期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SMOTE和贝叶斯优化的Adj-LightGBM人岗匹配算法
被引量:
1
1
作者
刘付谦
秦华妮
赖惠慧
《计算机与现代化》
2023年第3期90-95,共6页
近2年由于新冠疫情的影响,各行各业受到了巨大的冲击,传统招聘方式难以实行,一方面招聘单位人才缺口大,另一方面求职者无法线下应聘。网络招聘的出现为求职者和招聘单位带来了一定的方便,但仍存在人岗匹配效率低、匹配不平衡的问题,如...
近2年由于新冠疫情的影响,各行各业受到了巨大的冲击,传统招聘方式难以实行,一方面招聘单位人才缺口大,另一方面求职者无法线下应聘。网络招聘的出现为求职者和招聘单位带来了一定的方便,但仍存在人岗匹配效率低、匹配不平衡的问题,如何精准且快速地完成人岗匹配工作成为需要解决的迫切问题。针对该问题,提出一种基于SMOTE和贝叶斯优化的Adj-LightGBM人岗匹配算法。首先对人岗数据集进行数据预处理;其次使用SMOTE算法对匹配成功样本进行过采样处理,处理后的正负样本比例为1:3;然后在验证集上使用贝叶斯优化寻找最优的LightGBM模型;最后对该模型进行测试与评价,得出该模型的F1-score为0.974,Auc为0.971。通过与支持向量机、随机森林以及XGBoost算法进行对比,发现本文提出的Adj-LightGBM算法不仅在人岗匹配预测上具有更高的准确性,而且在模型训练效率上也有着显著优势。
展开更多
关键词
人岗匹配
不平衡数据
过采样技术
贝叶斯优化
轻量级梯度提升机
下载PDF
职称材料
基于集成学习与不平衡数据的返贫预测
2
作者
龚云翔
袁仕芳
刘付谦
《计算机与现代化》
2022年第4期12-16,共5页
中国在扶贫工作取得决定性成就的同时,仍有一些脱贫人口存在返贫风险。本文基于不平衡数据集,利用SMOTE模型对返贫类别样本进行过采样处理,处理后的返贫与未返贫样本数据比例为3:1;接着建立基于Stacking集成学习的返贫预测模型,利用网...
中国在扶贫工作取得决定性成就的同时,仍有一些脱贫人口存在返贫风险。本文基于不平衡数据集,利用SMOTE模型对返贫类别样本进行过采样处理,处理后的返贫与未返贫样本数据比例为3:1;接着建立基于Stacking集成学习的返贫预测模型,利用网格搜索对各个模型超参数进行寻优,结合10折交叉验证提高模型的泛化能力。本文使用4种不同的融合模型对脱贫户是否返贫进行预测。实验结果表明,与单一模型相比,模型融合后的分类效果要优于单独的分类器,其中最优融合模型的Acc为0.962,F1-score为0.946。
展开更多
关键词
返贫预测
过采样技术
集成学习
融合模型
下载PDF
职称材料
题名
基于SMOTE和贝叶斯优化的Adj-LightGBM人岗匹配算法
被引量:
1
1
作者
刘付谦
秦华妮
赖惠慧
机构
五邑大学数学与计算科学学院
出处
《计算机与现代化》
2023年第3期90-95,共6页
基金
国家自然科学基金资助项目(11871379)
2021年广东省大学生创新创业训练计划重点支持领域项目(202111349071)。
文摘
近2年由于新冠疫情的影响,各行各业受到了巨大的冲击,传统招聘方式难以实行,一方面招聘单位人才缺口大,另一方面求职者无法线下应聘。网络招聘的出现为求职者和招聘单位带来了一定的方便,但仍存在人岗匹配效率低、匹配不平衡的问题,如何精准且快速地完成人岗匹配工作成为需要解决的迫切问题。针对该问题,提出一种基于SMOTE和贝叶斯优化的Adj-LightGBM人岗匹配算法。首先对人岗数据集进行数据预处理;其次使用SMOTE算法对匹配成功样本进行过采样处理,处理后的正负样本比例为1:3;然后在验证集上使用贝叶斯优化寻找最优的LightGBM模型;最后对该模型进行测试与评价,得出该模型的F1-score为0.974,Auc为0.971。通过与支持向量机、随机森林以及XGBoost算法进行对比,发现本文提出的Adj-LightGBM算法不仅在人岗匹配预测上具有更高的准确性,而且在模型训练效率上也有着显著优势。
关键词
人岗匹配
不平衡数据
过采样技术
贝叶斯优化
轻量级梯度提升机
Keywords
person-post matching
unbalanced data
SMOTE
Bayesian optimization
LightGBM
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于集成学习与不平衡数据的返贫预测
2
作者
龚云翔
袁仕芳
刘付谦
机构
五邑大学数学与计算科学学院
出处
《计算机与现代化》
2022年第4期12-16,共5页
基金
广东省普通高校特色创新项目(2019KQNCX156)
五邑大学港澳联合研发基金资助项目(2019WGALH20)
+1 种基金
2020年国家级大学生创新创业训练计划项目(202011349016)
2018年五邑大学教学质量工程与教学改革项目(JX2018024)。
文摘
中国在扶贫工作取得决定性成就的同时,仍有一些脱贫人口存在返贫风险。本文基于不平衡数据集,利用SMOTE模型对返贫类别样本进行过采样处理,处理后的返贫与未返贫样本数据比例为3:1;接着建立基于Stacking集成学习的返贫预测模型,利用网格搜索对各个模型超参数进行寻优,结合10折交叉验证提高模型的泛化能力。本文使用4种不同的融合模型对脱贫户是否返贫进行预测。实验结果表明,与单一模型相比,模型融合后的分类效果要优于单独的分类器,其中最优融合模型的Acc为0.962,F1-score为0.946。
关键词
返贫预测
过采样技术
集成学习
融合模型
Keywords
prediction of poverty-returning
SMOTE
ensemble learning
fusion model
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于SMOTE和贝叶斯优化的Adj-LightGBM人岗匹配算法
刘付谦
秦华妮
赖惠慧
《计算机与现代化》
2023
1
下载PDF
职称材料
2
基于集成学习与不平衡数据的返贫预测
龚云翔
袁仕芳
刘付谦
《计算机与现代化》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部