基于協(xié)同過濾算法實現(xiàn)高校個性化就業(yè)推薦系統(tǒng)研究

摘? 要：高校畢業(yè)生就業(yè)形勢嚴峻、競爭異常激烈。“就業(yè)難”源于畢業(yè)生對于企業(yè)需求認識不足和對自我的認知不足，所以很多時候只能找一個專業(yè)不對口又不感興趣的工作，而企業(yè)又出現(xiàn)的“招人難”的現(xiàn)象，又造成了畢業(yè)生和企業(yè)雙方的損耗。協(xié)同過濾算法的個性化就業(yè)推薦系統(tǒng)，能夠通過挖掘學生的興趣愛好、職業(yè)導向等多重信息，從而生成學生就業(yè)興趣模型，同時結合以往畢業(yè)生就業(yè)數(shù)據(jù)，為畢業(yè)生提供適合自身的就業(yè)推薦導向。本文重點介紹了基于協(xié)同過濾算法的就業(yè)推薦概念及基于協(xié)同過濾算法實現(xiàn)高校個性化就業(yè)推薦系統(tǒng)是如何開發(fā)設計的。

關鍵詞：協(xié)同過濾算法;高校畢業(yè)生;個性化就業(yè)推薦系統(tǒng)

中圖分類號：TP391.3? ? ? 文獻標識碼：A 文章編號：2096-4706（2019）15-0010-03

Research on Personalized Employment Recommendation System in

Colleges Based on Collaborative Filtering Algorithms

LIU Yan

（Software College of Hunan Vocational College of Science and Technology， Changsha? 410118，China）

Abstract：The employment situation of college graduates is severe and the competition is fierce. “difficult employment” is due to the lack of awareness of the needs of enterprises and self-awareness of graduates，so many times they can only find a job that is not suitable for your major? and not interesting ，and the phenomenon of “difficult recruitment” appears in enterprises，which results in the loss of both graduates and enterprises. Through the personalized employment recommendation system based on collaborative filtering algorithm，the model of students’interest in employment can be generated by mining multiple information such as students’interests，career orientation and so on. At the same time，combined with previous graduate employment data，it can provide graduates with suitable employment recommendation guidance. This paper focuses on the concept of employment recommendation based on collaborative filtering algorithm and how to develop and design the personalized employment recommendation system based on collaborative filtering algorithm.

Keywords：collaborative filtering algorithm;college graduates;personalized employment recommendation system

0? 引? 言

據(jù)統(tǒng)計，2018年全國普通高校畢業(yè)生人數(shù)將近820萬人，高校畢業(yè)生數(shù)量從2001年的114萬增長到2018年的820萬，主要緣于教育改革實行過后，高校的大規(guī)模擴招。畢業(yè)生人數(shù)的不斷增加使得大學生的就業(yè)壓力年年增大，很多高校畢業(yè)生找不到工作，時時刻刻喊著“就業(yè)難”，同時企業(yè)卻出現(xiàn)了招不到可用人才的境遇?！熬蜆I(yè)難”一方面是因為人才質量培養(yǎng)質量的下降和就業(yè)人數(shù)的不斷增加，另一方面則因為畢業(yè)生對于企業(yè)需求認識不足和對自我的認知不足。很多畢業(yè)生都存在著“高不成低不就”的現(xiàn)象，這使得就業(yè)難上加難。同時，高校為了增加學生就業(yè)率，也積極為畢業(yè)生們開展就業(yè)指導、免費為畢業(yè)生們提供雙選會招聘會等。但是在這個過程中，由于師資力量和專業(yè)水平等多方面的原因，高校的就業(yè)指導工作仍舊無法實現(xiàn)一對一的個性化推薦，所以畢業(yè)生們無法找到自己滿意的工作，而企業(yè)又找不到想要的人才。

互聯(lián)網的飛速發(fā)展和各種信息的爆炸式增長，使得人們越來越難以獲得有針對性的信息，在此基礎上個性化推薦系統(tǒng)應運而生。個性化推薦系統(tǒng)能快速幫助用戶在廣袤的信息海洋中尋找到有效信息，滿足用戶的個性化需求。這種個性化推薦系統(tǒng)無疑為高校畢業(yè)生的個性化就業(yè)推薦提供了有效的方法。每年的招聘信息數(shù)據(jù)和畢業(yè)生就業(yè)數(shù)據(jù)為高校畢業(yè)生的個性化就業(yè)推薦提供了大量信息支持。個性化就業(yè)推薦系統(tǒng)能夠通過挖掘學生的興趣愛好、職業(yè)導向等多重信息，從而生成學生就業(yè)興趣模型，同時結合以往畢業(yè)生的就業(yè)數(shù)據(jù)，為應屆畢業(yè)生提供適合自身的就業(yè)推薦導向。

1? 協(xié)同過濾推薦算法概述

個性化推薦系統(tǒng)中最核心的內容是推薦算法模塊，常用的推薦算法有協(xié)同過濾算法、基于內容的推薦算法、基于網絡結構的推薦算法和混合推薦算法等，其中最為行之有效的就是協(xié)同過濾推薦算法。

協(xié)同過濾推薦（Collaborative Filtering Recommendation，簡稱CFR）的概念是在1992年第一次提出來的，首次應用于Tapestry系統(tǒng)。該方法主要是通過尋找相似度用戶為目標，根據(jù)用戶的喜好程度進行預測，協(xié)同過濾推薦在個性化、自動化以及持久性等方面與之前方法相比都有了明顯提高。其計算原理為：利用用戶歷史數(shù)據(jù)判斷用戶的相似性，通過計算出來的相似性找到與用戶最相似的用戶集合，為用戶推薦喜歡的產品[1]。

1.1? 傳統(tǒng)的基于協(xié)同過濾算法的個性化就業(yè)推薦模型

采用協(xié)同過濾算法進行個性化就業(yè)推薦，首先要建立畢業(yè)生就業(yè)模型，為了提高計算效率，縮小相似度的計算空間是重點，本文采用K-means聚類對畢業(yè)生的就業(yè)選擇評分進行分類，然后在各個分類中尋找評分相似的畢業(yè)生。

首先對數(shù)據(jù)模型進行描述，構造xy階矩陣，x代表畢業(yè)生數(shù)，y代表不同類型的企業(yè)數(shù)，R表示每個畢業(yè)生對不同類型企業(yè)的喜好評分合集，即R=（rij）xy，rij表示畢業(yè)生對不同類型企業(yè)的評分值，可以設定5級評分制（0級到4級），0表示不喜歡該企業(yè)，4表示非常喜歡該企業(yè)。

其次對學生的評分進行聚類，通過計算畢業(yè)生就業(yè)選擇評分，找出分數(shù)相似的畢業(yè)生，在集合中選擇相似度最高的多個企業(yè)推薦給畢業(yè)生作為就業(yè)選擇。

1.2? 改進的基于協(xié)同過濾算法的個性化就業(yè)推薦模型

高校畢業(yè)生的就業(yè)是一個雙向選擇問題，傳統(tǒng)的基于協(xié)同過濾算法的個性化就業(yè)推薦模型雖然可以幫助畢業(yè)生更精準的選擇適合自己的就業(yè)企業(yè)，但是卻忽略了企業(yè)的擇人要求，因為本文提出改進的基于協(xié)同過濾算法的個性化就業(yè)推薦模型，個性化就業(yè)推薦模型不僅要考慮到畢業(yè)生的就業(yè)興趣和選擇，同時還要考慮企業(yè)的招聘需求和擇人標準。結合主客觀兩個方面來判斷畢業(yè)生的相似度，避免不相關的畢業(yè)生選擇對相似畢業(yè)生選擇的產生干擾，提高畢業(yè)生就業(yè)推薦系統(tǒng)的雙層次進準度。

2? 基于協(xié)同過濾算法實現(xiàn)高校個性化就業(yè)推薦系統(tǒng)研究

2.1? 推薦原理簡述

實現(xiàn)高校畢業(yè)生個性化就業(yè)推薦的過程，其實就是要通過畢業(yè)生的個人興趣愛好、所學專業(yè)等因素找到和企業(yè)的具體需求相似度高的企業(yè)。所以基于高校本身往屆畢業(yè)生的數(shù)據(jù)，采用相似性傳遞原理，首先找到與應屆畢業(yè)生最為相似的往屆畢業(yè)生，然后把他們做一對一或一對多的對應，形成對應集，把往屆畢業(yè)生選擇的企業(yè)推薦給應屆畢業(yè)生，這樣建立起應屆畢業(yè)生和企業(yè)之間的相似關系。例如，畢業(yè)生A和畢業(yè)生B相似，那么畢業(yè)生B喜歡的單位畢業(yè)生A很有可能會喜歡，畢業(yè)生B選擇的企業(yè)選擇畢業(yè)生A的機會也會更大，如圖1所示，相似畢業(yè)生的個性化就業(yè)推薦模型。

2.2? 基于協(xié)同過濾算法的高校個性化就業(yè)推薦系統(tǒng)用戶模型塑造

基于協(xié)同過濾算法的高校個性化就業(yè)推薦系統(tǒng)面向的對象是高校畢業(yè)生，而推薦系統(tǒng)的使用者主要是高?；蛘咂髽I(yè)人事或招聘網站。在系統(tǒng)的應用目標方面，高校主要是為了根據(jù)畢業(yè)生的特點為其推薦合適的崗位，增加就業(yè)率。企業(yè)人事或招聘網站主要是為了通過對往屆畢業(yè)生的招聘經驗，找到最合適其工作崗位的應屆畢業(yè)生。因而系統(tǒng)的第一步就是要塑造畢業(yè)生用戶模型，也就是要對畢業(yè)生的就業(yè)特征進行提取。

2.2.1? 畢業(yè)生信息提取

首先是畢業(yè)生基本信息的提取，基本信息主要包括畢業(yè)生的性別、身高、體重等，這些信息的獲取可以從學生的畢業(yè)檔案中提取，收集畢業(yè)生基本信息是很重要的，因為很多崗位對員工的自然情況是有一定要求的。

其次是影響畢業(yè)生就業(yè)選擇的其他因素，包括個人層面、家庭層面、學校層面和社會影響層面。個人層面，包括學生的專業(yè)、學歷、興趣愛好、生源地等;家庭層面包括父母的社會地位、經濟狀況等因素;學校層面包括學校所以地、學校整理影響力、科研水平和課程體系等;社會影響層面包括社會法規(guī)、就業(yè)政策、落戶政策，人才市場需求等因素。

2.2.2? 畢業(yè)生就業(yè)特征權重值

權重值在算法中起到重要作用，因為能夠在畢業(yè)生就業(yè)中起到作用的因素的重要性，并不是相同的，而是要有所側重的。可以從多個角度進行分析與設計，從企業(yè)人事或招聘網站角度來說，他們往往側重于學生的某幾項技能，因此這某幾項技能的權重值要相應地有所增大，進而實現(xiàn)企業(yè)用人的精準化[2]。從學生角度來說，學生在學習和成長過程中興趣愛好與就業(yè)取向是會發(fā)生變化的，從就業(yè)取向方面來說，新變化的往往才是學生目前真正想從事的工作，所以相對陳舊的就業(yè)意圖，重要性權重值設計時要高很多，才能真正體現(xiàn)學生的就業(yè)想法[3]。

2.3? 基于協(xié)同過濾算法的高校個性化就業(yè)推薦系統(tǒng)用戶模型的實現(xiàn)

根據(jù)畢業(yè)生信息的提取、就業(yè)特征權重值的推算辦法和K-means聚類法，構建基于畢業(yè)生特征的協(xié)同過濾推薦算法，用X={X1，X2，…，Xn}代表往屆畢業(yè)生和應屆畢業(yè)生的就業(yè)特征向量，Y={Y1，Y2，…，Yn}代表往屆畢業(yè)生和應屆畢業(yè)生的就業(yè)興趣評分向量。然后對所有往屆畢業(yè)生的就業(yè)特征向量進行聚類分析，直到最后聚類中心不變動。隨后輸入每位應屆畢業(yè)生的就業(yè)特征向量和就業(yè)興趣向量，找出計算得出的最小值對應的聚類中心，那么應屆畢業(yè)生就屬于這一類。這樣根據(jù)設定的推薦企業(yè)或推薦崗位把最相似的往屆畢業(yè)生的工作單位推薦給應屆畢業(yè)生，實現(xiàn)基于協(xié)同過濾算法的高校個性化就業(yè)推薦。

3? 結? 論

對基于協(xié)同過濾算法的高校個性化就業(yè)推薦系統(tǒng)的研究，可以解決高校畢業(yè)生盲目就業(yè)，招聘企業(yè)盲目招聘等問題，它可以根據(jù)畢業(yè)生的興趣愛好、專業(yè)方向等實現(xiàn)畢業(yè)生的精準就業(yè)，也可以為招聘企業(yè)精準招聘提供有力的依據(jù)。然而，一個系統(tǒng)的實現(xiàn)涉及到多領域多方面的知識點，一個算法的實現(xiàn)和優(yōu)化也需要結合多領域多方面的知識點進行研究和探討。在基于協(xié)同過濾算法的高校個性化就業(yè)推薦系統(tǒng)的實現(xiàn)過程中，還需要不斷的深入研究，以提升該模型的精準度和實用性[4]。同時，一個系統(tǒng)經過設計與實現(xiàn)并不足以完全具備準確性，還要經過后期的測試和不斷地應用，在應用中不斷改進和提升。

參考文獻：

[1] 揭正梅.基于協(xié)同過濾的高校個性化就業(yè)推薦系統(tǒng)研究 [D].昆明：昆明理工大學，2015.

[2] 隋占麗，李文，李影，等.面向大學生就業(yè)的協(xié)同過濾推薦算法與推薦系統(tǒng)研究 [J].山東農業(yè)工程學院學報，2017，34（4）：3-4.

[3] 曹紅姣.基于情境感知的大學生就業(yè)推薦系統(tǒng)的設計與實現(xiàn) [D].武漢：華中師范大學，2014.

[4] 郭韋昱.基于用戶行為分析的個性化推薦系統(tǒng)設計與實現(xiàn) [D].南京：南京大學，2012.

作者簡介：劉艷（1982-），女，漢族，湖南長沙人，講師，碩士，研究方向：移動應用、大數(shù)據(jù)。