论文部分内容阅读
随着我国信息化技术的发展,以求职招聘网站为代表的就业信息服务成为了个人求职、企业招聘的主要渠道。但是随着互联网的高速发展,当前的就业信息服务已经不能满足求职者的需求,体现在两个方面:一、移动互联网发展迅猛,而大部分就业服务机构并没有意识到移动互联网发展带来的巨大机遇与挑战;二、第三方就业服务机构层出不穷,就业信息严重冗余,求职者难以高效地获取有用的就业信息,求职效率低下。在此背景下,本课题基于移动就业信息服务的个性化推荐系统设计与实现的提出有了较强的现实意义,主要研究内容如下:①结构化就业信息采集引擎实现。首先本文通过Web爬虫技术将预设的第三方就业信息网站下载就业信息。接下来通过信息采集、抽取技术对就业信息进行清洗与整理。最后去重并存入MySql数据库,形成一个标准的就业信息数据集。②实现移动端用户行为采集与处理。求职用户通过移动客户端与服务器进行交互,服务器监控客户的就业求职行为(浏览、收藏、申请等),通过规则将行为记录转化为用户-就业信息评分矩阵。③实现就业信息的个性化推荐。利用求职用户的历史行为数据,设计一个改进的基于时间衰减的协同过滤推荐算法,采用离线推荐策略,将产生的推荐结果存入用户的推荐结果库。④实现一个劳动者就业信息公共服务平台(API开放)。实现Restful风格的就业信息公共服务平台,方便客户端扩展。⑤实现一个移动客户端软件。在Android平台上完成了一个就业服务APP的设计和开发工作,实现了本文移动就业的最终目标。本论文通过研究信息采集技术实现多源、海量就业信息的整合;通过改进的协同过滤推荐算法,解决就业信息冗余,提高就业效率;设计实现REST风格的API接口,并完成移动客户端软件的开发,为求职用户提供高效率、个性化的就业信息服务。