内容摘要：近年来，伴随着互联网技术的迅猛发展，线上招聘的规模不断扩大，企业招聘中的各种信息数据也呈现几何倍数的增长，其中以人才招聘问题最为突出，面对海量的求职者简历，传统的人工筛选不仅时间周期长、效率低，还浪费了有限的人力物力，影响了企业的正常发展和运作。

本文针对线上招聘市场的这一问题，通过比对简历文本和招聘文本的结构，将其文本结构划分为数值文本、简单文本、非结构化文本，并对这三种类型的文本采用不同的匹配算法：

针对数值型文本，先划分属性的取值区间，再对简历信息和招聘信息的属性值进行比较；针对简单文本，依据知识图谱比较叶子节点的图上距离；针对非结构化文本，基于行业特征词词典对文本进行中文分词，并结合停用词词典去停用词，从而得到简历信息序列和招聘信息的分词序列。接着，对分词序列求并集，统计字词并集中字词在各序列的词频，依据词频建立简历信息向量、企业招聘信息向量，求解这两个向量的余弦相似度得到非结构化文本的匹配度。

最终，根据企业对求职者各属性模块的偏好，选取合适的权重，将相似度最高的前几份简历作为推荐简历，为企业定制化地进行人才推荐，以此提高人职匹配的差异度和人才推荐的准确度。

关键词：简历筛选；文本相似度；分词技术； 文本向量化

目录

摘要

Abstract

第1章-绪论-1

1.1 研究背景与意义-1

1.2 国内外研究现状-2

1.3 主要研究内容和章节安排-3

第2章-相关理论与技术概述-5

2.1 分词技术-5

2.2 文本表示-5

2.3 知识图谱-5

第3章-基于文本匹配度的人职匹配算法-6

3.1 问题建模-6

3.2 数值文本处理-8

3.3 简单文本处理-8

3.3.1 工作地点匹配度求解-9

3.3.2 职位匹配度求解-10

3.3.3 学历匹配度和工作性质匹配度求解-11

3.4 非结构化文本处理-12

3.5 定制化的人职匹配公式-13

3.6 实验结果与分析-15

第4章-结束语-19

4.1 本文总结-19

4.2 未来工作展望-19

参 考 文 献-20

致 谢-21