百度: 智能招聘系统 百度人才智库团队（TIC）

1. 项目背景

百度充分发挥在人工智能和大数据方面的天然优势，在人力资源信息化建设上，不断创新和迭代，开创人力资源管理新高度。百度近两年来通过组建TIC（Talent Intelligence Center 人才智库），并由大数据人工智能领域国际著名专家熊辉教授领导，从人才、组织和文化三大业务场景出发，开发了一整套针对业务痛点的智能化

人才管理工具和解决方案，并通过包含6 大功能模块的TIC 线上系统实现业务落地。系统基于百度自主开发的数十项智能化机器学习模型算法工具，有效支持和辅助了人才获取、人才保留、人才发掘、组织稳定等一整套管理动作，使百度HR 管理智能化水平处于世界领先地位。

其中，智能招聘子系统作为人才获取的重要智能平台，已经实现了智能人岗匹配、市场趋势预测、人才圈子发掘等功能，大幅提升了人才招聘的效率与效果。

2. 智能招聘

智能人岗匹配

通过自然语言处理（NLP）和机器学习，百度智能招聘系统实现了岗位到候选人的双向智能推荐。这一功能改变了人才搜寻（Sourcing）依靠人力筛选海量简历的传统模式，通过“人才—岗位” 的双向智能匹配，帮助百度快速补充优质人才，大大节省人才搜寻人员的时间成本，提升招聘效率。

功能的几个特色：

①自动更新与实时性:

基于大数据概念，百度人才库面向全网候选人数据自动进行简历获取与信息更新。不断更新的动态人才库将实时同步至简历初筛与人岗匹配环节。自动更新模式将很好的解决历史上一旦简历入库就无人管理和维护的问题，帮助老简历滚动起来，持续成为百度人才获取的有效资源。不仅如此，智能人岗匹配也将基于不断更新的动态人才库，无论有新简历的入库还是有老简历的更新，相应算法模型都将动态提供推荐结果，推荐延迟仅有10 分钟，保证了业务使用的高时效性。

②人岗双向匹配:

传统的工作推荐系统通常使用基于规则的过滤器和标签体系来对人才库中的海量简历进行分类和管理。然而，推荐系统单单能挑选符合标签要求的简历，显然还不能算为智能。因为符合标签的简历, 很大程度依然不等于用人经理所需的人才，因此仅是搜索范围的收窄。同时，很多工作技能难以用标签进行有效的匹配。例如简历中的“Djongo 开发”通常会对应工作技能中的“Python 开发”；“关联规则分析”通常对应“数据挖掘”，因此欠缺经验的Recruiter 通常很难通过标签体系进行精确的人岗匹配。

百度TIC 的智能工作推荐系统需要通过人工智能手段实现工作岗位和候选人简历的精确“端到端”匹配，并能够提前预测哪些候选人真正适合当前岗位，最有可能通过面试，并且在该岗位上取得好的工作绩效。

为了实现智能推荐，百度TIC 让系统能够学会两项任务。任务一， 通过自主研发的自然语言处理和机器学习算法自动化明确岗位需求， 并基于此对百度海量人才库进行精确的简历初筛，快速排除大量低质量简历，保留优质候选简历。任务二，通过自主研发的人岗匹配神经网络（PJFNN）等深度排序学习技术，对工作岗位和初筛后的简历进行智能匹配，自动为当前工作岗位寻找在工作经验和技能上最能够胜任的候选简历，精确推荐优质候选人。

③推荐结果可视化

百度智能人岗匹配没有预设标签和简历结构，而是直接挖掘简历中的文本与岗位描述中主题的匹配关系，通过历史应聘数据的学习，判断简历与岗位的匹配程度。因此，百度的人岗匹配能够提供更加清晰直观的可视化应用，便于招聘人员理解和使用。如下图所示，通过文本挖掘模型，左边岗位描述中包含3 个主题，通过可视化展示，招聘人员直观看到简历信息与岗位描述主题的对应关系， 从而更好的理解推荐指数，并对候选人做出更有针对性的评估。通过自然语言处理和机器学习，系统已能模拟前端人才搜寻的工作，减少很大的人员和时间成本。