AI简历智能筛选系统：基于NLP的自动化招聘解决方案

这个开源项目由Samriddhi Singh开发，基于Python和Flask框架，利用NLP技术（如spaCy NER、TF-IDF、余弦相似度）实现简历智能筛选与排名。系统提供可视化仪表板、候选人评分对比、批量上传、实时搜索筛选及CSV报告导出等功能，旨在解决企业海量简历筛选耗时耗力、主观遗漏的痛点，帮助HR提升招聘效率。

在竞争激烈的就业市场中，企业招聘部门面临海量简历筛选挑战。传统人工审核耗时耗力，易因主观因素遗漏优秀候选人。据统计，大型企业招聘一个职位平均收到数百份简历，HR需花费大量时间初筛。本项目通过NLP与机器学习技术，为招聘流程智能化升级，解放HR精力至面试与人才评估环节。

智能实体提取

采用spaCy NER模型提取简历中姓名、邮箱等关键信息，识别失败时自动回退正则表达式，保障信息提取可靠性。

语义相似度匹配

基于TF-IDF向量表示与余弦相似度计算，将职位描述与简历文本转为向量，量化匹配程度，相比关键词匹配更理解语义。

交互式可视化

集成Chart.js渲染候选人评分分布图，直观展示分数分布，辅助快速识别高分候选人和异常值。

批量拖拽上传

支持批量上传多份简历，文件队列管理，分析前可确认调整，设计考虑实际灵活性需求。

实时搜索与筛选

客户端实时搜索（姓名、邮箱、技能标签），匹配分数滑块筛选特定区间候选人，提升效率。

双主题设计

提供深色（靛蓝/紫红霓虹太空主题）与浅色模式，平滑切换，提升用户体验。

CSV报告导出

一键导出候选人排名、邮箱、分数、文件名等信息的CSV报告，方便离线分析与存档。

技术栈：后端Python+Flask，前端原生HTML/CSS/JS配合Chart.js和Lucide Icons。 部署步骤：克隆仓库→安装依赖（pip install -r requirements.txt）→运行python app.py，本地访问http://localhost:5000。架构清晰，代码组织合理，便于二次定制。

该系统适用于：

1. 校园招聘：快速筛选应届毕业生简历；
2. 技术岗位：语义匹配识别技术栈与职位要求；
3. 猎头公司：高效管理候选人资源，匹配合适人选；
4. 中小企业：弥补专业HR不足，提升招聘效率。

本项目展示了NLP技术在招聘场景的实际应用，提供实用开源方案，代码结构清晰、文档完善，是学习NLP应用与Flask开发的参考案例。 未来可扩展：支持更多简历格式（如Word）、集成BERT等预训练模型提升匹配准确度、添加候选人追踪与历史记录功能，打造完整招聘管理方案。