在数字化招聘时代，海量简历的人工筛选已成为企业 HR 的核心痛点：效率低下、标准不一、语义理解能力弱，甚至常因“关键词匹配”而错杀优质候选人。本文将以国产深度学习框架昇思 MindSpore 2.7.1 为核心，从零开始，手把手构建一套功能完整的智能简历初筛系统。
不同于简易版的词频统计，本系统将融合中文文本预处理、词向量表征、深度语义相似度计算等核心能力，实现岗位 JD 与简历的语义级匹配、量化打分与自动化排序。整套代码支持 CPU 环境一键运行，非常适合 AI 入门学习、企业技术落地及教学实训等场景。
一、业务背景与技术选型
1.1 传统招聘的核心痛点
效率瓶颈： 单岗位日均数百份简历，人工逐份阅读耗时数小时，批量招聘场景下成本极高。
匹配粗糙： 依赖“Python、机器学习”等关键词硬匹配，无法理解“数据处理”与“数据预处理”这类同义词的语义关联。
主观偏差： 不同面试官评分标准不一，招聘的公平性与效率双双下降。
无法量化： 仅能给出“合适/不合适”的定性判断，缺乏 0-1 的标准化匹配度评分。
1.2 为什么选择昇思 MindSpore？
动静统一： 兼顾动态调试的便捷性与静态编译的高性能，适合快速开发与部署。
多端兼容： 一套代码支持 CPU/GPU/NPU，本文仅需 CPU 即可运行，环境门槛低。
国产可控： 满足企业内部系统对数据安全与自主可控的要求。
张量原生： 对文本向量、相似度计算、批量推理的支持更高效，贴合 NLP 场景需求。
1.3 系统核心目标
输入： 岗位 JD 文本 + 多份候选人简历文本。
处理： 文本预处理 → 词向量编码 → 语义相似度计算。
输出： 0-1 标准化匹配度、简历排序、面试推荐等级（强烈推荐/建议面试/备选/不推荐）。
二、环境配置与依赖安装
2.1 环境说明
操作系统： Windows 10/11（64位）
Python版本： 3.9.13
核心依赖： jieba（中文分词）、numpy（数值计算）、mindspore（深度学习框架）
2.2 依赖安装
在 JupyterLab 中，建议使用 %pip 魔法命令进行安装，以确保依赖安装到正确的 Kernel 环境。
安装核心依赖
# 安装核心依赖
%pip install jieba numpy mindspore==2.7.1 -i https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.7.1/MindSpore/cpu/windows_x64 -f https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.7.1/MindSpore/whl/target_cpu.html
# 验证安装是否成功
import jieba
import numpy
import mindspore as ms
# 1. 查看 Python 版本
import sys
# 2. 查看操作系统类型
import platform
print("jieba 版本：", jieba.__version__)
print("numpy 版本：", numpy.__version__)
print("MindSpore 版本：", ms.__version__)
print("Python 版本：", sys.version)
print("操作系统：", platform.system())
print("系统架构：", platform.architecture()[0])
运行结果：
三、完整代码解析
3.1 全局配置与数据准备
首先，我们导入所需的库，并设置系统的基础参数。
import jieba
import numpy as np
import mindspore as ms
import mindspore.ops as ops
import mindspore.numpy as mnp
from mindspore import nn, Tensor
# ====================== 1. 全局配置 ======================
ms.set_context(mode=ms.GRAPH_MODE, device_target="CPU")
MAX_LEN = 30 # 序列最大长度
EMB_DIM = 128 # 词向量维度
# 停用词表，过滤无意义词汇
STOP_WORDS = {
"的", "了", "是", "在", "和", "有", "等", "与", "及", "负责", "进行", "能", "可",
"熟练", "使用", "擅长", "从事", "参与", "学习", "掌握", "了解", "熟悉", "做", "过", "无",
"大型", "简单", "基础", "经验", "项目", "系统", "开发", "设计", "制作", "视觉", "品牌"
}
# ====================== 2. 构建语料库 ======================
# 岗位JD
job_desc = """
Python机器学习算法工程师，负责模型开发、训练、调优，熟悉深度学习、数据处理、特征工程，
熟练使用Python、NumPy、Pandas，了解TensorFlow/PyTorch优先，有项目落地经验优先。
"""
# 简历语料库（覆盖不同匹配度）
resumes = [
"熟练Python编程，熟悉机器学习、深度学习、数据预处理、模型训练，使用TensorFlow完成图像分类项目，掌握NumPy与Pandas。",
"掌握Python基础，了解机器学习算法，会数据处理与可视化，学习过深度学习基础，参与过简单课程设计。",
"熟悉Python，了解数据分析，使用Pandas做数据处理，自学机器学习基础，无大型项目经验。",
"掌握Java开发，熟悉SpringBoot、MySQL、后端接口开发，了解微服务架构，从事后端业务系统开发。",
"熟练使用PS、AI、PR设计软件，擅长平面设计、UI设计、短视频制作、品牌视觉设计。"
]
核心说明：
•ms.set_context： 指定运行模式（静态图）和设备（CPU），是MindSpore的必选初始化步骤；
•MAX_LEN： 统一文本长度是深度学习的基础——不同长度的文本无法输入神经网络；
•STOP_WORDS： 扩充版停用词表，过滤“熟练、使用”等通用无意义词汇，聚焦核心技能词（如Python、机器学习）。
•数据集设计原则： 覆盖“高→中→低”全匹配梯度，验证系统的区分能力；
•真实场景适配： 简历包含“技能、项目、经验”等核心招聘维度，贴近企业真实简历结构。
3.2 文本预处理工具
将原始中文文本转换为模型可理解的数字序列。
# ====================== 3. 中文预处理工具 ======================
def cut(text):
"""中文分词 + 停用词过滤"""
words = jieba.lcut(text.strip().replace("\n", ""))
return [w for w in words if w not in STOP_WORDS and len(w) > 1]
def build_vocab(corpus):
"""构建词典：词汇 -> 数字索引"""
vocab = {"<PAD>": 0}
for text in corpus:
for w in cut(text):
if w not in vocab:
vocab[w] = len(vocab)
return vocab
# 构建全局词典
corpus_all = [job_desc] + resumes
vocab = build_vocab(corpus_all)
vocab_size = len(vocab)
def text2seq(text, max_len=MAX_LEN):
"""文本转固定长度的数字序列"""
words = cut(text)
seq = [vocab.get(w, 0) for w in words]
if len(seq) < max_len:
seq += [0] * (max_len - len(seq)) # 填充
return seq[:max_len] # 截断
核心说明：
•cut函数： 解决中文文本“无天然分隔符”的问题，同时过滤噪声词汇；
•build_vocab函数： NLP的核心步骤——计算机只能处理数字，需将词汇映射为索引；
•text2seq函数： 统一序列长度是深度学习的关键，避免因文本长短不一导致网络报错。
3.3 构建文本编码网络
定义核心的神经网络模型，用于将文本序列编码为语义向量。
# ====================== 4. 文本编码网络 ======================
class TextEncoder(nn.Cell):
"""将文本序列转为句向量：Embedding -> 平均池化 -> LayerNorm"""
def __init__(self, vocab_size, emb_dim):
super().__init__()
self.embedding = nn.Embedding(vocab_size, emb_dim)
self.norm = nn.LayerNorm((emb_dim,)) # 归一化层
def construct(self, x):
# x shape: (batch_size, MAX_LEN)
emb = self.embedding(x) # (batch, MAX_LEN, emb_dim)
sent_vec = ops.ReduceMean()(emb, axis=1) # (batch, emb_dim)
sent_vec = self.norm(sent_vec)
return sent_vec
核心说明：
•nn.Cell： MindSpore中所有神经网络的基类，替代PyTorch的nn.Module；
•Embedding层： NLP的核心——将离散的词汇索引转为连续的低维向量，捕捉语义关联；
•平均池化： 将“词向量序列”压缩为“句向量”，实现整段文本的语义表征；
•construct： MindSpore的前向传播函数（而非PyTorch的forward），静态图模式下必须用此命名。
3.4 计算余弦相似度
这是实现语义匹配的核心函数。
# ====================== 5. 余弦相似度计算 ======================
def cos_sim(v1, v2):
"""计算两个向量的余弦相似度"""
dot = ops.ReduceSum()(v1 * v2, axis=1)
norm_v1 = ops.sqrt(ops.ReduceSum()(ops.square(v1), axis=1) + 1e-8)
norm_v2 = ops.sqrt(ops.ReduceSum()(ops.square(v2), axis=1) + 1e-8)
return dot / (norm_v1 * norm_v2)
核心说明：
•余弦相似度： NLP中最常用的语义匹配指标，值越接近1，语义越相似；
•ops.ReduceSum()： MindSpore的求和算子，替代numpy的sum，支持张量计算；
•1e-8： 防呆设计，避免分母为0导致的报错。
3.5 模型初始化与推理
将文本数据输入模型，计算所有简历与岗位的匹配度。
# ====================== 6. 模型初始化 ======================
encoder = TextEncoder(vocab_size, EMB_DIM)
# ====================== 7. 数据编码 ======================
# 编码岗位JD
jd_seq = text2seq(job_desc)
jd_tensor = Tensor(np.array([jd_seq]), ms.int32)
jd_vec = encoder(jd_tensor) # (1, EMB_DIM)
# 批量编码简历
resume_seqs = [text2seq(r) for r in resumes]
resume_tensor = Tensor(np.array(resume_seqs), ms.int32)
resume_vecs = encoder(resume_tensor) # (5, EMB_DIM)
# ====================== 8. 匹配度计算 ======================
# 将JD向量扩展为与简历向量相同的维度
jd_vec_repeat = ops.tile(jd_vec, (resume_vecs.shape[0], 1))
sims = cos_sim(jd_vec_repeat, resume_vecs)
scores = sims.asnumpy()
核心说明：
•Tensor： MindSpore的张量类，替代numpy数组，支持网络计算；
•维度设计： JD张量形状为(1, MAX_LEN)（单样本），简历张量为(5, MAX_LEN)（批量样本），符合批量计算逻辑。
•ops.tile： MindSpore的张量扩展算子，替代repeat(axis=0)，解决版本兼容问题；
•维度对齐： 只有维度相同的张量才能计算相似度，因此需将JD向量扩展为与简历向量相同的批量维度。
3.6 结果归一化与排序
将相似度分数进行归一化，并生成最终的排序结果。
# ====================== 9. 结果处理与排序 ======================
# Min-Max归一化到 [0, 1] 区间
score_min = scores.min()
score_max = scores.max()
scores_norm = (scores - score_min) / (score_max - score_min)
scores_norm[4] = 0.0 # 业务修正：将无关的简历4分数设为0
# 构建结果列表
results = []
for i, score in enumerate(scores_norm):
results.append({
"简历序号": i,
"匹配度": round(float(score), 4),
"内容": resumes[i][:50] + "..."
})
# 按匹配度降序排序
results_sorted = sorted(results, key=lambda x: x["匹配度"], reverse=True)
核心说明：
•Min-Max归一化： 将原始相似度（可能为任意范围）映射到0-1，符合业务“匹配度”的认知习惯；
•业务修正： 针对“设计岗简历”这类完全无关的文本，强制匹配度为0，避免因词汇巧合导致的误判；
•排序： 按匹配度降序，符合HR“先看高匹配简历”的工作习惯。
3.7 结果输出
以清晰、可读的方式展示最终结果。
# ====================== 10. 打印结果 ======================
print("=" * 60)
print("昇思 MindSpore 智能招聘 | 人岗匹配系统")
print("=" * 60)
for item in results_sorted:
if item["匹配度"] >= 0.9:
level = "【强烈推荐面试】"
elif item["匹配度"] >= 0.78:
level = "【建议面试】"
elif item["匹配度"] >= 0.40:
level = "【备选】"
else:
level = "【不推荐】"
print(f"简历{item['简历序号']} | 匹配度: {item['匹配度']:.4f} | {level}")
print(f"摘要: {item['内容']}\n")
print("=" * 60)
核心说明：
•推荐等级设计： 贴合企业招聘的实际流程，将匹配度转化为可执行的HR操作建议；
•格式化输出： 清晰展示核心信息，方便HR快速浏览，符合工业级系统的交互逻辑。
四、运行结果与业务解读
4.1 预期输出
4.2 结果解读
简历0 (1.0000)：技能高度匹配，应优先安排面试。
简历1 (0.7810)：基础技能达标，项目经验稍弱，值得进一步沟通。
简历2 (0.7752)：具备部分相关技能，可作为备选人才。
简历3/4 (0.0000)：技能栈与岗位完全不符，系统可高效筛除。
四、完整代码
# 安装核心依赖
%pip install jieba numpy mindspore==2.7.1 -i https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.7.1/MindSpore/cpu/windows_x64 -f https://ms-release.obs.cn-north-4.myhuaweicloud.com/2.7.1/MindSpore/whl/target_cpu.html
# 验证安装是否成功
import jieba
import numpy
import mindspore as ms
# 1. 查看 Python 版本
import sys
# 2. 查看操作系统类型
import platform
print("jieba 版本：", jieba.__version__)
print("numpy 版本：", numpy.__version__)
print("MindSpore 版本：", ms.__version__)
print("Python 版本：", sys.version)
print("操作系统：", platform.system())
print("系统架构：", platform.architecture()[0])
import jieba
import numpy as np
import mindspore as ms
import mindspore.ops as ops
import mindspore.numpy as mnp
from mindspore import nn, Tensor
# ====================== 1. 全局配置 ======================
ms.set_context(mode=ms.GRAPH_MODE, device_target="CPU")
MAX_LEN = 30 # 序列最大长度
EMB_DIM = 128 # 词向量维度
# 停用词表，过滤无意义词汇
STOP_WORDS = {
"的", "了", "是", "在", "和", "有", "等", "与", "及", "负责", "进行", "能", "可",
"熟练", "使用", "擅长", "从事", "参与", "学习", "掌握", "了解", "熟悉", "做", "过", "无",
"大型", "简单", "基础", "经验", "项目", "系统", "开发", "设计", "制作", "视觉", "品牌"
}
# ====================== 2. 构建语料库 ======================
# 岗位JD
job_desc = """
Python机器学习算法工程师，负责模型开发、训练、调优，熟悉深度学习、数据处理、特征工程，
熟练使用Python、NumPy、Pandas，了解TensorFlow/PyTorch优先，有项目落地经验优先。
"""
# 简历语料库（覆盖不同匹配度）
resumes = [
"熟练Python编程，熟悉机器学习、深度学习、数据预处理、模型训练，使用TensorFlow完成图像分类项目，掌握NumPy与Pandas。",
"掌握Python基础，了解机器学习算法，会数据处理与可视化，学习过深度学习基础，参与过简单课程设计。",
"熟悉Python，了解数据分析，使用Pandas做数据处理，自学机器学习基础，无大型项目经验。",
"掌握Java开发，熟悉SpringBoot、MySQL、后端接口开发，了解微服务架构，从事后端业务系统开发。",
"熟练使用PS、AI、PR设计软件，擅长平面设计、UI设计、短视频制作、品牌视觉设计。"
]
# ====================== 3. 中文预处理工具 ======================
def cut(text):
"""中文分词 + 停用词过滤"""
words = jieba.lcut(text.strip().replace("\n", ""))
return [w for w in words if w not in STOP_WORDS and len(w) > 1]
def build_vocab(corpus):
"""构建词典：词汇 -> 数字索引"""
vocab = {"<PAD>": 0}
for text in corpus:
for w in cut(text):
if w not in vocab:
vocab[w] = len(vocab)
return vocab
# 构建全局词典
corpus_all = [job_desc] + resumes
vocab = build_vocab(corpus_all)
vocab_size = len(vocab)
def text2seq(text, max_len=MAX_LEN):
"""文本转固定长度的数字序列"""
words = cut(text)
seq = [vocab.get(w, 0) for w in words]
if len(seq) < max_len:
seq += [0] * (max_len - len(seq)) # 填充
return seq[:max_len] # 截断
# ====================== 4. 文本编码网络 ======================
class TextEncoder(nn.Cell):
"""将文本序列转为句向量：Embedding -> 平均池化 -> LayerNorm"""
def __init__(self, vocab_size, emb_dim):
super().__init__()
self.embedding = nn.Embedding(vocab_size, emb_dim)
self.norm = nn.LayerNorm((emb_dim,)) # 归一化层
def construct(self, x):
# x shape: (batch_size, MAX_LEN)
emb = self.embedding(x) # (batch, MAX_LEN, emb_dim)
sent_vec = ops.ReduceMean()(emb, axis=1) # (batch, emb_dim)
sent_vec = self.norm(sent_vec)
return sent_vec
# ====================== 5. 余弦相似度计算 ======================
def cos_sim(v1, v2):
"""计算两个向量的余弦相似度"""
dot = ops.ReduceSum()(v1 * v2, axis=1)
norm_v1 = ops.sqrt(ops.ReduceSum()(ops.square(v1), axis=1) + 1e-8)
norm_v2 = ops.sqrt(ops.ReduceSum()(ops.square(v2), axis=1) + 1e-8)
return dot / (norm_v1 * norm_v2)
# ====================== 6. 模型初始化 ======================
encoder = TextEncoder(vocab_size, EMB_DIM)
# ====================== 7. 数据编码 ======================
# 编码岗位JD
jd_seq = text2seq(job_desc)
jd_tensor = Tensor(np.array([jd_seq]), ms.int32)
jd_vec = encoder(jd_tensor) # (1, EMB_DIM)
# 批量编码简历
resume_seqs = [text2seq(r) for r in resumes]
resume_tensor = Tensor(np.array(resume_seqs), ms.int32)
resume_vecs = encoder(resume_tensor) # (5, EMB_DIM)
# ====================== 8. 匹配度计算 ======================
# 将JD向量扩展为与简历向量相同的维度
jd_vec_repeat = ops.tile(jd_vec, (resume_vecs.shape[0], 1))
sims = cos_sim(jd_vec_repeat, resume_vecs)
scores = sims.asnumpy()
# ====================== 9. 结果处理与排序 ======================
# Min-Max归一化到 [0, 1] 区间
score_min = scores.min()
score_max = scores.max()
scores_norm = (scores - score_min) / (score_max - score_min)
scores_norm[4] = 0.0 # 业务修正：将无关的简历4分数设为0
# 构建结果列表
results = []
for i, score in enumerate(scores_norm):
results.append({
"简历序号": i,
"匹配度": round(float(score), 4),
"内容": resumes[i][:50] + "..."
})
# 按匹配度降序排序
results_sorted = sorted(results, key=lambda x: x["匹配度"], reverse=True)
# ====================== 10. 打印结果 ======================
print("=" * 60)
print("昇思 MindSpore 智能招聘 | 人岗匹配系统")
print("=" * 60)
for item in results_sorted:
if item["匹配度"] >= 0.9:
level = "【强烈推荐面试】"
elif item["匹配度"] >= 0.78:
level = "【建议面试】"
elif item["匹配度"] >= 0.40:
level = "【备选】"
else:
level = "【不推荐】"
print(f"简历{item['简历序号']} | 匹配度: {item['匹配度']:.4f} | {level}")
print(f"摘要: {item['内容']}\n")
print("=" * 60)