人岗匹配

ResumeSDK的服务基于http+json格式的方式提供服务,以同时支持各种不同开发语言的客户端调用。


1、请求接口格式

按照如下方式和内容构造http请求:

  1. http请求方式:POST;
  2. http请求头字段Content Type:application/json;
  3. http请求内容:通过json格式打包如下字段信息:
    字段 类型 是否必填 描述
    uid int 必填字段 用户id
    pwd string 必填字段 用户密码
    file_name string 必填字段 简历文件名(请确保后缀正确)
    file_cont string 必填字段 简历文件内容(以base64编码),其中:
    1)图片简历:经based64编码后大小建议不超过1M,最短边至少50px,最长边最大4096px
    支持jpg/jpeg/png/bmp/tif/gif格式;
    2)非图片简历:经based64编码后大小不超过10M(注:阿里云接口是不超过8M);
    ocr_type int 可选字段 ocr(图片解析所用到的文字识别)类型,0为基础版,1为高级版,默认为0。
    其中高级版效果更佳,但是收费略有不同,具体请参考报价单;
    file_type int 可选字段 简历类型:
    1)0: 表示给定的简历为原始格式,ResumeSDK先进行解析后再与职位计算匹配。
    (该类型下,file_cont字段存放原始简历内容)
    2)1:表示给定的简历为ResumeSDK解析得到的json格式,则ResumeSDK直接计算其与职位的匹配。
    (该类型下,file_cont字段存放解析的json结果);
    need_parse_result int 可选字段 是否需要返回简历解析结果:0为否,1为是,默认为0
    jd_obj dict 必选字段 职位信息(详细见下表)

    职位信息jd_obj的相关字段:

    字段 类型 是否必填 描述
    title string 必填字段 职位标题,比如“java工程师”
    city string 可选字段 职位所在城市,格式:"上海"
    salary string 可选字段 职位月薪范围,格式:"3000-5000元/月"或"5000元以上"或"不限"
    work_year string 可选字段 工作年限要求,格式:"1-3年"、"应届生"、"不限"
    degree string 可选字段 职位学历要求,格式:"本科"、"硕士"、"不限"
    content string 可选字段 职位详情

请求结构体示例:


    {
        "uid": 123456,
        "pwd": "abccba",
        "file_name": "resume_name.docx",
        "file_cont": "UFAFDA132fAFA...",
        "need_avatar": 0,
        "jd_obj": {
          "title": "java工程师",
          "city": "北京",
          "salary": "3000-5000元/月",
          "work_year": "1-3年",
          "degree": "本科",
          "content": "工作内容:1、软件的程序设计与代码编写;2、有关技术方案、产品文档的编写,软件单元的测试;..."
      }
    }
            

2、返回接口总体格式

ResumeSDK以json格式返回解析结果,它的内容包括:

  1. "status",解析结果状态信息:
    字段 类型 描述
    code int 状态码,200表示正常,其余表示异常
    message string 状态信息描述
  2. "account",账户状态信息:
    字段 类型 描述
    uid int 用户id
    usage_limit int 用户的总调用量
    usage_remaining int 用户剩余的调用量,每成功调用一次减1,当值为0时不能再调用
  3. "match_result",简历解析结构体。包含140多个字段信息,具体参考简历解析结构体
    字段 类型 描述
    final_sim float 综合匹配得分(范围是[0.0, 10.0],下同)
    expect_sim float 期望工作匹配得分
    capacity_sim float 个人能力匹配得分
    job_exp_sim float 工作经历匹配得分
    desc_sim float 工作经历及项目经历的内容描述匹配得分
    expect_sim_obj dict 期望工作匹配信息,包括:
    1)salary_sim: 与期望薪资的匹配;
    2)city_sim: 与期望工作城市的匹配;
    3)title_sim: 与期望工作职位的匹配;
    capacity_sim_obj dict 个人能力匹配信息,包括:
    1)salary_sim: 与预估薪资的匹配;
    2)work_year_sim: 与工作年限的匹配;
    3)degree_sim:与学历的匹配;
    job_exp_sim_objs dict列表 工作经历匹配信息,计算职位与最近3段工作经历的匹配,每段包括:
    1)title_sim: 与该段工作里职位的匹配;
    2)content_sim: 与该段工作里内容的匹配;
    proj_exp_sim_objs dict列表 项目经历匹配信息,计算职位与最近3段项目经历的匹配,每段包括:
    1)title_sim: 与该项目里担任职位的匹配;
    2)content_sim: 与该项目内容的匹配;
  4. "parse_result",简历解析结构体。包含160多个字段信息,具体参考简历解析结构体。

返回结构体示例:


    {
        "status": {
            "code": 200,
            "message": "OK"
        },
        "account": {
            "uid": 123456,
            "usage_limit": 62500,
            "usage_remaining": 50000
        },
        "match_result": {
            "desc_sim": 0.0, 
            "final_sim": 1.8705288974489143, 
            "capacity_sim_obj": {
                "salary_sim": 3.452914798206278, 
                "work_year_sim": 5.0, 
                "degree_sim": 0.0
            }, 
            "capacity_sim": 1.726457399103139, 
            "job_exp_sim": 1.8781116078881657, 
            "job_exp_sim_objs": [
                {
                    "content_sim": 7.818741202354431, 
                    "title_sim": 0.0
                }, 
                {
                    "content_sim": 6.777338981628418, 
                    "title_sim": 0.0
                }, 
                {
                    "content_sim": 0, 
                    "title_sim": 0
                }
            ], 
            "proj_exp_sim_objs": [
                {
                    "content_sim": 0.0, 
                    "title_sim": 0.0
                }, 
                {
                    "content_sim": 0, 
                    "title_sim": 0
                }, 
                {
                    "content_sim": 0, 
                    "title_sim": 0
                }
            ], 
            "expect_sim": 0.0, 
            "expect_sim_obj": {
                "salary_sim": 0, 
                "city_sim": 0.0, 
                "title_sim": 0.0
            }
        }, 
        "parse_result": {
        ......
      }
    }