随着大学生就业创业需求的日益增加,传统的多目标算法无法根据各学生群体特征给出个性化推荐。因此,为给大学生提供个性化的就业和创业推荐,研究基于遗传算法的改进OR-树算法(Genetic Algorithm-based MORA, GA-MORA),设计出面向学生群...随着大学生就业创业需求的日益增加,传统的多目标算法无法根据各学生群体特征给出个性化推荐。因此,为给大学生提供个性化的就业和创业推荐,研究基于遗传算法的改进OR-树算法(Genetic Algorithm-based MORA, GA-MORA),设计出面向学生群体的就业创业个性化推荐模型。该模型通过模拟生物进化过程来寻找最优解,最终生成个性化的推荐结果。结果可知,通过对GA-MORA算法在就业创业平台推荐中的性能评估,发现该算法在多样性等指标上表现出色。此外,研究还发现不同学生群体对职业偏好的程度受个人兴趣、专业属性、区域熟悉度和经济因素等多种因素影响。女性学生群体的区域熟悉度指标为0.8,比男性更为集中,可知女性群体在就业时更易选择在更熟悉的地方就业。综上可知,此次研究的算法模型优越,有利于为大学生就业创业提供一个可靠的方案。展开更多
文摘随着大学生就业创业需求的日益增加,传统的多目标算法无法根据各学生群体特征给出个性化推荐。因此,为给大学生提供个性化的就业和创业推荐,研究基于遗传算法的改进OR-树算法(Genetic Algorithm-based MORA, GA-MORA),设计出面向学生群体的就业创业个性化推荐模型。该模型通过模拟生物进化过程来寻找最优解,最终生成个性化的推荐结果。结果可知,通过对GA-MORA算法在就业创业平台推荐中的性能评估,发现该算法在多样性等指标上表现出色。此外,研究还发现不同学生群体对职业偏好的程度受个人兴趣、专业属性、区域熟悉度和经济因素等多种因素影响。女性学生群体的区域熟悉度指标为0.8,比男性更为集中,可知女性群体在就业时更易选择在更熟悉的地方就业。综上可知,此次研究的算法模型优越,有利于为大学生就业创业提供一个可靠的方案。