本发明涉及一种管理系统领域，具体是一种招聘和应聘匹配方法。
背景技术：
目前，在现有的招聘平台上（网站和互联网），在职位和简历匹配中，采用的是数据和内容的匹配。职位和简历都分为数据和内容两部分：
职位分为两部分：
1-数据部分：如：工作地点、行业类别、职位类别、工作亮点、学历、经验年数，等等。这部分数据在职位占比例：20-30％。
2-内容部分：职位要求和职位描述。这部分数据在职位占比例：70-80％。
简历也是分两部分：
1-数据部分：如：工作地点、行业类别、职位类别、工作亮点、学历、经验年数，等等。这部分数据在简历一般占比例：20-30％。
2-内容部分：自我介绍、工作经验描述，这部分数据在简历一般占比例：70-80％。
目前的匹配依靠职位和简历之间的数据匹配数据，然而，职位和简历之间的内容的匹配准确性很低，这是由于，对于同一事物，求职者与招聘方双方的描述方式并非完全一致，这便导致了由描述方式差异引起的描述结果的不一致，也必然导致职位与简历在内容上匹配度低下。然而，无论是在招聘方发布的职位上，还是在求职者提交的简历中，内容部分都占据了大部分，是职位和简历的主体。因此，内容的不匹配，导致了现有的匹配系统准确性低下，匹配准确性大概仅有20-30％。因此，对招聘方来说，须手动查看、过滤每个简历是否适合符合其要求，极为耗时。同时，在求职者方面，部分求职者尽管专业能力很强，但表达能力不足，因此无法通过自己撰写的简历合理地表达出自己的专业能力，这无疑会降低其获得工作的机会。
为了解决上述两个问题，即职位与简历在内容上匹配度低下、人才由于简历撰写能力不足而拉低求职成功率的问题，我们创建了大数据，用以代替职位和简历内容的部分。所以，招聘方在创建职位的时候在填写职位内容部分（职位描述、职位需求）会采用来自数据库的词组。此词组数据库，是APP通过分析几十万职位内容部分（职位描述、职位需求）统计出来的。同时，求职者在创建简历内容部分的时候（自我介绍、工作经验描述），系统会自动向用户推荐词组，用户从词组的数据中选择合适的描述添加至简历。如此，匹配准确性将提升至70-100％。对于词组，APP从现有的百万职位描述中进行统计，通过统计软件词组的频率进行计算，经由相关的专业人士对内容进行确认。统计词组成本大概在四、五百万人民币，同时翻译此词组成本约为几十万人民币。同时，为适应各个行业的发展，这些词组会不断更新，因此，维护成本每年约为一、二百万人民币。
技术实现要素：
本发明的目的在于提供一种招聘和应聘匹配方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种招聘和应聘匹配方法，具体包括以下步骤：
（1）对海量的招聘职位和应聘简历中的多类信息分别进行大数据统计分析；
（2）APP平台根据大数据统计分析的结果进行词组的创建；
（3）招聘方创建招聘职位时，APP平台根据应聘简历中的匹配词组进行自动筛选，基于大数据的筛选后，得到大数据量化精确匹配的应聘简历；
（4）应聘方创建应聘简历时，APP平台根据招聘职位中的匹配词组进行自动筛选，基于大数据的筛选后，得到大数据量化精确匹配的招聘职位。
作为本发明进一步的方案：步骤（1）中招聘职位中的多类信息包括行业、职位、地点、语言的职位描述和职位需求数据。
作为本发明进一步的方案：步骤（1）中应聘简历中的多类信息包括求职意向、个人信息、自我介绍、工作经验、学历、培训、语言的简历描述数据。
作为本发明进一步的方案：步骤（1）中大数据统计分析为基于神经网络的机器深度学习算法。
作为本发明进一步的方案：步骤（2）中词组的创建为根据大数据统计分析的结果进行职位和简历相关性数据的评定。
与现有技术相比，本发明的有益效果是：
本发明能够为职位和简历提供更高的自动匹配功能，大大缩减招聘方简历过滤的时间，同时还能够帮忙求职者使用专业语言创建简历，提高招聘方的认可率；对于每个用户，无论是求职者还是招聘方，系统会增加功能，根据发布的职位数据推荐匹配率较高的简历，并根据被创建过的简历推荐匹配率较高的职位。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
一种招聘和应聘匹配方法，具体包括以下步骤：
（1）对海量的招聘职位和应聘简历中的多类信息分别进行大数据统计分析；
（2）APP平台根据大数据统计分析的结果进行词组的创建；
（3）招聘方创建招聘职位时，APP平台根据应聘简历中的匹配词组进行自动筛选，基于大数据的筛选后，得到大数据量化精确匹配的应聘简历；
（4）求职者创建应聘简历时，APP平台根据招聘职位中的匹配词组进行自动筛选，基于大数据的筛选后，得到大数据量化精确匹配的招聘职位。
其中：
步骤（1）中招聘职位中的多类信息包括行业、职位、地点、语言的职位描述和职位需求数据。
步骤（1）中应聘简历中的多类信息包括求职意向、个人信息、自我介绍、工作经验、学历、培训、语言的简历描述数据。
步骤（1）中大数据统计分析为基于神经网络的机器深度学习算法。
步骤（2）中词组的创建为根据大数据统计分析的结果进行职位和简历相关性数据的评定。
在实际操作中，招聘方需要进行对发布的招聘职位中职位需求和职位描述进行填写，其中APP平台对其中职位类相关词组、行业类相关词组及性格词组进行筛选推荐，招聘方通过大数据统计分析及APP平台可以找到职位和简历精确匹配率高达80-100%的合适人才。
求职者在APP上对自我介绍和工作经验进行填写时， APP平台会自动针对用户的行业、职位、性格、能力等进行相关词组的推荐，不仅会大大节约所有用户的操作时间，而且尤其适用于简历撰写能力较为一般的求职者，通过词组的选择，系统能够助其实现更加专业且全面的自我描述。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。