收藏本站
《昆明理工大学》 2015年
收藏 | 手机打开
二维码
手机客户端打开本文

基于协同过滤的高校个性化就业推荐系统研究

揭正梅  
【摘要】:随着大学生毕业生不断增加,就业难的问题日益凸显。而大学生不能掌握有效就业信息、就业目标定位不准、准备不足都会对就业造成不利影响。面对就业网站大量的招聘信息以及学生和企业间的信息不对称,使得毕业生难以搜索到适合自己的就业单位,只能盲目参加招聘会,这不仅浪费了时间和精力,甚至错过了适合自己的就业机会,大大降低了就业成功率。面对现状,虽然各高校都针对性的开展了就业指导和推荐,但是由于毕业生人数较多,高校无法针对每个毕业生的特点进行个性化推荐,而目前高校的就业网站只能发布就业信息,无法为毕业生推荐适合的就业单位。因此,我们需要寻找一种客观、个性化且能针对个人情况进行推荐的方法和手段。随着个性化推荐系统的研究和应用,为解决毕业生个性化就业推荐问题提供了有利支持。个性化就业推荐系统通过挖掘学生就业意向、职业兴趣、在校表现等多方面信息,结合往届生就业数据,能够为毕业生推荐适合的就业单位,引导毕业生进行有效的就业准备,减少时间和精力的浪费,提高就业成功率。目前在毕业生个性化就业推荐系统方面的研究尚不成熟,推荐效果有待提高,推荐模型和推荐算法仍需改进。本文对目前研究中存在的下述3个不足进行了研究:(1)缺乏结合学生就业特征的推荐。目前使用较多的是传统协同过滤算法,仅仅依靠学生就业兴趣评分,没有考虑到学生特征对于就业的影响。(2)不能客观的确定就业特征的影响权重。目前,特征权重确定大都采用主观评价方法,难以体现客观实际。(3)采用K-means聚类提高推荐速度时没有解决该算法受初始聚类中心影响的问题。针对问题,本文首先分析了影响毕业生就业的因素,从中提取了9个学生就业特征;其次,通过对比分析选择了信息增益率作为计算特征权重的方法;然后,为避免聚类效果受初始聚类中心的影响,提出了改进的AK-means (Adcanced-K-Means)算法对学生特征聚类,利用MATLAB编程验证了算法的有效性,最终,结合学生就业特征和兴趣评分,构造了基于学生特征的协同过滤就业推荐模型。在推荐模型建立的基础上,采集了某工科学院4年的学生就业数据对模型进行验证分析,并采用SQL Sever 2008数据库和C#编程语言开发了基于B/S结构的就业推荐系统原型,该原型能够实现本文模型的推荐功能。通过验证,本文提出的就业推荐模型具有一定的有效性,能够为学生就业提供一定的参考作用,对于推荐系统在高校的应用具有积极的探索意义。
【学位授予单位】:昆明理工大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:G647.38

手机知网App
【参考文献】
中国期刊全文数据库 前1条
1 彭德巍;胡斌;;一种基于用户特征和时间的协同过滤算法[J];武汉理工大学学报;2009年03期
中国硕士学位论文全文数据库 前3条
1 吴迪;高校毕业生就业推荐系统的设计与开发[D];大连理工大学;2010年
2 王亚婧;基于数据挖掘和协同过滤的成人高考志愿推荐系统研究[D];北京林业大学;2011年
3 曹红姣;基于情境感知的大学生就业推荐系统的设计与实现[D];华中师范大学;2014年
【共引文献】
中国期刊全文数据库 前10条
1 陈琨;张秀梅;;本体技术在远程教育中的应用概述[J];中国远程教育;2012年02期
2 李静;付达杰;;教育信息共享系统中个性化推荐服务研究[J];电脑知识与技术;2014年26期
3 卢志翔;;网络学习系统个性化实时推荐策略研究[J];重庆科技学院学报(自然科学版);2015年03期
4 张宁;范崇睿;张岩;;一种基于RFM模型的新型协同过滤个性化推荐算法[J];电信科学;2015年09期
5 王静蕾;高继勋;;电子商务环境中个性化信息推荐服务的发展[J];河南工程学院学报(自然科学版);2008年02期
6 枚龙;王波;;一种Web服务选择的QoS参数计算方法[J];计算机工程与应用;2011年07期
7 王茜;王均波;;一种改进的协同过滤推荐算法[J];计算机科学;2010年06期
8 石军;王儒敬;王志红;;基于群聚个性化搜索引擎[J];农业网络信息;2006年01期
9 费洪晓;巩艳玲;谢文彪;倪敏;;基于混合学习策略的多Agent信息过滤系统[J];计算机应用;2006年02期
10 李国;张智斌;刘芳先;姜波;姚文伟;;非线性组合的协同过滤推荐算法[J];计算机应用;2011年11期
中国博士学位论文全文数据库 前10条
1 张宇;个性化移动内容服务的模型和支持技术研究[D];华中科技大学;2010年
2 谭婷婷;网络微内容推荐方法及支持系统研究[D];华中科技大学;2011年
3 陈旭毅;基于索引云的企业搜索引擎实现研究[D];武汉大学;2011年
4 黄逸民;基于多Agent的智能管理信息系统理论与应用研究[D];浙江大学;2002年
5 应晓敏;面向Internet个性化服务的用户建模技术研究[D];中国人民解放军国防科学技术大学;2003年
6 郭健;基于多Agent的智能管理信息系统研究[D];天津大学;2007年
7 潘建国;基于语义的用户建模技术与应用研究[D];上海大学;2009年
8 郁雪;基于协同过滤技术的推荐方法研究[D];天津大学;2009年
9 王书锋;环绕智能系统中个性化服务技术研究[D];北京工业大学;2010年
10 张磊;个性化推荐和搜索中若干关键问题的研究[D];北京邮电大学;2009年
中国硕士学位论文全文数据库 前10条
1 曹萍;Agent电子商务推荐系统下协同过滤技术研究[D];辽宁工程技术大学;2009年
2 胡福华;基于可信相似度传递的协同过滤算法研究与应用[D];浙江大学;2011年
3 赵军;基于流形对齐的论坛个性化推荐与检索[D];浙江大学;2011年
4 蒋祥杰;基于用户情境本体的个性化知识服务研究[D];武汉理工大学;2010年
5 郑义;区域教育信息化资源库更新服务研究[D];沈阳师范大学;2011年
6 刘继庆;基于相关度和关联属性偏好的个性化推荐算法研究[D];大连理工大学;2011年
7 肖丹萍;基于用户特征和偏好的协同过滤推荐算法[D];暨南大学;2011年
8 王昆;一种基于Bayesian CBR的推荐系统研究[D];河北师范大学;2011年
9 郇秀花;基于情景的个性化检索技术研究[D];安徽大学;2011年
10 冯子威;用户兴趣建模的研究[D];哈尔滨工业大学;2010年
【二级参考文献】
中国期刊全文数据库 前10条
1 赵卫东,盛昭瀚,何建敏;粗糙集在决策树生成中的应用[J];东南大学学报(自然科学版);2000年04期
2 唐晓萍;数据挖掘与知识发现综述[J];电脑开发与应用;2002年04期
3 彭显文,陈铁英,刘瑜;企业数据挖掘中源数据组织方法的研究[J];电脑与信息技术;2002年05期
4 谢海涛;孟祥武;;适应用户需求进化的个性化信息服务模型[J];电子学报;2011年03期
5 王立才;孟祥武;张玉洁;;移动网络服务中基于认知心理学的用户偏好提取方法[J];电子学报;2011年11期
6 陈嘉勇;;基于WEKA平台的文本聚类研究与实现[J];中国管理信息化;2009年21期
7 雷钰丽;李阳;王崇骏;刘红星;谢俊元;;基于权重的马尔可夫随机游走相似度度量的实体识别方法[J];河北师范大学学报(自然科学版);2010年01期
8 胡文;李良学;;基于情景感知的商场导购推荐商品信息的研究[J];哈尔滨商业大学学报(自然科学版);2012年01期
9 赵亮,胡乃静,张守志;个性化推荐算法设计[J];计算机研究与发展;2002年08期
10 周军锋,汤显,郭景峰;一种优化的协同过滤推荐算法[J];计算机研究与发展;2004年10期
中国博士学位论文全文数据库 前2条
1 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年
2 郁雪;基于协同过滤技术的推荐方法研究[D];天津大学;2009年
中国硕士学位论文全文数据库 前10条
1 刘华;基于关联规则的个性化推荐系统研究与应用[D];华东师范大学;2011年
2 刘慧;基于Agent元搜索引擎的个性化研究[D];东华大学;2012年
3 李晟;基于情境感知的个性化电影推荐[D];北京邮电大学;2012年
4 王伟;基于LBS的个性化推荐系统研究[D];北京邮电大学;2012年
5 吴东华;Web信息获取技术研究[D];南京理工大学;2004年
6 王莉红;电子商务环境下协同过滤推荐方法的应用分析与研究[D];上海师范大学;2005年
7 江裕民;基于超链接的WEB结构挖掘算法的研究[D];西安电子科技大学;2006年
8 付渊;运用神经网络聚类方法推进构建本体的自动化[D];太原理工大学;2006年
9 郭秋滟;基于Web的高校网络学习系统设计与实现[D];电子科技大学;2007年
10 罗晓清;半监督聚类算法及应用的研究[D];江南大学;2007年
【相似文献】
中国期刊全文数据库 前6条
1 周强;;基于用户的协同过滤推荐算法研究[J];南昌高专学报;2006年03期
2 刘旭东;叶长国;;一种基于用户偏好序列的协同过滤推荐[J];泰山学院学报;2009年06期
3 赵超超;;基于用户和基于项目结合的个性化推荐算法[J];内蒙古农业大学学报(社会科学版);2007年06期
4 侯强;孙瑜;;基于中心节点重叠社区发现的协同过滤推荐系统[J];沈阳工业大学学报(社会科学版);2013年04期
5 石宜金;;一种图书馆书籍的个性化推荐方法[J];成都师范学院学报;2014年05期
6 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 沈杰峰;杜亚军;唐俊;;一种基于项目分类的协同过滤算法[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
2 周军锋;汤显;郭景峰;;一种优化的协同过滤推荐算法[A];第二十一届中国数据库学术会议论文集(研究报告篇)[C];2004年
3 董全德;;基于双信息源的协同过滤算法研究[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年
4 张光卫;康建初;李鹤松;刘常昱;李德毅;;面向场景的协同过滤推荐算法[A];中国系统仿真学会第五次全国会员代表大会暨2006年全国学术年会论文集[C];2006年
5 李建国;姚良超;汤庸;郭欢;;基于认知度的协同过滤推荐算法[A];第26届中国数据库学术会议论文集(B辑)[C];2009年
6 王明文;陶红亮;熊小勇;;双向聚类迭代的协同过滤推荐算法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
7 胡必云;李舟军;王君;;基于心理测量学的协同过滤相似度方法(英文)[A];NDBC2010第27届中国数据库学术会议论文集(B辑)[C];2010年
8 林丽冰;师瑞峰;周一民;李月雷;;基于双聚类的协同过滤推荐算法[A];2008'中国信息技术与应用学术论坛论文集(一)[C];2008年
9 罗喜军;王韬丞;杜小勇;刘红岩;何军;;基于类别的推荐——一种解决协同推荐中冷启动问题的方法[A];第二十四届中国数据库学术会议论文集(研究报告篇)[C];2007年
10 黄创光;印鉴;汪静;刘玉葆;王甲海;;不确定近邻的协同过滤推荐算法[A];NDBC2010第27届中国数据库学术会议论文集A辑一[C];2010年
中国博士学位论文全文数据库 前10条
1 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年
2 郭艳红;推荐系统的协同过滤算法与应用研究[D];大连理工大学;2008年
3 罗恒;基于协同过滤视角的受限玻尔兹曼机研究[D];上海交通大学;2011年
4 薛福亮;电子商务协同过滤推荐质量影响因素及其改进机制研究[D];天津大学;2012年
5 高旻;基于计算语用学和项目的资源协同过滤推荐研究[D];重庆大学;2010年
6 孔维梁;协同过滤推荐系统关键问题研究[D];华中师范大学;2013年
7 沈磊;心理学模型与协同过滤集成的算法研究[D];北京航空航天大学;2010年
8 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年
9 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年
10 赵向宇;Top-N协同过滤推荐技术研究[D];北京理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 邹腾飞;基于多特征融合的混合协同过滤算法研究[D];西南大学;2015年
2 于钰雯;基于项目凝聚层次聚类的协同过滤推荐算法研究[D];辽宁大学;2015年
3 杜文刚;基于多属性评分的协同过滤推荐算法研究[D];辽宁大学;2015年
4 揭正梅;基于协同过滤的高校个性化就业推荐系统研究[D];昆明理工大学;2015年
5 高慧敏;融合占有度的时间遗忘协同过滤混合推荐算法研究[D];燕山大学;2015年
6 苏靖涵;面向SaaS多租户的动态推荐方法研究[D];辽宁大学;2015年
7 徐晓妮;基于人工鱼群算法的协同过滤推荐算法研究[D];辽宁大学;2015年
8 罗培;移动购物导购关键技术的研究与系统实现[D];西南交通大学;2015年
9 李婧;融合用户差异度及信息熵的协同过滤推荐算法[D];西安建筑科技大学;2015年
10 乐柱;基于误差反馈的协同过滤算法[D];华南理工大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026