上海2016年11月15日電 /美通社/ -- 并非每個企業都像BAT一樣每天能收到大量的主投簡歷，對于很多中小企業的HR來說，每天在各種渠道搜索簡歷成了日常。招聘忙時，每天甚至要花費50%-60%的時間在搜簡歷上。盡管花費大量時間，很多HR仍然搜不到合適的簡歷。
根據領英近期發布的《2017中國人才招聘趨勢報告》顯示，如果沒有經費限制，有42%的招聘負責人選擇投資于“更好的人才搜索工具”。如何實現簡歷的高效搜索，成了很多企業做招聘時的一大難題。大數據招聘服務平臺e成運用機器學習算法等技術，提供個性化搜索推薦，可以較好地解決行業內HR們普遍覺得頭疼的招聘搜索難題，實現簡歷的精準搜索匹配與智能推薦。
目前一般的搜索工具，其搜索匹配的準確率往往不能盡如人意。舉例來說，在一些復合要求的搜索條件下，比如“A+B+C”，搜索出的結果有時只能較好地匹配第一個關鍵詞A的要求，而后兩個的匹配度則較差。多關鍵詞搜索效果差，讓HR不得不反復搜索，增加了他們的工作量。
另外，當同一職位需要招聘多位候選人時，HR需要在一周甚至一個月內進行多次搜索，機械勞動費時費力。如果有搜索平臺能夠幫助HR記住這些搜索選擇，自動隨時進行簡歷匹配，就不需要每天浪費時間搜索了。
大數據招聘服務平臺e成，基于海量數據，運用機器學習算法、數據挖掘和自然語言處理（NLP）等技術提升簡歷與崗位的匹配效率；并能根據HR的招聘行為，定制個性化搜索推薦；通過對海量企業員工簡歷的數據挖掘，智能預測企業的用人偏好，從而更加精準地為企業推薦適合的簡歷。
智能語義搜索，“懂”你想搜的
自然語言處理技術（NLP），指的是應用統計、概率、信息論、機器學習算法等方法，讓計算機理解人類語言（或至少特定領域的人類語言）的技術。e成將這項技術運用在簡歷解析及搜索推薦中，有效提高了簡歷與搜索關鍵詞的匹配度。
相比于關鍵詞搜索推薦的“輸入什么 --> 匹配什么”，智能語義搜索推薦更像是“輸入 --> 理解+聯想 --> 智能匹配”。
比如，當HR輸入“算法挖掘工程師”這一職位關鍵詞時，由于這不是一個常見的職位名稱（通常的表述是數據挖掘工程師或算法工程師），在e成平臺搜索這個關鍵詞，經過智能語義解析之后，除了精準匹配關鍵詞“算法挖掘工程師”之外，還會將“數據挖掘工程師”“算法工程師”這樣有可能關聯的職位簡歷也匹配進來。
這樣的搜索結果，就能在保證精準匹配的同時，盡可能涵蓋所有HR心中所想的職位簡歷，大大提高了搜索的效率。智能語義搜索，可謂是“懂”HR所想。
一框式復合搜索，多關鍵詞精準匹配
一個職位，可能有很多要求，比如要求是產品經理，需要有2年經驗，還要在上海工作的。逐個關鍵詞搜索效率低下，e成支持一框式復合搜索，可以實現多關鍵詞精準匹配。
以組合關鍵詞“產品經理+2年+上海”為例，e成平臺通過Query分析可以精準提供符合這三個關鍵詞的匹配簡歷，呈現出在北京工作的有2年工作經驗的產品經理簡歷。
根據招聘行為，定制個性化搜索
個性化搜索，指的是基于搜索記錄和e成預測的企業偏好為其定制搜索結果。e成會“記住”HR的每一次招聘行為：當HR曾經搜索過的職位或關鍵詞對應的簡歷有了更新時，機器會智能為其匹配。
e成個性化搜索與推薦，讓HR不需要反復輸入相同的搜索條件，提高了簡歷搜索效率。HR只需要點擊對應 “歷史關鍵詞”的更新簡歷， 就可以第一時間了解之前搜索過的職位的簡歷更新情況。
基于1.3億海量簡歷數據，4300萬份JD數據，e成通過大于60種維度的機器學習算法匹配，實現個性化的簡歷搜索推薦，真正做到“千企千面”！
