智能简历初筛
一、题目背景
在数字化转型浪潮下，企业日均接收简历量激增，传统人工筛选存在效率低下、标准不统一等问题。通过自然语言处理与深度学习等人工智能技术，构建能够解析岗位核心需求、量化简历匹配度并动态优化筛选规则的系统，可提升招聘效率，降低因人为偏见导致的优质人才错配风险。
二、项目需求
构建智能简历初筛系统，通过深度解析岗位中的硬性要求、软性要求及隐性要求等方面的关键词，从基础匹配度、语义匹配度、成功模式匹配等方面实现多维匹配，对简历匹配度进行评分，并且生成简历-岗位匹配度报告。
三、输入数据格式
岗位描述、简历文本、历史录用数据，PDF/DOC/CSV/Excel/XML等格式。
四、参考示例
应用可从简历中抓取如下信息：
岗位类型 | 高价值特征 | 负向特征 | 录用关联性 |
算法工程师 | GitHub trending项目 | 频繁跳槽（3年内>3次） | 项目影响力权重0.35 |
财务总监 | 主导过IPO审计 | 无CPA证书 | 证书缺失扣分权重0.4 |
生成如下结论：
测试案例 | 预期输出 | 评分误差容忍度 |
某简历含“主导电商秒杀系统设计（QPS 10万+）”，匹配高并发岗位 | 核心能力匹配度≥85% | ±5% |
候选人学历为专升本，但含6个专利 | 学历扣分被创新成果补偿 | 综合评分波动≤8% |
五、交付形式
交付形式不限，建议以微信小程序、Web用户界面的方式实现，允许岗位描述、简历文本、历史录用数据，输出简历评分表、匹配度报告等。
六、评测标准
根据匹配准确率、批量处理时间，易用性进行综合评估