收藏本站
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。


知网文化
【相似文献】
中国期刊全文数据库 前6条
1 吴杉;;引入用户权威性的分类协同过滤推荐算法的研究[J];焦作师范高等专科学校学报;2008年01期
2 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
3 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
4 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
5 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
6 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
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 胡淼;基于协同过滤的服务评价方法的研究[D];哈尔滨工程大学;2008年
2 赵伟;基于评分预测和概率融合的协同过滤研究[D];河南大学;2007年
3 彭玉;基于用户个人特征的多内容项目协同过滤推荐[D];西南大学;2007年
4 李冉;基于用户实时反馈的协同过滤算法研究[D];重庆大学;2011年
5 孙凯;协同过滤移动社区的研究与实现[D];北京邮电大学;2012年
6 全智超;基于用户性格的协同过滤推荐研究[D];首都师范大学;2014年
7 张亮;基于协同过滤与划分聚类的推荐算法研究[D];吉林大学;2014年
8 白龙;融合数据检测与用户信任的协同过滤算法研究[D];燕山大学;2010年
9 王均波;协同过滤推荐算法及其改进研究[D];重庆大学;2010年
10 况亚萍;云计算技术在协同过滤推荐中的应用研究[D];中国科学技术大学;2014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
  • 010-62982499
  • 010-62783978