论文部分内容阅读
近年来,高校毕业生就业情况逐渐成为社会讨论的热点问题。一方面,逐年上升的毕业总人数使得学生之间的就业竞争压力不断增大;另一方面,企业对人才质量的要求不断提高导致就业门槛不断提高。这两方面的因素导致毕业生与招聘方的交互难度不断提升。就业推荐系统可以搭建毕业生与企业需求之间的桥梁,这是缓解学生就业问题的有效方法。现有的学生就业推荐系统中仍然存在以下问题:(1)采取范围性推荐,无法针对个体实现精准推荐;(2)采取粗暴推荐,忽视学生背景因素对就业推荐结果的影响;(3)采取单方面推荐,忽略求职场景中企业招聘需求与学生相互匹配的重要性。针对上述问题,本文提出了两种适用于学生求职招聘的推荐算法改进策略:(1)为了实现不同学生群体的精准推荐,提出了一种基于用户的改进推荐算法。算法首先根据学生背景聚类建立若干相似子群,并将企业热度值和专家推荐系数引入评分矩阵,从而降低了数据维度,随后根据新的评分矩阵计算学生求职偏好相似度,最后将学生背景相似度和求职偏好相似度进行加权融合形成学生就业相似度,根据新的相似度为学生产生职业推荐。(2)为了解决就业场景中企业与学生相互匹配的问题,提出了一种基于二分图的改进推荐算法。算法主要引入两个重要的招聘场景因子:企业偏好系数和企业需求系数。企业偏好系数是利用改进的随机游走算法(PersonalRank)计算企业招聘过程中对学生特征属性的招聘偏好值。企业需求系数是引入时间影响因子α刻画企业招聘过程中人才需求随时间的变动。最终的推荐算法融合企业偏好系数和企业需求系数计算出学生与企业的符合度,根据符合度为学生推荐合适的企业。(3)基于上述两种改进算法,本文采用Django框架设计实现了本校学生就业推荐系统。系统除了为学生提供就业推荐服务,同时利用Tableau绘制就业趋势图从而帮助学生更快掌握当前就业动向。