一种基于聚类的热门就业信息识别及预测算法

摘要

为提前识别“高热度性”流行度增长的新闻主题,提出了一种预测网络求职就业信息主题流行度的改进型算法。通过基于场论模型的极大似然自适应神经系统确定新闻的真实主题和聚类时间序列片段(用以预测主题流行度),在泛化的测试集模拟过程中,讨论了求职就业主题在热度暴涨前的动力学典型参数特征。验证性实验结果表明,在训练及测试数据有限的前提下,该算法仍能获得较高的预测准确度,以满足诸如高校就业引导及干预等工作的需求,具有较高的推广价值。