并非每个企业都像BAT一样每天能收到大量的主投简历，对于很多中小企业的HR来说，每天在各种渠道搜索简历成了日常。招聘忙时，每天甚至要花费50%-60%的时间在搜简历上。尽管花费大量时间，很多HR仍然搜不到合适的简历。

根据领英近期发布的《2017中国人才招聘趋势报告》显示，如果没有经费限制，有42%的招聘负责人选择投资于“更好的人才搜索工具”。如何实现简历的高效搜索，成了很多企业做招聘时的一大难题。大数据招聘服务平台e成运用机器学习算法等技术，提供个性化搜索推荐，可以较好地解决行业内HR们普遍觉得头疼的招聘搜索难题，实现简历的精准搜索匹配与智能推荐。

目前一般的搜索工具，其搜索匹配的准确率往往不能尽如人意。举例来说，在一些复合要求的搜索条件下，比如“A+B+C”，搜索出的结果有时只能较好地匹配第一个关键词A的要求，而后两个的匹配度则较差。多关键词搜索效果差，让HR不得不反复搜索，增加了他们的工作量。

另外，当同一职位需要招聘多位候选人时，HR需要在一周甚至一个月内进行多次搜索，机械劳动费时费力。如果有搜索平台能够帮助HR记住这些搜索选择，自动随时进行简历匹配，就不需要每天浪费时间搜索了。

大数据招聘服务平台e成，基于海量数据，运用机器学习算法、数据挖掘和自然语言处理（NLP）等技术提升简历与岗位的匹配效率；并能根据HR的招聘行为，定制个性化搜索推荐；通过对海量企业员工简历的数据挖掘，智能预测企业的用人偏好，从而更加精准地为企业推荐适合的简历。

智能语义搜索，“懂”你想搜的

自然语言处理技术（NLP），指的是应用统计、概率、信息论、机器学习算法等方法，让计算机理解人类语言（或至少特定领域的人类语言）的技术。e成将这项技术运用在简历解析及搜索推荐中，有效提高了简历与搜索关键词的匹配度。

相比于关键词搜索推荐的“输入什么  --> 匹配什么”，智能语义搜索推荐更像是“输入 --> 理解+联想 --> 智能匹配”。

比如，当HR输入“算法挖掘工程师”这一职位关键词时，由于这不是一个常见的职位名称（通常的表述是数据挖掘工程师或算法工程师），在e成平台搜索这个关键词，经过智能语义解析之后，除了精准匹配关键词“算法挖掘工程师”之外，还会将“数据挖掘工程师”“算法工程师”这样有可能关联的职位简历也匹配进来。

这样的搜索结果，就能在保证精准匹配的同时，尽可能涵盖所有HR心中所想的职位简历，大大提高了搜索的效率。智能语义搜索，可谓是“懂”HR所想。

智能语义解析

一框式复合搜索，多关键词精准匹配

一个职位，可能有很多要求，比如要求是产品经理，需要有2年经验，还要在上海工作的。逐个关键词搜索效率低下，e成支持一框式复合搜索，可以实现多关键词精准匹配。

以组合关键词“产品经理+2年+上海”为例，e成平台通过Query分析可以精准提供符合这三个关键词的匹配简历，呈现出在北京工作的有2年工作经验的产品经理简历。

一框式复合搜索

根据招聘行为，定制个性化搜索

个性化搜索，指的是基于搜索记录和e成预测的企业偏好为其定制搜索结果。e成会“记住”HR的每一次招聘行为：当HR曾经搜索过的职位或关键词对应的简历有了更新时，机器会智能为其匹配。

e成个性化搜索与推荐，让HR不需要反复输入相同的搜索条件，提高了简历搜索效率。HR只需要点击对应 “历史关键词”的更新简历， 就可以第一时间了解之前搜索过的职位的简历更新情况。

个性化搜索推荐

基于1.3亿海量简历数据，4300万份JD数据，e成通过大于60种维度的机器学习算法匹配，实现个性化的简历搜索推荐，真正做到“千企千面”！