当年找工作的时候，去各个社招网站上找职位投简历，总想找到和自己简历最匹配的职位（毕业的时候挫的一比）。一个个看实在太累了。能不能用算法直接找到最匹配的职位啊？
基本思路是，若能从职位描述和简历描述中，提取出关键词，再用某种相似度算法，计算职位和简历的匹配度，即可达成目标。
理想中的效果是：
职位 前端工程师：H5 html css vue nodejs 页面 美观...
简历 前端工程师：H5 主页 javascript nodejs ajax...
职位与简历的相似度：98%
最好有个可以操作的界面，如下图：
第一个需要解决的问题：怎么提取关键词呢？答案是分词器。
分词器可以达到这样的效果：
我爱北京天安门---->我 爱 北京 天安门
有3年前端从业经验---->有 3年 前段 从业 经验
不过分词器也会犯傻：
了解机器学习算法与人工智障---->了解 机器 学习 算法 与 人工 智障
“机器学习“和“人工智障“都是一个独立的词啊！咋被拆开了呢？
原因是分词器的词库里面没有“机器学习”“人工智障”这两个词。
解决方法：新词提取算法可以利用左右信息熵与凝聚指数提取“机器学习”“人工智障”。
将新词加入分词器训练，分词器终于可以成功分词了：
了解机器学习算法与人工智障---->了解 机器学习 算法 与 人工智障。
即便这样，分词器还是会分出一大堆乱七八糟的词：
例如：H5 vue 前端 页面 五险一金 团建 员工福利 成长 职责 技能 学习 优先 经验 了解
前面4个词是关键词，后面14个词然并卵。这些词需要被干掉！
首先，用IDF方法可以过滤掉那些几乎会出现在所有职位描述中的词，例如：学习 优先 经验 了解。
其次，一般来说，网上的职位都有一些原始分类，例如智联对软件工程师有一些细分：前端、java、算法等等
可以利用信息增量算法，过滤掉那些，几乎会出现在所有类中的词。比如：职责，技能 成长。
剩下词的只有靠人类一个一个删了，是这样吗？不全是。
利用word2vec算法可以计算出词向量，再通过kmeans即可完成词的聚类，效果如下：
第一类：前端 H5 html css vue... （这不就是前端工程师的关键词么！）
第二类：机器学习 算法 NLP 搜索 推荐 神经网络 （这不就是算法工程师的关键词么！）
第三类：五险一金 团建 员工福利...（这是神马破玩意儿？【批量】干掉！）
第四类：政府 国企 大型 投资 金融...（这关我鸟事啊？【批量】干掉！）
...
word2vec的特点就是可以把有相似上下文的词算出相似的向量，对这些向量聚类，就可以得到上面的效果！虽然是人工删词，但是有了算法的帮助，是不是方便多了？
最后，就是计算匹配度了：
借助LDA主题模型，可以计算出简历与职位，分别属于某个主题的概率：
职位 前端工程师：H5 html css vue nodejs 页面 美观...
P(属于主题1)=0.1
P(属于主题2)=0.4
P(属于主题3)=0.2
P(属于主题4)=0.8
不就是个向量么？---> v1 = [0.1, 0.4, 0.2, 0.8]
简历 前端工程师：H5 主页 javascript nodejs ajax...
P(属于主题1)=0.2
P(属于主题2)=0.3
P(属于主题3)=0.2
P(属于主题4)=0.7
v2 = [0.2, 0.3, 0.2, 0.7]
所以简历与职位匹配程度可以用向量的距离来表示：
职位与简历匹配度 = 余弦距离(v1, v2)
总之，整理出下面的流程图：
结果还不错，在计算机软件这个行业里，匹配职位效果还挺不错的。例如PHP、前端、算法、DBA、运维、C#、.net等。
光有算法还不行，得做成一个桌面程序，不然没法用。
PyQt图形界面+selenium webdriver驱动浏览器，下载各大招聘网站的职位到本地。
利用上述的算法匹配个人简历。
勾选职位，同样利用selenium webdriver驱动浏览器批量投简历。
就这样，妈妈再也不用担心我找不到工作了。
视频演示：
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
