支付时间跨度；其次，如果薪酬待遇是单一的工资，则直接读取其值；如果还包含多个不同条目，则将这些不同条目直接相加即可。
55.薪酬待遇除了上述的经济性薪酬，还包括非经济性薪酬，如个人发展、职业晋升、工作环境等。对于这些非经济性薪酬，求职招聘行业的现实实践里尚没有把这些算进标示在简历或职位说明书的薪酬待遇数额里的情况。不过，随着数据信息的丰富，非经济性薪酬在网络招聘环节，有身影越来越多、影响越来越大的趋势。因为网络环境和技术设备为招聘方提供了多方位展示自身各方面信息的机会，如展示在企业招聘页面上的文字、图片、视频等。大数据技术的发展，也为挖掘呈现招聘方表面之下的更多信息创造了越来越多的可能。还有各种在职雇员或前雇员对招聘方的评论、评价信息，这些口碑信息也是呈现招聘方各方面状况的一个独特窗口。
56.就本发明技术方案的本质而言，随着未来技术的进步和求职招聘行业的发展，即便非经济性薪酬也被纳入进求职方的薪酬出价和招聘方的薪酬报价，也不会对本发明技术方案的适用性、有效性造成影响。因为，在竞价匹配执行过程中是比较众多招聘方的薪酬待遇报价，且都是只需要比较出薪酬待遇报价的大小即可。既然是比较大小，那就将薪酬待遇数额的内在结构给屏蔽掉了，只需将内在结构通过量化计算，以统一外在的综合薪酬待遇总值来体现即可。非经济性薪酬量化可采用类似于量化计算简历对职位匹配度的方法，此处不再赘述。
57.综上所述，薪酬待遇结构要是纳入非经济性薪酬的话，也不会对本发明技术方案的适用性、有效性造成影响。纳入非经济性薪酬后，计算综合薪酬待遇可选择如下的算法。
58.以加权汇总的方式纳入非经济性薪酬，如薪酬待遇=经济性薪酬*经济性薪酬权价 非经济性薪酬*非经济性薪酬权价；以影响力因子纳入非经济性薪酬，如薪酬待遇=经济性薪酬 * f(非经济性薪酬)，其中f(x)是计算非经济性薪酬影响力因子的函数。
59.另外，本发明的技术方案在进入竞价匹配执行过程之前，要通过前置匹配项来建立职位和简历之间的预匹配关系，这就为面向不同地区、不同行业的职位和简历采用不同的薪酬结构和计算方法带来了方便，提高了薪酬待遇量化计算的灵活性、有效性。
60.具体地，在步骤s130：循环竞价周期触发，循环竞价匹配系统以设置好的运行周期
来周期性地触发启动步骤s140的竞价匹配执行步骤。随着竞价匹配执行周期性一轮又一轮地执行，就分批地、不断地给求职招聘双方提供全量数据范围内的合乎竞价约束条件的最优匹配。因为每一批都是约束条件下的最优匹配，多批下来就能实现按照求职招聘双方所需要的数量来生成、反馈更多的竞价匹配结果。
61.循环竞价匹配周期可以根据具体需要设置成不同的周期运行规则，例如可设置成每隔固定时间长度运行一轮，如5小时、6小时或12小时等；还可以设置成每一段时间长度内的某个或某些固定时点运行一轮，如每天早上5点和中午12点各运行一轮。如果将竞价匹配周期的时间间隔设置得越来越短，例如小于20分钟、10分钟，那就越来越接近实时竞价状态。竞价周期间隔太长的话，竞价匹配的整体效率会降低，不利于尽快在更大范围内对大量职位和简历进行匹配；间隔太短的话，用户对匹配结果的及时响应处理数量不足，不利于获取到用户的行为反馈以实现对竞价匹配过程的优化控制。所以竞价周期间隔不是越长越好，也不见得是越短越好，需要在运行实践中基于对用户行为等数据，通过分析对比不同间隔长度和类型下，求职招聘双方对匹配结果的及时响应比例、最终匹配成功率等情况来确定。
62.本发明在建立招聘职位和求职简历预匹配关系环节引入了前置匹配项，这就为面向不同地区、不同行业采用不同的循环竞价周期提供了方便，有利于更灵活、更有效地实现最优竞价匹配周期设置。
63.具体地，在步骤s140：竞价匹配执行，从所述的简历吸引力和所述的职位吸引力两个方向实施反复多次的双向竞价匹配，并产生竞价匹配结果的过程是：在每一个单次竞价匹配处理过程中，先执行竞价匹配处理a环节，后执行竞价匹配处理b环节；反复多次运行所述的单次竞价匹配处理过程，直至竞价匹配执行完成；所述的竞价匹配处理a和竞价匹配处理b具有如下ⅰ类和ⅱ类两种类型。下面就结合图3、图4对ⅰ类和ⅱ类竞价匹配处理a、竞价匹配处理b作详细说明。
64.如图3所示的ⅰ类竞价匹配处理示意图，中间的分界虚线左侧是ⅰ类竞价匹配处理a 环节的示意图，中间的分界虚线右侧是ⅰ类竞价匹配处理b 环节的示意图。
65.以招聘职位p为竞价发起方，将与当前职位p建立了预匹配关系的简历按照所述的简历吸引力（即简历对当前职位p的吸引力）从大到小排序，就形成图3所示的简历竞价队列s31。按顺序优先将简历竞价队列里排序靠前的一批简历选入当前职位的准匹配简历集合s32。如图3所示，简历竞价队列s31上的任意简历rn被选入准匹配简历集合s32。
66.如图3所示的简历竞价队列s31，只有在竞价队列里排序位置靠前的简历才能进入准匹配简历集合，也就是要对准匹配简历集合里的简历数量上限实施阈值控制。实施此简历数量上限阈值控制的效果是，按顺序从前往后把竞价队列s31里的简历选入准匹配简历集合的过程中，若把简历rs选入准匹配简历集合时，准匹配简历集合里的简历数量恰好达到了阈值上限，那么立即停止将排在简历rs后面的简历选入准匹配简历集合。除非准匹配简历集合里有简历向当前职位发出了匹配拒绝，那么发出匹配拒绝的简历就会被踢出准匹配简历集合，然后才会对排在简历rs后面的简历实施判断选入准匹配简历集合的操作。
67.如图3所示的s32和s33之间的连接箭头，简历rn进入职位p的准匹配简历集合后，职位p要给简历rn发送匹配邀请，即向简历rn发送来自职位p的匹配邀请。
68.如图3的右侧部分所示，在ⅰ类竞价匹配处理b环节，将那些向简历rn发送了匹配邀
请的职位按照每一个职位能给简历rn带来的综合收益从大到小排序，就形成了职位竞价队列s33。
69.将职位竞价队列s33里排序靠前的一批职位选入简历rn的准匹配职位集合，并对准匹配简历集合里的职位数量上限实施阈值。若职位竞价队列s33从上往下的职位数量在职位pe位置达到了控制阈值数，那么排在pe后面的那些职位就不会被选入准匹配职位集合。如图3所示，阈值控制s331将职位竞价队列在中间某个位置截断，截断位置以上的都是在职位竞价队列s33里所述排序靠前的职位，这些职位被选入简历rn的准匹配职位集合；截断位置以下的都是在职位竞价队列s33里排序靠后的职位，这些职位不会被选入简历rn的准匹配职位集合。
70.如图3所示，对于职位竞价队列s33里那些没能入选准匹配职位集合的职位，简历rn还要向这些职位发送匹配拒绝，即向这些职位发送来自简历rn的匹配拒绝。在一轮竞价匹配执行过程中，职位rn只需向未入选准匹配职位集合的职位发送一次匹配拒绝状态。此处所说的一轮竞价匹配执行过程是指受s130步骤设置的循环竞价匹配周期控制的一轮竞价匹配执行，并不是指竞价匹配处理a和竞价匹配处理b之间的反复轮回处理。
71.按照上述规则过程，反复多次运行从a到b的竞价匹配处理，直至当前这一轮竞价匹配处理完成。所述的竞价匹配处理完成是指，在所述的ⅰ类竞价匹配处理a环节，前置匹配项相匹配的所有职位的准匹配简历集合都没有新入选的简历，那么对这些前置匹配项相匹配的所有职位而言，当前轮竞价匹配处理就完成了。此时的准匹配简历集合里的简历就是成功建立了匹配关系的简历，此时的准匹配职位集合里的职位就是成功建立了匹配关系的职位。
72.如图3所示连接s31和s32的“判断入选”箭头，简历竞价队列的任一简历rn要被选入当前职位p的准匹配简历集合，必须先通过入选条件判断。入选当前职位p的准匹配简历集合的入选条件包括：（1）入选所述的准匹配简历集合的简历不包括在本轮竞价匹配执行中已经向当前职位p发送了匹配拒绝的简历，已经入选的也要在“判断入选”环节踢出准匹配简历集合；（2）入选所述的准匹配简历集合的简历不包括在当前这一轮竞价匹配执行以前已经与当前职位p成功建立过匹配关系的简历。入选条件（1）的作用在于，若某简历rs在当前这一轮竞价匹配执行中先是入选进当前职位p的准匹配简历集合，但职位p后来没能入选简历rs的准匹配职位集合（或者先入选进该准匹配职位集合，后来又被踢出该准匹配职位集合）而被简历rs发出匹配拒绝，那么简历rs就要被从当前职位p的准匹配简历集合里剔出。条件（2）的作用在于，若某简历rs在当前这一轮竞价匹配之前已经与当前职位p成功建立过匹配关系，那么简历rs就不能在后续任何一轮竞价匹配中进入职位p的准匹配简历集合。
73.上文提到对准匹配简历集合里的简历数量上限实时阈值控制，还要对准匹配职位集合里的职位数量上限实施阈值控制。以下对这两个阈值的生成规则做进一步说明。
74.在本发明提供的方案里，对招聘职位的准匹配简历集合做控制的阈值生成规则是：按照该职位所属的招聘方在历史行为中对该职位已经成功匹配到简历的及时响应与处理量来动态生成该控制阈值。还可以此所述的动态生成为基础，接受用户在一定范围内对该阈值的调增或调减。所述的招聘用户对获取匹配到简历的响应与处理可以是发面试邀请，也可以是设为不合适；
在本发明提供的方案里，对求职简历的准匹配职位集合做控制的阈值生成规则是：按照求职用户历史行为中对该求职简历已经成功匹配到招聘职位的及时响应与处理量来动态生成该控制阈值。还可以此所述的动态生成为基础，接受用户在一定范围内对该阈值的调增或调减。所述的求职用户对匹配到职位的响应与处理可以是发应聘意向，也可以是设为不合适。
75.这两个阈值的生成规则里都涉及到“及时响应与处理
”ꢀ
的说法。及时响应与处理的意思是，用户在受循环竞价匹配周期触发的两轮竞价执行的时间间隔内，能对在最近一轮竞价匹配执行中获取到的匹配结果完成响应和处理，即用户及时完成对匹配结果的浏览和相关处理操作，或者在对方用户对匹配结果处理之后，能及时完成对该已处理状态的响应与处理。评估及时响应与处理的时间间隔也可以不限于两轮竞价匹配执行之间。
76.以上两个阈值的生成规则实现了根据求职招聘双方实际需要来动态调节所生成的匹配数。通常对匹配结果及时响应处理数量越大，表示用户的求职或招聘紧迫度越高，同时也是有意愿和能力及时响应处理更多数量的匹配结果，那么就有必要为这样的用户生成更多的匹配结果。这样做即满足了该招聘用户对简历的需求，同时也相对增加了被匹配简历的机会。相反的话，用户若不能及时对匹配结果响应处理，就应该根据用户的实际响应数量调减匹配量，才不至于浪费被匹配对方的机会，还给对方造成干扰和成本浪费。
77.上文提及，在ⅰ类竞价匹配处理b环节，对职位竞价队列s33的排序指标是职位能给简历带来的综合收益，此综合收益的衡量因素包括简历吸引力。对此综合收益，本发明方案提出以下实现方案。
78.关于综合收益的实现方案1：不考虑简历吸引力以外的因素，综合收益简化成只有简历吸引力，即综合收益 = 简历吸引力。
79.关于综合收益的实现方案2：对综合收益的量化引入求职者被招聘职位所属的招聘方招录的概率，即综合收益 = 职位吸引力 * 求职者被职位招录概率；所述的求职者被招录概率的生成方法是，对能够影响到求职者被招录概率的各方面因素进行分析计算，进而生成所述的求职者被招录概率。所述的能够影响到求职者被招录的因素包括：求职者简历在当前轮竞价匹配执行中在所述的待匹配简历集合里的吸引力排序位置，求职者简历在历轮竞价匹配执行所生成的全部成功匹配简历里的吸引力排序位置，招聘职位及其所属的招聘方近期对求职者的人员招聘力度情况（如邀约面试、签约招录的数量与比例）。
80.接下来，就介绍一个照此思路来量化计算求职者被职位招录概率的实施例。
81.首先，只考虑当前轮竞价匹配执行中的竞价匹配处理a环节处理结束时的准匹配简历集合情况。假设在当前一轮竞价匹配执行中，在职位p的准匹配简历集合里的全部62份简历里按简历吸引力从大到小排序后，简历r排在了第12位。同时假设排序越高被招录的概率越接近于1，排序最后一位被招录概率为0.5，且被招录概率随着排名位置降低而线性衰减。那么简历r被招录的概率ka是：ka = 0.5 ( 1
ꢀ-ꢀ
12/62 ) * 0.5 = 0.9接着，只考虑当前这一轮竞价匹配执行之前的历轮竞价匹配执行过程中，与当前职位
成功建立匹配关系的“所有简历集合”情况。即考虑在这样的“所有简历集合”里，待评估简历r被招录的概率情况。假设包含待评估简历r在内，该“所有简历集合”里的简历总数是195份，待评估简历r在其中按照简历吸引力从高到低的排序位置是第49位。那么简历r被招录的概率kb是：kb = 0.5 ( 1
ꢀ-ꢀ
49/195 ) * 0.5 = 0.87接着再假设，影响求职者被招录概率的前述三大方面因素所占的权重分别是：当前轮竞价匹配执行中在准匹配简历集合里的排序占权重0.35，在历轮竞价匹配已成功匹配的“所有简历集合”里的排序占权重0.45，招聘职位所属招聘方近期对求职者的招聘力度占权重0.2。并假设待评估招聘方在众多同类招聘方里的人员招聘力度排序是排在前32%位置。那么，即可量化计算出简历r被招录的概率ks是：ks = ka * 0.35 kb * 0.45 ( 1
ꢀ-ꢀ
32% ) * 0.2 = 0.8425上述影响招录概率的不同因素所赋权重值可通过对大量历史数据的统计分析而得到。在历史数据少的情况下可通过人工经验赋值来替代，并在后续结合对历史数据的统计来不断修正优化。
82.接下来开始介绍ⅱ类竞价匹配处理a和竞价匹配处理b。
83.如图4所示的ⅱ类竞价匹配处理示意图，中间的分界虚线左侧是ⅱ类竞价匹配处理a 环节的示意图，中间的分界虚线右侧是ⅱ类竞价匹配处理b 环节的示意图。
84.如图4所示，以求职简历为竞价发起方，将与当前简历r建立了预匹配关系的职位按照所述的职位吸引力从大到小排序，就形成图4所示的职位竞价队列s41。按顺序优先将排序靠前的一批简历选入简历r的准匹配职位集合s42。
85.如图4所示，在左侧的准匹配职位集合和右侧的职位pn之间以“匹配邀请”箭头连接，即当前简历r向新入选准匹配职位集合里的职位pn发送匹配邀请。向职位pn发送了匹配邀请的简历都进入了职位pn的简历竞价队列s43。简历竞价队列s43按照综合收益从大到小排序，排序靠前的一部分入选职位的准匹配简历集合，并向那些没能入选的简历发出来自职位pn的匹配拒绝。如图4所示的s431，职位pn的准匹配简历数量受阈值控制。
86.相较于ⅰ类竞价匹配处理过程以招聘职位为竞价发起方，ⅱ类竞价匹配处理a和竞价匹配处理b的过程核心区别在于，ⅱ类竞价匹配处理过程是以求职简历为竞价发起方，并由此引发在后续整个竞价匹配过程中主要的不同只是招聘职位和求职简历之间的位置关系发生互换，而竞价匹配处理过程涉及的各子过程和处理方式是一样的。因此，本部分不再对职位入选准匹配职位集合、简历入选准匹配简历集合、对准匹配职位集合和准匹配简历集合进行控制的阈值产生方法等子过程和处理方式进行重复叙述，相关子过程和处理规则请参考上文阐述的ⅰ类竞价匹配处理过程。
87.具体地，在步骤s150：竞价匹配结果反馈，将步骤s140竞价匹配执行完成后的竞价匹配结果反馈给求职方或招聘方，并接受求职方或招聘方对匹配结果的后续操作。即每一轮s140步骤的竞价匹配执行结束后，都将匹配结果以主动推送或响应用户查询的方式反馈给用户。接着，用户会对匹配结果做出响应和操作。系统还要将这些响应或操作生成用户的历史行为记录，进而根据对这些历史行为记录的统计来生成竞价匹配执行步骤s140所需要的准匹配简历集合的简历数上限阈值和准匹配职位集合的职位数上限阈值。
88.在竞价匹配结果反馈步骤s150，还要向成功匹配的求职方和招聘方反馈竞价成交
价。所述竞价成交价应满足的条件包括：所述的竞价成交价不小于求职方的薪酬待遇要价下限，且不大于招聘方薪酬待遇出价上限；与同一份求职简历匹配的招聘职位的薪酬待遇出价上限越高，则所述的竞价成交价越高。
89.满足上述条件的竞价成交价生成规则较多，这里仅举以下两例。
90.竞价成交价生成例一：将与当前简历成功匹配的职位的薪酬待遇出价上限与当前简历的薪酬待遇要价下限求和，再除以2，即得到平均值，以该平均值作为竞价成交价。
91.竞价成交价生成例二：求职简历与招聘职位成功建立匹配关系后，即取该简历薪酬待遇要价下限和该招聘职位的薪酬待遇出价上限的平均值，以该平均值作为该简历与该职位的竞价成交参考价。将当前简历与所有成功匹配的职位的所述竞价成交参考价从大到小排序，形成竞价参考价队列。假设该竞价参考价队列上有任意从大到小连续的3个参考价p
n 1
、pn、p
n-1
,这三个参考价分别对应招聘职位j、d、k，那么当前简历与职位j的竞价成交价p取决于参考价队列上排在与职位j竞价参考价后一位的参考价pn，即p =（ 1 k ）* pn , 其中k为不小于0，且不大于0.2的常数。
92.若竞价参考价pn 1是排在参考价队列最高价的位置，则p = p
n 1 。
93.在每一轮循环竞价周期内，从a到b反复多次运行的作用机制与盖尔-沙普利算法（也叫gs算法或延迟接受算法）相同，而盖尔-沙普利算法的有效性已经在理论和实践上得到了广泛证明。同时，本发明方案与gs算法有着如下三大核心区别。
94.第一，运行方式不同，gs算法只运行一轮从a到b的反复多次竞价匹配处理，而本发明方案通过循环竞价周期触发这样的独特设计，要一直循环运行无数轮从a到b的反复多次竞价匹配处理。
95.第二，匹配结果的效用不同，gs算法运行一轮从a到b的反复多次竞价匹配处理后就生成对竞价参与方的最终匹配结果，而本发明方案的每一轮从a到b的反复多次竞价匹配处理生成的匹配结果都只是匹配推荐，并非最终匹配结果，且匹配推荐的数量明显大于竞价参与方对最终匹配结果所需数，如某职位只招录一人，但每一轮都向该职位匹配推荐20多份或更多简历。
96.第三，应用场景不同，gs算法用于竞价参与方匹配倾向明确且数量规模确定的场景下，而本发明方案的设计初衷就是为了解决竞价参与方匹配倾向不清且数量规模庞大的场景。例如，招聘方通常都面对着数量庞大的简历，求职方通常都面对着数量庞大的职位，且双方都不知道适合自己的最优选择是哪个。正因为求职者、招聘方的匹配倾向不清，本发明方案采用的竞价指标是简历吸引力、职位吸引力、综合收益这些完全摒弃了求职者和招聘方主观意愿的指标。正因为求职简历和招聘职位数量规模庞大，本发明才针对于此设计成周期性循环竞价匹配，并根据竞价参与方的及时响应与处理量来一批又一批地生成匹配推荐，以供竞价参与方在范围逐渐扩大的匹配推荐里找到合适的求职者或招聘方。
97.下面阐述本发明的第二方面：基于求职招聘双方需求的循环双向竞价匹配系统，该系统用于执行上文所述本发明第一方面所提供的基于求职招聘双方需求的循环双向竞价匹配方法。本发明第二方面的系统与上文所述本发明第一方面的方法在主要步骤流程和核心环节的具体实施方式上完全一致，因此下文在阐述本发明第二方面的系统时不再重复赘述其中涉及的具体详细实施方式，相关的具体详细实施方式可参照上文所述本发明第一方面的相关内容所述。
98.如图5所示，该图显示的是本发明的基于求职招聘双方需求的循环双向竞价匹配系统整体结构图。
99.如图5所示，p500为运行本发明第二方面的系统的计算机设备，p500由p520、p510两大部分组成。p520是计算设备基础环境，包括处理器、随机和只读存储器、大容量存储器、操作系统和应用程序、网络通信等设备和配置，并且由总线联通，实现数据传输和控制逻辑。本发明的基于求职招聘双方需求的循环双向竞价匹配系统p510运行于由p520所提供的设备基础环境之上。p520的存储器中存储有系统p510的至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由p520的处理器加载并执行或运行本发明的系统p510。p520的存储器里还存储有系统p510运行过程的中间数据或运行结果数据。
100.如图5所示，运行本发明的系统的计算设备p500通过网络连接求职、招聘双方，为双方提供服务。根据实际需要，计算设备p500还可通过网络光纤等方式与外部存储器和计算设备连接。
101.如图5所示，本发明的基于求职招聘双方需求的循环双向竞价匹配系统p510包括以下模块：预匹配关系建立模块p511，用于比较招聘职位和求职简历的前置匹配项，在所述的前置匹配项相匹配的职位和简历之间建立预匹配关系；所述前置匹配项的匹配条目包括：行业领域、职位名称、工作地区；吸引力量化计算模块p512，用于对已经建立所述的预匹配关系的求职简历和招聘职位，量化计算出求职简历对招聘职位的吸引力值，即简历吸引力，并量化计算出招聘职位对求职简历的吸引力值，即职位吸引力；所述的简历吸引力量化计算因素包括：求职简历与招聘职位的匹配度；所述的职位吸引力量化计算因素包括：招聘职位提供的薪酬待遇；循环竞价周期触发模块p513，将系统的竞价匹配执行设置成周期性循环运行，每一运行周期的开始即触发启动下一步骤的竞价匹配执行；所述竞价周期设置方法包括：设置成每隔固定时间长度运行一轮，如每隔5小时；或者设置成在某个或某些固定时点运行一轮，如每天中午12点；；竞价匹配执行模块p514，用于从所述的简历吸引力和所述的职位吸引力两个方向实施反复多次的双向竞价匹配，并产生竞价匹配结果，该过程是：在每一个单次竞价匹配处理过程中，先运行竞价匹配处理a单元，后运行竞价匹配处理b单元；反复多次运行所述的单次竞价匹配处理过程，直至竞价匹配执行完成；所述的竞价匹配处理a单元和竞价匹配处理b单元执行的操作具有如下ⅰ类和ⅱ类两种类型；所述的ⅰ类竞价匹配处理a单元执行以下操作：以招聘职位为竞价发起方，先将与当前职位建立了所述的预匹配关系简历按照所述的简历吸引力从大到小排序，按顺序优先将排序靠前的一批简历选入当前职位的准匹配简历集合；向在当前竞价匹配处理a单元运行过程中新入选所述的准匹配简历集合的那些简历发送来自当前职位的匹配邀请；所述ⅰ类竞价匹配处理b单元执行以下操作：将那些向当前简历发送了匹配邀请的招聘职位放进当前简历的待匹配职位集合；量化计算出所述的待匹配职位集合内每一个职位能给当前简历带来的综合收益；按所述的综合收益从大到小排序待匹配职位集合里的各职位，按顺序优先将排序靠前的一批职位选入当前简历的准匹配职位集合；向在当前竞价匹
配处理b环节没能入选所述的准匹配职位集合的职位发送来自当前简历的匹配拒绝；所述的综合收益量化计算因素包括：职位吸引力；所述的ⅱ类竞价匹配处理a单元执行以下操作：以求职简历为竞价发起方，先将与当前简历建立了所述预匹配关系的职位按照所述的职位吸引力从大到小排序，按顺序优先将排序靠前的一批职位选入当前简历的准匹配职位集合；向在当前竞价匹配处理a单元运行过程中新入选所述的准匹配职位集合的那些职位发送来自当前简历的匹配邀请；所述的ⅱ类竞价匹配处理b单元执行以下操作：将那些向当前职位发送了匹配邀请的求职简历放进当前职位的待匹配简历集合；量化计算出所述的待匹配简历集合内每一份简历能给当前职位带来的综合收益；按所述的综合收益从大到小排序待匹配简历集合里的各简历，按顺序优先将排序靠前的一批简历选入当前职位的准匹配简历集合；向在当前竞价匹配处理b环节没能入选所述的准匹配简历集合的简历发送来自当前职位的匹配拒绝；所述的综合收益量化计算因素包括：简历吸引力；所述的竞价匹配执行完成是指在所述的ⅰ类竞价匹配处理a单元，前置匹配项相互匹配的所有职位的准匹配简历集合都没有新入选的简历，或者ⅱ类竞价匹配处理a单元，前置匹配项相互匹配的所有简历的准匹配职位集合都没有新入选的职位；此时的准匹配简历集合里的简历就是成功建立了匹配关系的简历，此时的准匹配职位集合里的职位就是成功建立了匹配关系的职位；竞价匹配结果反馈模块p515，用于在竞价匹配执行步骤运行完成后，即可用主动推送或响应用户的查询等方式，将这一轮竞价匹配结果反馈给用户，并接受用户对匹配结果的处理操作。
102.如图5所示的竞价匹配执行模块p514，在竞价匹配处理a单元处理过程中，对入选当前职位的所述准匹配简历集合（ⅰ类）或入选当前简历的所述准匹配职位集合（ⅱ类）采取以下条件限制。
103.在所述的ⅰ类竞价匹配处理a单元，入选当前职位的所述准匹配简历集合的简历既不包括在本轮竞价匹配执行中已经向当前职位发送了匹配拒绝的简历，也不包括在当前这一轮竞价匹配执行以前已经与当前职位成功建立过匹配关系的简历；在所述的ⅱ类竞价匹配处理a单元，入选当前简历的所述准匹配职位集合的职位既不包括在本轮竞价匹配执行中已经向当前简历发送了匹配拒绝的职位，也不包括在当前这一轮竞价匹配执行以前已经与当前简历成功建立过匹配关系的职位。
104.如图5所示的竞价匹配执行模块p514，在竞价匹配处理过程中，要对准匹配简历集合里的简历数量上限实施阈值控制，也要对所述准匹配职位集合里的职位数量上限实施阈值控制；所述的控制阈值按照以下方法产生。
105.对所述的准匹配简历集合的简历数量上限进行控制的阈值产生方法包括：按照招聘用户历史行为中对当前职位已经匹配获取到的简历的及时响应与处理量来动态生成；还可以该所述动态生成量为基础，接受用户在一定范围内对该阈值的调增或调减；所述招聘用户的响应与处理包括：邀请面试或标记为不合适；所述的对准匹配职位集合的职位数量上限进行控制的阈值产生方法包括：按照求职用户历史行为中对当前简历已经匹配到的职位的及时响应与处理量来动态生成；还可以该所述动态生成量为基础，接受用户在一定范围内对该阈值的调增或调减；所述求职用户的响
应与处理包括：投递简历或标记为不合适。
106.如图5所示的竞价匹配执行模块p514，在ⅰ类竞价匹配处理b单元要量化计算出所述的待匹配职位集合内每一个职位能给当前简历带来的综合收益。本发明方案提供以下量化计算方案，即综合收益 = 职位吸引力 * 求职者被职位招录概率；所述的求职者被招录概率的生成方法是，对能够影响到求职者被招录概率的各方面因素进行量化计算、统计分析，进而生成所述的求职者被招录概率；所述的能够影响到求职者被招录的因素包括：求职者简历在当前轮竞价匹配执行中在对应职位的所述待匹配简历集合里的吸引力排序位置；求职者简历在由过往历轮竞价匹配执行所产生对应职位的全部成功匹配简历里的吸引力排序位置；招聘职位所属的招聘方近期对求职者的招录情况。
107.如图5所示的竞价匹配结果反馈p515，将竞价匹配执行完成后的竞价匹配结果以主动推送或响应用户查询的方式反馈给求职方或招聘方，并接受求职方或招聘方对匹配结果的后续操作，求职者、招聘方的操作包括查看、标记为不合适、邀请面试、发应聘意向等。
108.如图5的历史行为统计p5151所示，系统还要将用户对匹配结果的响应或操作生成历史行为记录，进而根据对这些历史行为记录的统计来生成竞价匹配执行模块p514所需要的准匹配简历集合里的简历数量上限阈值和准匹配职位集合里的职位数量上限阈值。
109.在竞价匹配结果反馈步骤p515，还要向招聘方或求职方反馈竞价成交价。所述竞价成交价应满足的条件包括：所述的竞价成交价不小于求职方的薪酬待遇要价下限，且不大于招聘方薪酬待遇出价上限；与同一份求职简历匹配的招聘职位的薪酬待遇出价上限越高，则所述的竞价成交价越高。
110.上文所述本发明的方法与系统根据各竞价参与方（即求职者、招聘方）一段时间内对竞价匹配结果的及时响应处理量来为其生成一轮竞价匹配结果的数量，这就极具针对性地缩小了各竞价参与方需要关注的数据范围。不仅如此，每一轮竞价匹配执行都在全量数据范围内（即全部的求职简历和招聘职位说明书）为竞价参与方找到合乎竞价约束规则的最优匹配结果，且这样的最优匹配结果不仅实现了最大程度地合乎各竞价参与方的需求，还实现了双方匹配价值的最大化。更重要的是，随着这样的一轮又一轮循环竞价匹配的执行，竞价参与方所获得的最优匹配结果在范围上逐渐扩大，直至找到适合自己的求职者或招聘方。简而概括之，本发明提供的方法与系统实现了对求职招聘双方更具针对性、更准确高效的自动化匹配，节省了双方寻找、发现合适对方的一系列成本，提高了双方效率的同时，更实现了求职招聘双方匹配价值的最大化。