人岗匹配案例分享
创作团队：麦穗人工智能（智能人岗匹配系统研发团队） -可在官网申请试用
人岗匹配的传统方式是关键词搜索：
将应聘者简历进行解析后生成类别信息构建人才库，在根据岗位描述寻找合适人才时在人才库按照关键词进行交叉搜索匹配，对结果进行二轮筛选。 传统方式的弊端在于：
? 源数据很大程度上依赖简历解析的广度和精度 ? 关键词的考量需要依靠HR对职位描述的理解 ? 交叉筛选所依靠的关键词要依靠HR进行选择 ? 关键词往往是一些明确的、可以量化的指标
因此，人岗匹配的结果很大程度上依赖HR人工判断，HR对所招聘职位的理解和关键词的选择决定了最终的结果。 然而现实情况是：
1．HR的经验往往不足以生成优质分析和判断，HR自身的知识储备无法支撑对层出不穷的新兴岗位，如「短视频钱包产品经理」，以及超出HR知识范围的岗位描述的理解，例如让很多文科出身HR头疼的技术类岗位，「后端开发工程师」等。
2．对关键词的选择过少，则会产生很多无效的简历，增加了HR的筛选时间，关键词过多则会出现库中无人满足的尴尬情况。
3. 即使不考虑简历解析的优质度，现实简历中的描述花样繁多，一些应聘者能力往往符合职位需求，却无法被关键词命中。
某互联网巨头发布的职位「短视频钱包产品经理」的招聘描述中，有这样一条职位要求： 3年以上支付相关行业产品经理经验
而某应聘者简历中在「工作经历」描述中提及： 曾负责PayPal中国Top20大客户的产品集成支持，其职位表述并不是产品经理
这一简历要么在关键词「产品经理」下已经被剔除，要么由于HR在列举大量支付相关行业作为关键词时「PayPal」不小心被遗忘而没有进入筛选框。
独家【智能人岗匹配推荐系统】
可以解决上述几个致命问题：
? 对职位描述进行智能意图识别，对不同能力做层次和权重的区分，提高匹配度； ? 不完全依靠职位名进行匹配，而是对职位工作内容和能力需求智能识别和映射； ? 知识图谱智能扩充行业、公司、职位需求，搭配智能人才库和简历解析，精准定位； ? 实现多路召回，即找得全，又找得准；
? 将关键词命中率作为推荐排序考虑因素之一，而非全部； ? 强大的数据库作为依靠，优质人才画像分析，提高人岗匹配度。
在与某互联网巨头的合作测试中，对于2万份简历，相比于用关键词搜索时每个职位的平均召回人选18人，人岗匹配推荐系统平均召回51人，且准确率从71%提高至89%，又全又准。
人岗匹配案例分享
