大版本修改前的方案改造 实体类修改
This commit is contained in:
zk
@@ -0,0 +1,163 @@
|
||||
# 评分体系改造方案
|
||||
|
||||
## 核心公式
|
||||
|
||||
`MatchScore = Sedu × 30% + Sexp × 40% + Sskill × 30%`
|
||||
|
||||
---
|
||||
|
||||
## 一、表结构改动
|
||||
|
||||
### 1. 新建表：bg_major_category（专业分类，三级树形）
|
||||
|
||||
```sql
|
||||
create table bg_major_category (
|
||||
id bigint not null comment 'ID' primary key,
|
||||
name varchar(50) not null comment '类型名称',
|
||||
root_id bigint not null comment '根节点ID，顶级=自身ID',
|
||||
parent_id bigint not null comment '父级ID，0=顶级',
|
||||
level int not null comment '层级 1=一级 2=二级 3=三级'
|
||||
) comment '专业分类' row_format = DYNAMIC;
|
||||
```
|
||||
|
||||
基于《教育部普通高等学校本科专业目录》建立层级索引，AI 将简历/岗位专业归一化到标准 ID。
|
||||
|
||||
### 2. bg_skill_tag — 改造
|
||||
|
||||
| 操作 | 字段 | 说明 |
|
||||
|------|------|------|
|
||||
| 删除 | `category_id` | 不再挂岗位分类 |
|
||||
| 新增 | `name` 唯一索引 | 去重用 |
|
||||
|
||||
定位从"人工预定义"变为"AI 提取自动入库"。提取技能时先查表去重，不存在则 insert，拿 ID 写关联表。
|
||||
|
||||
### 3. bg_job — 新增字段
|
||||
|
||||
| 字段 | 类型 | 备注 |
|
||||
|------|------|------|
|
||||
| `required_major_ids` | json | 要求专业ID数组，关联 bg_major_category |
|
||||
| `major_sensitivity` | tinyint | 专业敏感度 0=不限 1=优先 2=强制 |
|
||||
|
||||
### 4. bg_user_profile — 新增字段
|
||||
|
||||
| 字段 | 类型 | 备注 |
|
||||
|------|------|------|
|
||||
| `major_ids` | json | 用户专业ID数组，关联 bg_major_category |
|
||||
| `school_rank` | tinyint | 学校等级 1=C9/985/QS前50 2=211/双一流/QS前200 3=普通一本/QS前500 4=其他 |
|
||||
| `company_prestige` | tinyint | 公司背书 1=名企 2=普通实习 3=校内活动 4=无 |
|
||||
| `experience_duration` | tinyint | 经历时长 1=≥3月 2=1-3月 3=≤1月 |
|
||||
| `role_depth` | tinyint | 职责深度 1=主导/创新 2=执行/应用 3=辅助/学习 |
|
||||
| `output_quality` | tinyint | 量化产出 1=有量化结果 2=有具体产出 3=纯描述 |
|
||||
| `honors` | json | 荣誉/竞赛/论文，格式：{"national":[],"provincial":[],"school":[],"paper":[]} |
|
||||
|
||||
以上字段全部不在前端展示，纯用于评分计算，由 AI 分析简历后写入。
|
||||
|
||||
### 5. bg_user_profile — 废弃字段
|
||||
|
||||
| 字段 | 说明 |
|
||||
|------|------|
|
||||
| `work_years` | 被经历质量维度替代 |
|
||||
| `experience_industry_ids` | 行业前置过滤废除 |
|
||||
|
||||
### 6. 不变的表
|
||||
|
||||
- `bg_job_skill_tag_relation` — 结构不变，数据来源从预定义标签变为 AI 自动入库标签
|
||||
- `bg_user_profile_skill_tag_relation` — 同上
|
||||
|
||||
---
|
||||
|
||||
## 二、评分算法
|
||||
|
||||
### 维度1：教育背景（Sedu）— 权重 30%
|
||||
|
||||
学校等级分（Srank）与专业相关度（Smajor）的权重由专业敏感度决定：
|
||||
|
||||
| 专业敏感度 | 公式 | 特殊规则 |
|
||||
|-----------|------|---------|
|
||||
| 强制（2） | Sedu = Srank × 0.4 + Smajor × 0.6 | 若 Smajor < 40，Sedu = Sedu × 0.5 |
|
||||
| 优先（1） | Sedu = Srank × 0.6 + Smajor × 0.4 | 无 |
|
||||
| 不限（0） | Sedu = Srank × 1.0 | Smajor 默认100，不减分 |
|
||||
|
||||
学校等级映射：1→100, 2→80, 3→60, 4→40
|
||||
|
||||
专业相关度（基于 bg_major_category 树形匹配）：
|
||||
- 完全匹配（同三级专业）→ 100
|
||||
- 相关对口（同二级专业类）→ 70
|
||||
- 跨专业相关（同一级学科门类）→ 30
|
||||
- 不相关 → 0
|
||||
|
||||
### 维度2：经历质量（Sexp）— 权重 40%
|
||||
|
||||
`Sexp = 公司背书 × 30% + 时长 × 10% + 经历深度 × 60%`
|
||||
|
||||
公司背书映射：1→100, 2→60, 3→30, 4→0
|
||||
经历时长映射：1→100, 2→60, 3→30
|
||||
|
||||
经历深度（60%）内部拆解：
|
||||
|
||||
| 子项 | 占比 | 说明 |
|
||||
|------|------|------|
|
||||
| 语义相关度 | 40% | AI 判断经历与岗位方向的相关性 |
|
||||
| 职责深度 | 25% | 映射：1→100, 2→80, 3→40 |
|
||||
| 量化产出 | 20% | 映射：1→100, 2→70, 3→40 |
|
||||
| 荣誉加分 | 15% | 封顶累加制，总分不超过100 |
|
||||
|
||||
荣誉分值规则：
|
||||
- 国奖级（national）：每项 +15-20
|
||||
- 省奖/大厂赛（provincial）：每项 +8-10
|
||||
- 院校级/专业证（school）：每项 +3-5
|
||||
- 顶刊顶会论文：每项 +15-20，普通论文：每项 +8-10
|
||||
|
||||
### 维度3：技能匹配（Sskill）— 权重 30%
|
||||
|
||||
废除产品方案中的向量距离、技能近亲表、分层技能池。
|
||||
|
||||
采用简化方案：
|
||||
- AI 自由提取技能 + prompt demo 约束颗粒度
|
||||
- 提取结果入 bg_skill_tag（去重），写关联表
|
||||
- 匹配时通过 skill_tag_id 做集合碰撞
|
||||
- 公式：`Sskill = (匹配数量 / 岗位要求数量) × 100`
|
||||
|
||||
---
|
||||
|
||||
## 三、数据清洗改造
|
||||
|
||||
### 岗位清洗（JobCleanService）
|
||||
|
||||
改动：
|
||||
- 第二次 AI 调用从"预定义标签匹配"改为"自由提取 + prompt demo 约束"
|
||||
- 新增：提取要求专业 → 归一化到 bg_major_category ID
|
||||
- 新增：提取专业敏感度
|
||||
- 技能入库逻辑：查 bg_skill_tag 去重 → insert → 写关联表
|
||||
|
||||
### 用户简历分析（UserSkillTagMatchService）
|
||||
|
||||
改动：
|
||||
- 可能简化为一次 AI 调用，直接从简历全文提取
|
||||
- 新增：识别学校等级、公司背书、经历时长、职责深度、量化产出、荣誉
|
||||
- 新增：提取用户专业 → 归一化到 bg_major_category ID
|
||||
- 技能入库逻辑同上
|
||||
|
||||
### DictCacheService
|
||||
|
||||
- 删掉 skillTagMap、getSkillTagText()、getSkillTagIds()
|
||||
- 新增：加载 bg_major_category 缓存（供专业归一化使用）
|
||||
|
||||
---
|
||||
|
||||
## 四、影响文件汇总
|
||||
|
||||
| 文件 | 改动 |
|
||||
|------|------|
|
||||
| SkillTag.java | 删 categoryId |
|
||||
| Job.java | 加 requiredMajorIds、majorSensitivity |
|
||||
| UserProfile.java | 加 7 个新字段，删 workYears、experienceIndustryIds |
|
||||
| MajorCategory.java | 新建 PO |
|
||||
| MajorCategoryMapper.java | 新建 Mapper |
|
||||
| DictCacheService | 删技能缓存，加专业缓存 |
|
||||
| JobCleanService | 改技能提取 + 新增专业/敏感度提取 |
|
||||
| JobCleanTransactionService | 改技能入库逻辑 |
|
||||
| UserSkillTagMatchService | 大改，新增多维度识别 |
|
||||
| JobMatchService | 重写，三维度算法全换 |
|
||||
| JobMatchScoreDto | 改字段（教育/经历/技能） |
|
||||
| JobDto / JobDetailDto | matchScore 范围可能变化 |
|
||||
Reference in New Issue
Block a user