知识图谱在AI招聘领域的应用实例（多图预警）

此前我们初步探讨了知识图谱在招聘领域的一些应用方向，本文我们将结合探也AI招聘系统来给大家展示一下知识图谱在招聘各个环节的应用实例。

探也的招聘知识图谱涵盖了我们在招聘中常用的实体信息，如行业（包括目标客户行业）、细分领域、公司、产品/品牌、职位、项目、技能（包括硬技能和软技能）、学校、专业、学历等，此外还有一些如地域、民族、政治面貌等实体信息。

这些知识图谱首先作为背景信息和先验知识，记录的主要是它们本身的详细信息和相互之间的关系，再通过深度学习技术，优化已有的知识体系中不准、不全和不够灵活的地方，并从大规模的JD和简历中学到这些信息的隐性表示，建立实体间的关联关系，形成一个庞大的图数据库。

下面我们一起来看一看探也的知识图谱在招聘中是如何发挥作用的，多图预警。

01 实体信息增强

知识图谱作为一种语义网络，是一个具有图结构的知识库，实体信息的增强解释和说明是知识图谱最基本的功能。
在招聘过程中，我们经常需要了解某个学校是否985/211，是公立还是民办，了解候选人简历中提到的公司是做什么的，规模怎样，是否与本公司所处同一行业或相关领域，探也系统均对这些信息做了处理和呈现。