本文提出了在互联网招聘平台的简历筛选环节利用了当前热门的人工智能技术来尝试解决此问题，具体使用了网络爬虫技术+百度深度学习的 PaddleNLP 工具来解决简历数据的自动采集工作，又在简历筛选过程中使用了机器学习算法来完成简历与人才模型智能匹配的工作来提升简历的准确性，为人工智能在人力资源管理方面的应用提供了一定的研究思路。
第一章 绪论
1.1 研究背景
在当前社会转型升级的大背景下，中央国务院提出了“万众创新，大众创业”口号，成为新常态下经济发展的“双引擎”之一。从国家市场监督管理总局公布的 2018 年数据来看，全年新增企业 670W 户，平均每天新增 1.8 万家企业，其中绝大多数为拥有自主知识产权的科技型初创企业。当前科技型企业是国家提出的新基建（5G、工业互联网、大数据中心、人工智能以及云计算等七大领域）重要力量，所以加大力度扶持科技型初创企业关乎国家的经济繁荣与发展。然而，由于初创企业通常不属于大公司投资开办的子公司和合资公司，大都是刚刚创立的中小型企业，因此在起步阶段存活率较低。据统计数据显示，已经关闭的初创企业平均存活周期为 32 个月，人才匮乏问题则是“导火索”之一，科技型初创企业由于企业对科技的重点投入与初创企业自身的特点，在现阶段人才招聘上存在问题，采取有效对策解决问题已成为科技型初创企业走向成功的必由之路。
互联网的普及对招聘与求职领域产生深刻影响，当前互联网的招聘与求职已经是企业与求职者的必备方式，对根据中国行业研究报告网的整理发布的数据来看，从 2009 年 81 万家企业发布网络招聘需求，到了 2018 年已经发展到 658.9 万家，增长了 8 倍之多。同样在这10 年之间，利用互联网进行求职应聘的人员规模也从 6500 万人增长到了 1.8 亿的规模。可以看到互联网招聘的发展，也大大加快了企业招聘与求职者间信息互通效率。然而随着信息爆炸式的增长，也带来了一些选择上难题，当前互联网招聘方式与渠道纷繁复杂：
1） 新型互联网招聘方式：Boss 直聘、青团社、LinkedIn、脉脉、猎聘等新型互联网人才招聘 APP 方式；
2） 传统门户类招聘方式：51job 以及智联招聘等平台；
3） 基于社交式的熟人推荐：QQ、微信、微博、抖音等；
.................
1.2 研究的意义
1.2.1 理论意义
科技型初创企业作为创业企业，资金匮乏是其面临的最大难题，人力资源人手有限，也是制约人才招聘有效性最重要的内部因素。在资金使用方面，创业者绝大多数都会选择将资金优先用于核心技术的开发，对于管理性支出，能够实际投入到人才招聘的成本有限，并且优化人才招聘投入的效果并不能很快直观看到，因此创业者大都不会在这部分投入较多的资金或精力，针对当前互联网上展开多渠道招聘，往往因为第一步各个平台的投递的简历没有一套筛选机制，导致后续招聘效果不佳。
通过开展针对企业的人力资源管理、网络招聘、岗位匹配度、人才能力评价模型、简历筛选方案以及机器学习的国内外文献研究，发现虽然互联网招聘平台提供了加快的信息传递的效率，但是招聘环节的简历筛选工作依然还是要人工对投递简历进行一一筛选核查，效率低下。而使用机器学习算法技术构建一个动态的人才简历筛选方法，在国内的研究领域还比较少。为了改善上述不足，构建一个面向企业可自行调整的人才招聘模型，同时能够在对接当前互联网平台的简历方面能够更加高效，减低企业的招聘成本，提升招聘质量，故开展了此研究。
1.2.2 实践意义
本文首先分析了当前传统的招聘环节存在的不足和待改进之处，利用人才模型构建方法把相关人才能力指标库建立起来，然后基于每次发布的岗位招聘要求，设置对应模型指标库权重指标。采用网络爬虫的技术，实现对主流几个互联网招聘平台上求职人员简历的自动爬取能力，基于机器学习算法融入上一步对应人才模型要求的关键指标，自动筛选出当前匹配度比较高的候选简历库。方便公司的人力资源同事，能够精准的获取匹配度较高的简历，大大提升了招聘工作的效率。
........................
第二章 研究的理论综述
2.1 人力资源招聘研究综述
2.1.1 传统的招聘方式
孟宝、陶泽华（2011）针对传统的企业招聘工作做了深入研究，并发现以下几点不足。一是传统的企业招聘只是解决单一招聘问题，没有统筹考虑到与企业发展战略以及企业人力资源规划；再者企业招聘工作没有形成规范流程，导致招聘工作效率低下，招聘成本增加；三是传统的招聘模式多为人为判定，缺少一个合理的判断机制，公司也缺少人才模型指标构建与匹配度的方法，所以招聘质量无法控制。李源（2013）研究表明很多企业招聘质量不高的原因是，往往是缺少一个招聘前的整理规划，大都是有人才需求就发布招聘了，最后发现招聘的环节中出现了各类问题。江燕（2007）指出人才招聘的问题在大型国有企业也普遍存在，国有企业的人才招聘一般都是凭借人的主观感觉来判断，缺失岗位模型指标的评估办法。
2.1.2 互联网招聘方式
相比传统招聘，互联网招聘方式有许多优点，李明（2013）研究认为，从成本方面，互联网招聘成本低于传统招聘；从筛选方面，互联网招聘的简历筛选方便快捷，可以借助互联网平台快速筛查，而传统招聘人为纸质筛选内容无法检索。从沟通方面，借助互联网的信息传递优势，求职者更容易与用人单位及时沟通。
互联网招聘的流行，虽然加快了企业人才招聘的效率，与此同时也出现了很多问题。张月，朴光赫（2014）研究网络招聘中，求职者的简历信息存在失真问题，对于企业来说无法判断与解决；并且发现互联网的简历筛选也依然面临不知道如何筛选的问题。安哲峰在 2010年的网络招聘研究中，也发现在网络中存在的几类典型问题，比如：简历过多处理不过来，简历的筛选还是人为处理，必然会遇到筛选瓶颈；简历质量不一，简历内容存在缺失，更多是求职者自身问题，造成简历评估的难度加大；同时也发现了简历信息真实度低的问题，后续面试、入职后发现求职者不具备简历上面介绍的内容，无形中增加了企业招聘成本。
.........................
2.2 简历筛选研究概述
通过以上的论述可知，简历筛选环节作为企业互联网招聘的一个重要环节，简历筛选的工作能否高效、准确地开展，对企业的招聘工作与企业发展有着非常重要的意义。
2.2.1 简历筛选的意义
简历筛选作为企业与人才接触的第一步，简历即代表着每个应聘人员的基本信息，简历筛选的质量决定着后续招聘环节的开展。国外对于人才筛选的研究较早。George A. Neuman在 1990 年就在《Personnel selection tests for computer professionals and support technicians》中就计算机专业人员选择上需要的能力模型筛选测试研究，提升了企业在计算机人才招聘的效率与质量。
M.G. Barchilon（1996）提出电子技术影响简历设计，需要更加重塑简历内容，并且提供了一个灵活的简历模型，以帮助专业人士关注在当今竞争激烈的商业环境中有必要在简历中包括成绩证明和可衡量的数据，以大大提高就业机会的观点。简历的作为一种招聘工具也随着信息技术的发展愈发重要。
Dodo zu Knyphausen-Aufse，Claus Vormann（2009）针对企业在人才筛选中，着眼于选择过程中使用的标准，尤其是申请人的适合度、能力和社会资本进行了研究。特别是在企业成立时间与选择人的关系匹配度方面提供了非常有价值的研究资料。
Michael S. Cole, Hubert S. Feild, William F. Giles（2009）在研究招聘人员如何从求职者的简历中推断出性格特征，并将这些推断用于评估求职者的就业能力。文中利用从 244 名招聘人员那里收集的数据，发现当他们审阅初级求职者的简历并推断出求职者的性格特征时，评估者之间的可信度较低。此外，当招聘人员对申请人性格的推断与申请人实际的五大人格分数相关时，结果表明招聘人员的推断缺乏有效性，可能存在外向性和经验开放性的例外。最后，尽管在很大程度上是不可靠和无效的，招聘人员对申请人的外向性、经验开放性和尽责性的推断预测了招聘人员随后对申请人的就业能力评估。
.........................
第三章 诚勤公司招聘中的简历筛选现状及问题分析................................ 12
3.1 诚勤公司简述 ............................... 12
3.1.1 公司简介 .............................. 12
3.1.2 诚勤公司的人力资源招聘现状............................. 12
第四章 诚勤公司基于机器学习的简历筛选模式.......................... 21
4.1 简历筛选前的准备工作 ............................... 21
4.2 人才模型构建方法 ........................... 22
第五章 诚勤公司简历筛选的保障与优化措施.............................. 45
5.1 科学制定招聘计划 ................................. 45
5.1.1 梳理公司岗位需求 ............................ 45
5.1.2 选择招聘渠道 ........................ 46
第五章 诚勤公司简历筛选的保障与优化措施
5.1 科学制定招聘计划
诚勤公司虽然面临人力资源队伍不健全问题，但是科学合理的招聘计划非常关键，也是开展本次互联网简历筛选方案得以执行的基础。
5.1.1 梳理公司岗位需求
诚勤公司虽然面临人力资源队伍不健全问题，但是科学合理的招聘计划非常关键，也是开展本次互联网简历筛选方案得以执行的基础。
5.1.1 梳理公司岗位需求
2019 年 6 月 20 日由人事部门同事牵头，完成对用人部门研发部以及实施部对各自部门的岗位需求调研，收集并整理出了各岗位人才的具体岗位技能要求与职责，工作经验要求，人员数据量，期望入职时间等近 10 项左右需求。见表 7。
.........................
第六章 结论与展望
6.1 研究结论
本文通过分析南京诚勤教育科技有限公司的人力资源特征和互联网人才招聘问题，发现当前公司使用了互联网招聘平台并没有减轻人才招聘的工作量。本文提出了在互联网招聘平台的简历筛选环节利用了当前热门的人工智能技术来尝试解决此问题，具体使用了网络爬虫技术+百度深度学习的 PaddleNLP 工具来解决简历数据的自动采集工作，又在简历筛选过程中使用了机器学习算法来完成简历与人才模型智能匹配的工作来提升简历的准确性，为人工智能在人力资源管理方面的应用提供了一定的研究思路。本文主要得出了以下几个结论：
（1）人才模型指标的构建是简历筛选匹配的基础
做简历筛选的核心就是与人才指标模型智能匹配，本文使用了分类标记法和 Delphi 法组合使用，通过分类标记法来完成指标分类标记的工作，通过 Delphi 法来采集专家对人才模型的评价指标筛序。这个过程非常有价值，如果只用其中一种方法都会带来人才模型指标的片面性，通过组合则提升了人才模型与公司实际情况的融合。
（2）网络爬虫融合深度学习的自然语言解析能力增强了采集能力
网络爬虫作为一种成熟的网页数据采集技术应用于互联网招聘平台的简历数据采集工作是非常有价值的，融合了百度 PaddleNLP（基于深度学习的中文 NLP 开源工具集），为网络爬虫赋能了自然语言的分析能力，就会大大加强简历采集过程中针对简历信息内容解析能力。有了此能力，基于简历信息的关键词，与制定的人才模型指标体系，会在后续机器学习算法在简历筛选过程中针对指标匹配以及简历最终有效性的判断提供可能。
（3）机器学习算法提升了简历筛选的有效性
传统的简历筛选工作，如果 100 份简历筛选需要 1 个小时左右，而使用机器学习的计算机程序来进行简历筛选工作只需要运行 3 分钟就可以得出结果；当然还只是 100 份 1 个岗位的简历筛选工作，如果招聘岗位多，人手有限的情况下时间会更长，更能看出使用机器学习模式进行简历筛选方案的优势，那就是大大提升简历筛选的效率。
参考文献（略）