协同过滤算法在个性化就业推荐系统中研究

传统的就业网站主要是为就业用户提供就业信息的一个空间而已,形式单一、查询功能很简单,对于就业用户群体没有作相应的区分,针对不同的就业用户没有提供相异的服务,因此无法因人而异地满足各类就业用户的个性化需求。由此,很有必要通过数据挖掘等相关技术提出个性化就业推荐系统,如协同过滤推荐算法是目前运用最广泛也是最成功的一种,主要包括User-based和Item-based推荐算法。然而传统的协同过滤推荐算法存在稀疏性等显著问题,必须通过算法改进从而提高推荐质量。

基于协同过滤算法实现高校个性化就业推荐系统研究

高校毕业生就业形势严峻、竞争异常激烈。'就业难'源于毕业生对于企业需求认识不足和对自我的认知不足,所以很多时候只能找一个专业不对口又不感兴趣的工作,而企业又出现的'招人难'的现象,又造成了毕业生和企业双方的损耗。协同过滤算法的个性化就业推荐系统,能够通过挖掘学生的兴趣爱好、职业导向等多重信息,从而生成学生就业兴趣模型,同时结合以往毕业生就业数据,为毕业生提供适合自身的就业推荐导向。本文重点介绍了基于协同过滤算法的就业推荐概念及基于协同过滤算法实现高校个性化就业推荐系统是如何开发设计的。

改进Slope one算法在个性化就业推荐系统中的应用

个性化就业推荐系统可以帮助求职者在海量的就业信息中,快速找出适合个人实际情况的就业信息。由于就业信息数量过于庞大,系统计算得出推荐结果的过程不仅耗时长,而且个性化服务的效果也很难令人满意。将Slopeone算法和就业信息内容相似性相结合,构成的改进Slope one算法引入个性化就业推荐策略中,采用MapReduce分布式编程实现改进Slopeone算法并运行在Hadoop集群上,帮助提高个性化就业信息推荐的质量,增强用户体验效果。

数字化校园建设中就业指导中心信息系统设计

2016年城镇新增就业1314万人,高校毕业生就业创业人数再创新高,为了更好的解决学校、学生、企业三方之间信息沟通问题,实现学校就业指导中心对相关信息管理自动化,推进个性化就业推荐的实现,本文引入个性化就业推荐模块,设计一类全新的高校就业指导中心系统。在对实际需求作深入了解后,拟采用浏览器/服务器(B/S)架构,基于ASP.NET平台进行开发,用SQL Server 2008作为系统数据库,采用C#编程语言进行开发,visual studio2008作为系统界面开发工具。希望能够通过本文的研究为我国高校就业管理系统的完善带来一定的帮助作用。