检索结果-内蒙古大学图书馆

四川大学学报(自然科学版) 2025年第1期62卷 57-66页

作者：南国芳陈炫廷海南大学国际商学院海口570228

双向推荐是就业推荐系统实践的重要趋势,对“学者-高校”这一就业场景具有极强的现实意义.此外,传统就业推荐系统多依赖于主观信息来进行职位匹配,然而这种方式往往受到简历夸大或职位描述模糊的困扰.针对上述问题,本文提出了一种基于... 详细信息

双向推荐是就业推荐系统实践的重要趋势,对“学者-高校”这一就业场景具有极强的现实意义.此外,传统就业推荐系统多依赖于主观信息来进行职位匹配,然而这种方式往往受到简历夸大或职位描述模糊的困扰.针对上述问题,本文提出了一种基于混合协同过滤的双向就业推荐系统SU-JRS.该系统首先利用基于内容算法计算研究基础相似度,接着基于特征递增和合并型混合法设计协同过滤算法进行评分预测,最后引入地理偏好因素完成推荐.通过在论文数据集Aminer-Paper上进行试验,试图有效规避主观因素的干扰,提升有效性.实验显示,在学者就业和高校招聘两个核心场景,SU-JRS在命中率(HR)、召回率(Recall)、平均倒数排名(MRR)和归一化折损累计增益(NDCG)上均达到最优表现,在推荐效果上相较于基线算法展现出显著优势,且采用已发表的论文数据作为学者与高校匹配的依据,有效地实现了学者与高校之间的双向匹配,降低了主观信息可能带来的误导.

关键词：双向推荐就业推荐系统混合协同过滤 “学者-高校”匹配

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤算法的就业推荐系统设计与实现

引用

湖北工业职业技术学院学报 2025年第1期38卷 75-79页

作者：田圻代齐润湖北工业职业技术学院智能工程学院湖北十堰442000

面对日益激烈的就业市场和信息过载问题,精准的就业推荐系统对于提高大学生就业率和企业招聘效率至关重要。为此,研究并提出了一种基于协同过滤算法的智能匹配方案,旨在连接大学生求职需求与公司招聘岗位。该系统融合了用户-项目协同过... 详细信息

面对日益激烈的就业市场和信息过载问题,精准的就业推荐系统对于提高大学生就业率和企业招聘效率至关重要。为此,研究并提出了一种基于协同过滤算法的智能匹配方案,旨在连接大学生求职需求与公司招聘岗位。该系统融合了用户-项目协同过滤和内容过滤策略,以提升推荐的准确性和多样性。采用Spring Boot和Vue 3构建前后端分离架构,确保实时数据交互与处理的高效性,并重视用户隐私保护与数据安全。实验结果表明,本系统有效提升了求职体验和招聘效率。未来工作将聚焦于优化算法、丰富功能及探索个性化服务。

关键词：推荐算法协同过滤就业推荐系统

来源：评论

学校读者我要写书评

暂无评论

密度峰值聚类算法研究及其在就业推荐系统的应用

密度峰值聚类算法研究及其在就业推荐系统的应用

引用

作者：翟峤峰西北师范大学

学位级别：硕士

随着信息技术的发展，海量数据资源需要高效存储和处理，这是大数据分析发展的方向。聚类技术作为无监督学习领域的一种基本方法，能够从大量无标签数据中获取结构信息，即数据对象被划分为多个类别。密度峰值聚类算法(DensityPeaksClus... 详细信息

随着信息技术的发展，海量数据资源需要高效存储和处理，这是大数据分析发展的方向。聚类技术作为无监督学习领域的一种基本方法，能够从大量无标签数据中获取结构信息，即数据对象被划分为多个类别。密度峰值聚类算法(DensityPeaksClusteringAlgorithm，DPC)是数据挖掘中常用的聚类算法，已被广泛应用于数据图像处理、市场调查以及大规模数据分析等领域。本文针对DPC算法的不足提出改进，同时将改进算法应用于大学生就业推荐中，以降低大学生就业的试错成本。主要研究内容如下：　　（1）针对DPC算法的聚类结果受参数dc的影响较大、且需要手动选择聚类中心的问题，本文提出了一种基于k近邻的动态密度峰值聚类算法(DynamicDensityPeaksClusteringAlgorithmbasedonK-NearestNeighbors，DDPC)，该算法通过分析每个数据的k近邻的分布来自适应地分配类别标签，它在降低了参数敏感性的同时无须再手动选取聚类中心。通过人工数据集和UCI数据集的实验分析，表明DDPC的聚类效果优于DPC、DBSCAN、DBC等算法。　　（2）针对DDPC不适用于密度分布不均匀的数据集的问题，提出了一种与孪生网络结合的改进算法(DynamicDensityPeakClusteringbasedonTwinNetwork,DDPC-T）。DDPC-T算法在DDPC算法对高密度数据集聚类后，通过孪生网络对该结果进行优化，从而使得其余数据点的划分更为准确。通过对人工数据集和UCI数据集的实验分析，表明DDPC-T的聚类效果优于DDPC、DPC、RDDPC等算法。　　（3）针对当前大学生就业普遍存在就业迷茫、自我定位不清、盲目投简历等问题，提出一种基于DDPC-T聚类算法的大学生就业推荐模型。该模型将应届毕业生和往届毕业生的信息进行聚类分析，为应届生推荐与其同簇的往届生的岗位，从而降低就业的试错成本。

关键词：就业推荐系统密度峰值聚类算法 k近邻孪生网络

来源：评论

学校读者我要写书评

暂无评论

高职院校毕业生就业推荐系统的研究与设计

高职院校毕业生就业推荐系统的研究与设计

引用

作者：刘西祥广东技术师范学院

学位级别：硕士

目前,全国共有高等职业院校1280所,毕业学生人数逐年增多,就业压力越来越大。本文以永州职业技术学院为例,研究与设计了“高职院校毕业生就业推荐系统”,系统通过改进的就业推荐算法为毕业生推荐比较可靠的就业信息,节省了就业的时间和... 详细信息

目前,全国共有高等职业院校1280所,毕业学生人数逐年增多,就业压力越来越大。本文以永州职业技术学院为例,研究与设计了“高职院校毕业生就业推荐系统”,系统通过改进的就业推荐算法为毕业生推荐比较可靠的就业信息,节省了就业的时间和经济成本,为找到合适的就业单位和岗位提供了重要的参考依据。本文根据高职院校的特性,主要研究的内容和创新点有：1、论文对推荐系统涉及到的相关技术进行了分析,并设计了高职院校毕业生的就业推荐系统。2、本文选择改进的基于内容和历史信息的推荐算法进行就业推荐。基于高职院校毕业学生就业专业比较对口,本文对就业推荐的对象先分类,再推荐,即进行相似度计算和推荐之前,先对应、往届毕业生按专业进行聚类分析,然后按专业进行就业推荐,提高了推荐的效率和质量。高职院校学生的综合素质和就业能力主要体现在专业技能、职业素养和适应环境等方面,在算法的设计过程中分别包括文本属性特征和数值属性特征的计算,同时考虑了学生毕业时间对相似度的影响,不同毕业时间设置不同的权值,保证了计算的准确性和结果的可靠性。高职院校学生选择的就业单位和职位具有一定的代表性,并且参照往届毕业生就业的比例较高,论文考虑了就业历史信息对就业推荐算法的影响。3、根据协同过滤推荐算法的原理,我们把毕业学生定义为用户,就业单位定义为项目,实现了较好的借鉴和应用。论文对传统的基于用户的协同过滤推荐算法在就业系统中的应用进行了分析。论文选择改进的基于用户的协同过滤推荐算法进行了就业推荐,该算法充分考虑了学生本人的就业兴趣度,对应届毕业生访问本系统留下的浏览行为、浏览内容进行了数据分析,并把得到的结果融合到最后的相似度计算当中,确保了最终推荐结果的合理性和预见性。4、论文选择准确率、召回率、均方根误差作为推荐算法的分析评价标准,并对传统的基于用户的协同过滤推荐算法、改进的基于内容和历史信息的推荐算法、改进的基于用户的协同过滤推荐算法得到的推荐结果进行比较、分析。论文最后对研究进行了总结和展望。系统开发后可以直接用于永州职业技术学院的各届毕业生的就业管理和推荐工作,具有较强的实际应用价值。

关键词：高职院校就业推荐系统相似度计算协同过滤推荐算法

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤的高职院校就业推荐系统的研究与开发

基于协同过滤的高职院校就业推荐系统的研究与开发

引用

作者：王云婷宁夏大学

学位级别：硕士

长期以来,大学生就业问题一直是高校的热门话题,随着互联网的发展,大批的就业求职网站营运而生。这些网站大多是面向社会的,应聘者在应用这类网站时对于求职者的个人信息存在一定的风险。同时,由于数据庞大,企业招聘者和求职者需要花费... 详细信息

长期以来,大学生就业问题一直是高校的热门话题,随着互联网的发展,大批的就业求职网站营运而生。这些网站大多是面向社会的,应聘者在应用这类网站时对于求职者的个人信息存在一定的风险。同时,由于数据庞大,企业招聘者和求职者需要花费很大的精力去验证双方信息的准确性。为提高高职院校学生的就业率,本文开发了一款基于协同过滤的高职院校就业推荐系统。该系统较于传统就业推荐系统,主要优势体现以下两点:一、既满足高职院校学生的就业兴趣。二、也满足招聘企业的用人标准。本论文的主要工作为:一、该系统基于改进的协同过滤算法,加入了影响学生就业的一些就业因素,如:学历、课程专业、政治面貌、在校成绩,性别、英语成绩、计算机能力、生源地、等等客观表现学生情况的就业特征值。该论文采用信息论中的信息增益率来确定特征属性的影响程度。而信息增益率能够比较客观的确定学生特征属性对于应届毕业生就业选择中的重要性,进而确定每个特征属性的权重系数。二、为了相对较准确的找到聚类算法中的聚类中心,本论文基于改进的K-Means聚类算法,利用最小生成树原理解决最短路径问题,从而确定使找到的聚类中心能够代表这类的数据:即使同类学生特征属性的距离最近,而不同类学生特征属性距离最远。三、最后根据学生对企业单位的兴趣评分选出相似度最高的往届生邻集,依据相似度把往届毕业生的就业单位推荐给应届毕业生。因此,在高职院校范围内建立与发展学生就业推荐的管理系统对于学生和用人单位更具针对性。也有利于改善社会普遍存在的就业现状。

关键词：高职院校就业推荐系统协同过滤,K-means算法特征属性

来源：评论

学校读者我要写书评

暂无评论

农民工就业推荐系统的关键技术研究

农民工就业推荐系统的关键技术研究

引用

作者：陈玉峰湖南农业大学

学位级别：硕士

农业信息化技术是加快农业科技成果向生产力转换的便捷方式,是推动农村经济发展方式转变的重要动力,也是加快新农村建设和实现城乡统筹的重要措施。农民工作为农村主体中不可缺少的一部分,他们的就业问题关系到农村经济发展及农村稳定... 详细信息

农业信息化技术是加快农业科技成果向生产力转换的便捷方式,是推动农村经济发展方式转变的重要动力,也是加快新农村建设和实现城乡统筹的重要措施。农民工作为农村主体中不可缺少的一部分,他们的就业问题关系到农村经济发展及农村稳定和谐。因此,利用信息化技术对农民工就业问题进行研究具有重大社会现实意义。由于农民工群体的特殊性及其需求的快变性,使得目前关于农民工就业推荐服务系统的研究与实际应用间存在一定的差距。综合现有推荐系统技术的优缺点,本文围绕农民工个性化就业推荐系统的关键技术进行了深入研究。论文在对个性化推荐系统理论和方法研究的基础上,结合农民工自身的具体特点,将模型的层次结构表示法、内容推荐法和协同过滤推荐法引入到了农民工个性化就业推荐服务模型中,使其能较好地构建农民工就业兴趣模型并根据该模型进行有效的职位推荐。论文主要研究了以下几方面关键技术： 1、农民工个性化特征模型的建立。针对农民工群体特征的差异性,通过不同的信息收集方式采集农民工基本信息特征和操作信息特征；再利用ID3算法对不同特征的权值进行计算；然后,引入层次结构模型表示方法,建立农民工个性化特征模型。 2、农民工个性化推荐服务算法的改进。在详细分析了农民工个性化特征模型和个性化推荐服务关键技术的基础上,提出了基于内容和Item-based协同过滤的组合推荐算法,实现了对农民工就业的个性化推荐服务。 3、结合上述建立的农民工特征模型和提出的个性化组合推荐算法,设计并实现了农民工的就业推荐服务系统,为农民工就业的推荐应用提供了解决的方案。

关键词：个性化特征农民工就业推荐系统协同过滤

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤的就业推荐系统设计与实现

基于协同过滤的就业推荐系统设计与实现

引用

作者：吴锦娜西安石油大学

学位级别：硕士

随着互联网和信息技术的不断发展,就业和招聘形式也迎来了深刻的变革。就业推荐系统不仅能够为求职者提供个性化、精准的匹配,而且还解决了现代就业市场面临的一系列挑战问题,另外对于求职者而言,该系统还减轻了信息过载的压力,帮助毕... 详细信息

随着互联网和信息技术的不断发展,就业和招聘形式也迎来了深刻的变革。就业推荐系统不仅能够为求职者提供个性化、精准的匹配,而且还解决了现代就业市场面临的一系列挑战问题,另外对于求职者而言,该系统还减轻了信息过载的压力,帮助毕业生快速找到适合自己技能和兴趣的职位,节省了毕业生的求职时间和成本,提高了就业市场的效率,同时为毕业生提供更好的就业机会和就业支持。本文基于协同过滤算法,设计实现了就业推荐系统,旨在提供高度个性化的职位推荐,以满足毕业生求职者和雇主的需求。系统首先采用爬虫技术收集企业公开发布的招聘岗位信息,抽取特征值并且归一化处理,根据指定的毕业生和求职人员的相似度计算毕业生和企业单位的相似度。然后在得到毕业生和企业单位的相似度的基础上,根据随机游走模型算法计算出企业单位的求职热度。最后计算最终的排序综合权值,完成基于协同过滤的就业推荐系统的建立。该系统涵盖了控制台功能、数据爬取、数据管理、数据可视化和就业推荐等多个核心功能模块。同时,系统为解决就业场景中企业与毕业生相互匹配的问题,引入企业对毕业生的偏好系数,企业偏好系数是利用改进的随机游走算法(Personal Rank)计算企业招聘过程中对毕业生特征属性的招聘偏好值。最终的推荐算法融合企业偏好系数计算出毕业生与企业的符合度,根据符合度为毕业生推荐合适的就业岗位。通过该系统,毕业生用户可以轻松地管理其就业信息,获得定制的职位推荐,并通过可视化工具了解就业市场趋势。系统的设计过程中使用了先进的技术和开发框架,确保了系统的高性能和可扩展性。整个系统采用Python语言编写,后端基于Django的Web应用框架,数据库采用My SQL设计,使用ECharts进行数据可视化显示。数据获取使用Selenium框架进行数据的采集,然后对数据进行分析并且将结果在前台进行可视化的展示。获取的数据解析后存储到数据库。该系统的个性化就业职位推荐功能是基于用户的协同过滤算法设计实现。经过功能测试和性能测试,系统展现出了其在多个方面的有效性和可靠性。总之,本文开发的就业推荐系统为解决现代就业市场的智能化挑战,提供了一个有前景的解决方案,并为未来功能更加强大的就业推荐系统的研究和应用提供了一定的基础。

关键词：协同过滤算法就业推荐系统可视化系统 Django框架职位推荐

来源：评论

学校读者我要写书评

暂无评论

基于MVC的就业推荐系统的研究与开发

基于MVC的就业推荐系统的研究与开发

引用

作者：彭佳云南大学

学位级别：硕士

近年来，我国高等教育步入了大众化阶段，大学毕业生就业形势在高校大规模扩招、就业制度的转变以及产业结构的调整等宏观背景下发生了重大变化，大学毕业生数量急剧增长，就业率逐年下降，大学毕业生的就业问题成为了社会的焦点和难点... 详细信息

近年来，我国高等教育步入了大众化阶段，大学毕业生就业形势在高校大规模扩招、就业制度的转变以及产业结构的调整等宏观背景下发生了重大变化，大学毕业生数量急剧增长，就业率逐年下降，大学毕业生的就业问题成为了社会的焦点和难点问题。随着计算机技术和互联网技术的发展，网上招聘逐渐地被人们认识和接受。近年来越来越多的大学生面临着找工作的压力，已经有许多求职者都通过网上招聘的方式寻找工作。毕业生就业推荐系统的出现在一定程度上解决了部分大学毕业生的就业问题，提供了另一种找工作的途径，为求职者和用人单位提供了广阔的展现空间。\n 本研究使用PHP5 Web编程语言，MySQL数据库，通过互联网控制和操作MySQL和Apache2.2.10 HTTP服务器，根据毕业生与招聘企业的特点，进行系统的设计。研究了系统的数据库设计，将系统划分为个人求职、企业招聘、文章发布、后台管理四个功能模块。系统实现了学生个人才艺展示设计，招聘单位可以通过学生的个人简历，下载学生本人的才艺展示视频资料，进一步加深用人单位对应聘学生的了解，提高学生的就业竞争力，达到就业的目的。

关键词：大学毕业生就业推荐系统系统设计

来源：评论

学校读者我要写书评

暂无评论

基于协同过滤算法在大学生就业推荐系统中的应用研究

引用

江西电力职业技术学院学报 2022年第4期35卷 90-92,95页

作者：李红莎商丘职业技术学院河南商丘476100

协同过滤算法是在大数据基础上衍生、发展而来的,具有显著的高效性、精准性特征,可以在历史行为记录的帮助下,建立起高度贴合的用户兴趣模型,进而发掘相似性较好的邻集,形成精准优质的推荐方案,提升用户服务体验。该算法多被应用于电子... 详细信息

协同过滤算法是在大数据基础上衍生、发展而来的,具有显著的高效性、精准性特征,可以在历史行为记录的帮助下,建立起高度贴合的用户兴趣模型,进而发掘相似性较好的邻集,形成精准优质的推荐方案,提升用户服务体验。该算法多被应用于电子商务平台,随着科技普惠时代的来临,逐渐获得了更大规模的推广和使用。聚焦协同过滤算法的优越性,探讨了将其引入大学生就业推荐的必要性,同时对其实现路径进行展开论述。

关键词：协同过滤算法大学生就业推荐系统

来源：评论

学校读者我要写书评

暂无评论

高职院校就业推荐系统的算法

引用

计算机与网络 2020年第23期 68-71页

作者：刘西祥永州职业技术学院

分析了传统的基于用户的协同过滤推荐算法和改进的基于用户的协同过滤推荐算法的算法思想和算法步骤,并对2种推荐算法在高职院校就业推荐系统中的应用结果进行了对比,证实了改进的基于用户的协同过滤推荐算法更适用于高职院校就业推荐系... 详细信息

分析了传统的基于用户的协同过滤推荐算法和改进的基于用户的协同过滤推荐算法的算法思想和算法步骤,并对2种推荐算法在高职院校就业推荐系统中的应用结果进行了对比,证实了改进的基于用户的协同过滤推荐算法更适用于高职院校就业推荐系统,提高了相似学生推荐的准确性,推荐的结果也更加符合实际。

关键词：协同过滤推荐算法就业推荐系统聚类分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：