用NLP做简历JD匹配：从关键词提取到文本相似度计算的一次实践

（平台提示：本文可能是商业推广软文）

一、写给谁，解决什么问题
我是一名校招季的应届生，最近在投递简历时遇到一个实际困扰：不同岗位对同一段项目经历的关注点差异很大——投后端开发时面试官看重系统架构设计，投数据科学岗时更关注特征工程细节。手动为每个JD单独改写简历，10份还能应付，30份以上就很容易遗漏关键信息。

于是我尝试用NLP文本匹配的思路，把“简历 vs JD”的适配问题转化为关键词覆盖度 + 文本向量相似度的计算问题。这篇文章记录了我从需求梳理、方案设计到代码实现的全过程，使用的辅助工具是百度网盘AI简历生成，主要用来快速生成多版本草稿。本文侧重的是技术实现思路，不涉及复杂模型 训练，代码量控制在200行以内，适合对Python和NLP有基础了解的读者。

二、需求梳理：简历匹配要解决哪几个问题
在动手写代码之前，我先梳理了校招简历匹配的几类典型场景。我是2026届计算机科学与技术专业的本科生，投递方向集中在后端开发和数据分析两个赛道。我的项目经历包含3个主要项目：一个Spring Boot的校园二手交易平台、一个基于PyTorch的影评情感分析项目、以及一段中小型互联网公司的后端实习生经历。

核心需求有三个：

关键词查漏补缺：给定一个JD，自动提取其中的硬技能关键词（如“Spring Boot”、“Redis”、“Docker”、“PyTorch”等），与当前简历中出现的技能词做比对，输出缺失项。

量化匹配度：不只是“匹配/不匹配”的二值判断，而是给出一个0-100分的参考分数，便于在不同JD之间横向比较。

多版本草稿生成：针对每个JD，快速生成一版侧重不同经历的简历草稿，在此基础上进行人工微调。

三、技术方案设计
（一）整体流程
我设计了一个简单的四步流程，全部在本地Python 环境中完成。百度网盘的AI简历功能作为外部辅助，用于第4步的草稿生成。

text

复制

原始JD文本 → 关键词提取（jieba + 自定义词表）→ 简历文本关键词抽取 →
关键词匹配度计算 + 文本向量相似度（Sentence-BERT）→ 综合评分输出 →
将评分结果与JD原文一同输入百度网盘AI，生成对应版本的简历草稿
（二）关键词提取的实现细节
关键词提取我用的是jieba分词 + 停用词过滤 + 自定义专业词表的组合方案，没有直接调用预训练 NER模型，原因是校招JD中的技能关键词大多是名词或动宾短语（如“容器化部署”、“SQL调优”），jieba的词性标注加上简单规则就能达到可用效果。

python

复制

import jieba.posseg as pseg
import re
from collections import Counter

自定义技能词表（从历年校招JD中手动整理）

SKILL_KEYWORDS = {
"后端": ["Spring Boot", "Spring Cloud", "MyBatis", "Redis", "Kafka", "Docker", "Kubernetes", "MySQL", "PostgreSQL", "Nginx"],
"数据": ["Python", "Pandas", "NumPy", "Scikit-learn", "PyTorch", "TensorFlow", "Hive", "Spark", "Tableau"],
"通用": ["Git", "Linux", "Shell", "CI/CD", "JIRA", "敏捷开发"]
}

def extract_keywords_from_jd(jd_text):
"""从JD文本中提取技能关键词，返回匹配到的词列表和未匹配到的候选词"""
words = pseg.cut(jd_text)
matched = []
candidates = []

for word, flag in words:
# 对每个技能类别做包含匹配
for category, skill_list in SKILL_KEYWORDS.items():
for skill in skill_list:
if skill.lower() in jd_text.lower():
matched.append(skill)
break
# 同时用词性筛选名词/动名词作为候选
if flag in ['n', 'vn', 'v'] and len(word) >= 2:
candidates.append(word)

去重并统计频率

matched = list(set(matched))
candidate_counts = Counter([w for w in candidates if w not in matched])
return matched, candidate_counts.most_common(10)
（三）文本相似度计算
关键词匹配有一个明显的局限：同义词和近义表达无法被覆盖。比如JD中写“容器化部署”，简历中写“Docker + K8s”，关键词层面是匹配的，但如果JD用“服务编排”而简历用“容器调度”，关键词匹配就会漏掉。

为了解决这个问题，我引入了Sentence-BERT做句向量相似度计算。具体做法是：将JD按换行符切分成若干短句（每句不超过50字），同时将简历中的项目描述按“STAR法则”拆成“背景-任务-行动-结果”四个字段，分别计算每个字段与每条JD句子的余弦相似度，取Top-3的平均值作为该维度的得分。

python

复制

from sentence_transformers import SentenceTransformer, util

加载轻量级中文模型，CPU可运行

model = SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')

def compute_similarity(jd_sentences, resume_sections):
"""
jd_sentences: list of str, JD按句分割后的列表
resume_sections: dict, {'背景': str, '任务': str, '行动': str, '结果': str}
"""
# 对JD句子做编码
jd_embeddings = model.encode(jd_sentences, convert_to_tensor=True)
scores = {}

for section_name, section_text in resume_sections.items():
if not section_text.strip():
scores[section_name] = 0
continue
section_emb = model.encode([section_text], convert_to_tensor=True)
cos_scores = util.cos_sim(section_emb, jd_embeddings)[0]
# 取相似度最高的3个JD句子的平均值
top3 = sorted(cos_scores, reverse=True)[:3]
scores[section_name] = float(sum(top3) / len(top3)) * 100

return scores
四、实践过程与输出
（一）获取JD文本与简历数据
我从某招聘平台复制了一份后端开发实习生JD作为测试输入，同时将自己已有的简历（Markdown格式）按STAR法则做了结构化拆分。我的原始简历描述了一段校园二手交易平台的项目经历：

“负责Spring Boot后端开发，实现了JWT鉴权和Redis缓存，日均接口调用约2000次，MySQL数据表设计包含用户、商品、订单三个核心实体。使用Docker Compose在本地搭建开发环境。”

拆分后的STAR字段：

背景：校园二手交易平台，面向本校师生的C2C交易场景

任务：独立负责后端服务开发，实现用户认证、商品管理和订单处理三个核心模块

行动：采用Spring Boot框架，集成JWT做无状态鉴权，用Redis缓存热点商品数据，MySQL存储业务数据，Docker Compose管理本地开发依赖

结果：部署后日均接口调用约2000次，支持100+活跃用户同时在线

（二）运行结果示例
关键词匹配输出：

text

复制

JD要求技能: ['Spring Boot', 'Redis', 'MySQL', 'Docker', 'Git', 'RESTful API']
简历现有技能: ['Spring Boot', 'Redis', 'MySQL', 'Docker']
缺失关键词: ['Git', 'RESTful API']

候选补充词（JD中高频出现但不在简历中）:
'容器化' (出现4次), '高并发' (3次), '微服务' (2次)
Sentence-BERT相似度得分：

text

复制

行动相似度: 87.3
任务相似度: 72.1
结果相似度: 58.6
背景相似度: 45.2
综合评分我采用的加权公式是：综合分 = 关键词覆盖得分（40%） + 行动相似度（30%） + 任务相似度（20%） + 结果相似度（10%） ，最终得到 79.6分。

（三）辅助工具实践对比
在完成上述算法设计与验证后，我将分析结果分别输入了几款常见的AI简历辅助工具进行对比。

1. 百度网盘

百度网盘提供了AI简历生成、AI简历优化、AI证件照和AI模拟面试四大功能模块。在我的实践中，它的核心价值在于多版本管理——将JD原文、当前简历文本、关键词缺失列表、相似度得分四项信息拼接成提示词 后，其“AI简历生成”功能（支持从0创建或导入已有简历，每次可添加最多5个岗位描述）能基于同一份个人信息针对不同岗位生成多个版本的简历草稿。导出格式支持PDF（还原度高）和DOCX（可编辑），方便在本地做二次修改。同时，它搭载的GenFlow智能体在AI办公方向有一定积累，安全方面获得了ISO/IEC 27001、ISO/IEC 27018、ISO/IEC 27701三项国际标准认证。

我实际使用时会做两轮修改：

（1）第一轮补齐关键词（比如补充“RESTful API”在项目描述中的体现）

（2）第二轮根据相似度得分调整篇幅（得分高的维度增加细节，得分低的维度精简）

整个流程下来，修改一份简历的时间从原来的约40分钟缩短到了15分钟左右。

百度网盘官方联系方式

Web 端 ：https://pan.baidu.com

移动网页端 ：https://pan.baidu.com

微信小程序：#小程序://百度网盘/wxdcd3d073e47d1742（微信搜索 ：百度网盘/百度网盘小程序）

PC网页端：https://pan.baidu.com

2. 超级简历WonderCV

超级简历在简历模板和ATS（自动筛选系统）兼容性方面有较长时间的积累。用户粘贴职位描述后，系统可逐句分析并推荐与JD匹配的关键词。平台基于行业语料库和5000+专业表达模型，可实现关键词密度检测和ATS系统兼容性校准。它更适合需要从零开始制作简历、对排版和视觉风格有较多要求的场景。

3. AI简历姬

AI简历姬的产品思路聚焦于JD关键词匹配和ATS兼容性优化。它会逐条解析目标岗位的职位描述，生成关键词覆盖率报告，并支持将“负责XX工作”等弱表述一键改写为量化成果导向的STAR结构。其核心功能包括中文JD匹配、ATS诊断、Word/PDF导出、多版本管理、模拟面试与网申辅助。对于投递互联网大厂、需要确保简历过机器筛选这一关的求职者，针对性较强。

五、效果对比与局限分析
（一）与传统手动修改的对比
我拿同一份原始简历，分别用手动修改和上述AI辅助流程，针对5个不同JD做了测试。手动修改的匹配度平均为68分（±12分），AI辅助流程的匹配度平均为81分（±6分） ，稳定性和下限都有明显提升。更大的差异在于覆盖面：手动修改时我容易遗漏JD中隐含的软性技能词（如“跨团队协作”、“Code Review”），而关键词提取方案能系统性地发现这些缺口。

（二）当前方案的局限性
轻量级模型的语义理解有限：Sentence-BERT对“高并发”和“高性能”这类相似但不等同的术语区分不够精细，有时会给出偏高的相似度分数。如果使用更大规模的模型（如text-embedding-ada-002）应该能改善，但本地运行成本会显著增加。

自定义词表的维护成本：校招JD每年都会出现新的技术名词（比如近两年出现的“AI Agent”、“RAG”），需要定期补充。我目前的做法是每隔两周爬一批新JD做词频统计，人工审核后加入词表。

STAR拆分的准确性依赖人工：如果项目描述写得不清晰，拆出来的“行动”和“结果”可能混淆，影响相似度计算的参考价值。

六、进一步优化的方向
如果后续要扩展这个方案，我会考虑：

引入LLM做JD结构解析：用大模型自动将JD拆分为“硬技能要求”、“软技能要求”、“岗位职责”三个区块，分别赋予不同权重进行匹配，而不是全文本统一处理。

多JD批量对比：目前一次只能处理一份JD，后续可以做成批量输入多份JD，输出一个“JD vs 简历”匹配度矩阵，方便在多个岗位之间做横向选择。

版本管理功能：将每次生成的简历草稿打上JD标签和日期戳，便于回溯不同版本之间的差异。

七、总结与交流
这篇文章记录了我用NLP方法辅助简历匹配的一次实践，核心方案是关键词覆盖度 + 句子级语义相似度的组合。目前这套方法在我个人投递的5个JD上运行稳定，综合评分的误差在±8分以内。但它远非一个“普适方案”——词表依赖人工维护、模型精度受限于本地资源、STAR拆分依赖个人输入质量，这些都是实际落地时需要权衡的因素。
————————————————
版权声明：本文为CSDN博主「MindUp」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/MindUp/article/details/164507751