就业推荐

摘要： 针对就业结构性失衡问题,首先提出了就业画像的概念,用画像匹配代替就业对象匹配,以降低就业推荐算法的复杂度;然后建立了基于画像的就业关联知识库的理论及方法体系,该体系借由K-means聚类算法构建画像、Apriori关联规则算法获取就业画像关联规则,并通过调用基于权重及兴趣度模型的本体相容匹配算法实现就业推荐;最后设计了小规模的就业推荐实验,初步验证了混合推荐机制及语义匹配技术在解决就业冷启动问题以及智能化方面的作用。

摘要： 针对就业推荐中交互数据极其稀疏的问题,提出一个基于多头自注意力机制和特征交叉网络的混合深度神经网络模型。对学生行为序列属性进行定义,将学生基本属性、学生行为序列属性、职业基本属性、职业描述属性的独立嵌入作为模型输入;使用多头自注意力机制挖掘学生行为序列属性与职业描述属性中的序列特征;分别使用特征交叉网络和深度神经网络实现特征交互和数据的深度拟合。基于真实数据集的实验结果表明,与目前已有方法相比,该模型在HR@50与MRR@50指标上达到了最优性能,验证了模型的有效性。

摘要： 针对大学生面临就业难现状,有效管理就业信息,提升就业率,设计基于分布式计算的大学就业信息管理系统。利用网络爬虫技术采集学生、企业与教育管理部门的相关信息,将采集信息存储起来并形成数据库;利用分布式计算框架处理数据库内的信息,提升系统的实时性,挖掘获取处理后数据内隐藏的有价值信息,并设计了基于企业生命周期理论的就业推荐算法为学生推荐合理的职位。实验证明:该系统可有效管理就业信息,系统读取数据效率与信息检索完整度高,具备较好的就业推荐性能。

摘要： 西方福利国家社会救助的"激活"是指通过各种措施的组合帮助受助者克服就业障碍、提升就业能力并获得就业脱贫的机会.通过借助"激活"视角分析我国就业救助制度,可以发现,结构层面的积极型措施覆盖面窄、政策供给不足,相比来说,消极性措施如工作推荐和公益劳动较为普遍,过程层面的义务程度高、有相应制裁手段、个性化关注度低,这说明了我国就业救助基本上与西方的消极型"激活"政策类似,制度面临的最大困境是在就业救助在帮助低保对象实现脱贫自立方面的政策成效有限.在分析了造成就业救助困境的原因之后,提出了我国就业救助制度的改革与完善出路,包括明确就业救助制度的理念、定位和原则,进行就业救助制度的再设计和做好就业救助的相关配套衔接工作.

摘要： 随着互联网行业的推动与在线招聘的迅速发展,用户怎样快速找到合适的工作,企业怎样招聘到更符合条件的人才成为难题,因此设计就业推荐系统成为必要和迫切.该设计采用Django框架,PyCharm开发环境,MySQL数据存储,通过对个人信息、用户浏览、投递简历、收藏夹等行为进行分析,采用推荐算法,推荐用户与之匹配的岗位,减少信息推送,提高用户求职效率,降低用户求职过程中的时间成本.

摘要： 高校就业信息系统中存在大量的企业招聘信息,这些信息为毕业生提供了大量的就业机会.但是对于没有工作经历的学生来说,面对纷杂的信息,常常在选择上出现迷茫,因此需要在系统中添加个性化的信息推荐服务,向学生推送符合其自身特点的就业信息,以此来提高学生的就业率和就业匹配度.针对面向学生的就业信息推荐问题,提出一种基于学生行为分析的就业信息推荐方法.首先,给出个性化就业信息推荐服务模型;然后,分别从行为信息统计方法、学生兴趣模型建立、稀疏评分矩阵填充和就业信息预测推荐4个方面说明基于学生行为分析的就业信息推荐具体算法流程.在真实数据集上的实验证明,个性化推荐算法具有较高的正确率和召回率,可以有效地提高就业信息推荐服务的质量和效率,符合就业信息系统的智能化需求.

摘要： 当前,基于协同过滤和隐因子模型的大学生就业推荐方法,仅考虑学生对就业单位单向偏好易导致"能力失配",且一个用户一次就业的历史记录极易致负样本不可信,影响推荐性能,同时忽略了对推荐结果的可解释性需求.针对此,依据多任务学习的思路,设计并构建了基于互惠性约束的可解释就业推荐方法.其中,引入注意力机制与模糊门机制,提取并自适应聚合学生与就业单位双向的偏好与需求,缓解"能力失配"问题;提出面向就业意图和就业特征的推荐解释方法,满足可解释性需求;提出基于相似度的随机负采样方法,克服负样本不置信问题.在某高校5届毕业生就业真实数据集上的实验结果表明:相比于多个经典和同时代的推荐方法,所提方法在AUC指标上提升超6％,并且通过消融实验验证了所提方法中各模块的有效性.

摘要： 学校简介南依繁华市区,北拥蒲河廊道,在沈阳市于洪区西江北街199号,坐落着一所闻名遐迩的国家改革发展示范校——沈阳现代制造服务学校。学校始建于1979年,前身系沈阳市金融学校,是沈阳市教育局直属公办学校。40多年的教育沉淀,学校秉承"善学、精技、诚信、笃行"的校训和"就业升学双路畅,我与社会共成长"的埋念,致力于打造沈阳现代制造服务职业教育集团。学校拥有长期稳定的校企合作单位100余家,学生就业推荐率100%,就业稳定率达到98%以上,为学生的成长、成才铺路架桥。

摘要： 采用网络爬虫技术从网络上爬取海量招聘和就业数据,结合聚类分析算法、多元线性回归模型及分词提取关键字方法,构建了一个结合高校、学生和企业的开放性就业信息推荐模型.基于地理信息技术开发可视化的就业信息大数据分析平台系统,并以地理信息科学专业就业为例,对系统进行应用.系统将公司及工作介绍的文本数据以标签云、词图云的方式展示,通过分词集合匹配分析及多元线性模型算法,实现为用户推荐工作及为公司推荐用户的功能,从而解决高校毕业生择业难题.

摘要： 本发明公开了一种大学生就业信息推荐方法、装置和系统，方法包括：步骤1、从目标大学生简历文件中获取目标大学生的成绩信息；步骤2、从就业单位发布的招聘信息中获取评分需求；步骤3、根据所述目标大学生的成绩信息，通过所述评分需求进行匹配；步骤4、匹配成功后，则将所述目标大学生简历文件推荐给所述就业单位，匹配不成功，则退出。通过上述的大学生就业信息推荐方法，给就业单位进行前期筛选，以给单位推荐出符合其要求的简历文件。以降低就业单位的人力成本。另一方面，本发明提供用于执行大学生就业信息推荐方法的装置和系统。本发明主要用于互联网技术领域。

摘要： 本发明涉及数据推荐匹配的技术领域，特别涉及一种基于推荐算法的就业信息匹配方法、系统、介质及设备。所述方法包括：获取相关企业编号、就职人员编号及在职月份数数据，并根据该数据生成第一训练数据集、第二训练数据集；再采用协同推荐算法对第一训练数据集、第二训练数据集进行处理，分别生成第一相似度模型、第二相似度模型；最后，基于被推荐人的历史就业数据对第一相似度模型及第二相似度模型的数据进行处理和排序，以生成推荐结果。本发明方法利用在职月份数建立相似度模型能够更为客观地反应企业与就职人员之间的关联性，使得最终得到的推荐结果与被推荐人更加匹配，从而提高就业信息匹配的准确性、有效性和可靠性。

摘要： 本发明涉及一种基于随机森林的灵活就业人员公积金缴存方式推荐方法，包括如下步骤：选用历史公开数据集，选取灵活就业人员信息user和公积金缴存方式信息payment；定义初始信息矩阵Vu_p，对初始信息矩阵Vu_p中的数据使用合成少数类过采样技术smote，解决Vu_p中存在的数据不平衡现象，得到最终训练集Vtrain；在训练集Vtrain上使用随机森林模型RF训练，得到预训练好的灵活就业人员公积金缴存方式预测模型Mp。本发明方法可以有针对性的快速有效的为灵活就业人员推荐公积金的缴存方式。

摘要： 一种基于中智逻辑协同过滤的农民工个性化就业推荐方法及系统，属于人工智能技术领域，用以解决现有就业推荐方法不能针对农民工用户就业需求进行准确合理地推荐的问题。本发明通过上传劳动工具或工作环境照片以及同乡信息，筛选出背景相似群体的历史信息，并在协同过滤算法中引入中智逻辑，利用真值隶属度、不确定隶属度和非真实隶属度三个隶属度转化的评分手段，更真实地反映农民工用户就业偏好，使得推荐更精确，避免了现有技术中评分过程采用刚性评价，由于没有考虑人的主观不确定性导致一些并不全面、完整或不一致的评价无法被很好地衡量的问题。本发明可应用于农民工快速获取就业推荐，从而提高农民工找工作的效率。

摘要： 本发明公开了一种基于互联网模式下多源数据分析的就业推荐方法，包括：获取学生多源数据及企业多源数据；对学生多源数据进行清洗处理及关联处理以生成学生职业能力模型的学生关键数据，对企业多源数据进行清洗处理及关联处理以生成企业人才需求模型的企业关键数据；根据学生关键数据构建学生职业能力模型，根据企业关键数据构建企业人才需求模型；将学生职业能力模型与企业人才需求模型相匹配，为学生推荐就业岗位，为企业推荐求职简历。本发明还公开了一种基于互联网模式下多源数据分析的就业推荐系统。采用本发明，可通过多维度数据关联，逻辑判断纠错，数据深度挖掘、推荐算法等实现人才与岗位之间的精准推送。

摘要： 本发明公开了一种基于协同过滤的高校就业精准推荐系统及其建立方法，推荐系统包括平台角色管理模块和精准就业推荐模块，平台角色管理模块的平台角色包括管理员、应届毕业生分析模型特征值集、往届毕业生特征值集和企业单位特征集；精准就业推荐模块包含特征值抽取子模块、应届毕业生、企业单位相似度计算子模块、企业单位的求职热度计算子模块和排序综合权值计算子模块；本系统通过采用随机游走模型和协同过滤算法建立应届毕业生和往届毕业生的相似度关系，并依据校友签约信息和企业单位的求职热度相结合精准推荐应届毕业生意向的企业信息，达到精准推荐意向单位，平台数据匮乏利用率和匹配度高，对高效的智慧就业平台建设具有实际的指导意义。

摘要： 本发明公开了一种基于集成学习模型的就业推荐方法、系统、设备及介质，包括：获取用户u及各推荐项目c，将用户u的特征及各推荐项目c的特征进行向量化编码；将用户u的特征向量、用户u已有的交互记录向量和用户u与各推荐项目c的特征向量输入到训练后的集成学习模型中，得到各推荐项目的得分，完成基于集成学习模型的就业推荐，其中，所述集成学习模型由相似性信息组件、全局交互信息组件和特征匹配信息组件构成，该方法、系统、设备及介质能够提高模型的泛化能力及可扩展性，继而提高就业推荐的准确性。

摘要： 本发明公开了一种基于因果关联本体模型的就业推荐方法，属于就业推荐领域。本发明分析毕业生信息对就业选择的因果关联关系并构建因果关联本体模型，通过将其作为先验知识来对协同过滤算法进行改进，称作OWCF算法。OWCF算法进行就业推荐的过程，通过毕业生信息与因果关联本体模型先验知识库匹配，获得相应特征权重并与相应特征加权得到毕业生对某类型岗位的加权特征值；将加权特征值与待推荐岗位特征进行相似度计算，同时基于因果关联本体模型进行应往届毕业生相似度计算，通过相似度阈值设定，得到相似度高的就业单位和往届毕业生，将所得单位与高相似度往届毕业生的就业单位进行融合，形成推荐列表。

摘要： 本发明公开了一种基于大数据的就业推荐方法及系统，涉及计算机技术领域，所述方法包括：通过采集目标求职用户的目标用户信息，并提取得到目标用户特征集；获得历史求职用户的历史求职信息，其中包括历史用户信息、历史就业信息；遍历得到用户特征遍历结果；组建用户集，并结合历史就业信息组建岗位集；得到候选岗位集，其中包括多个候选岗位；依次采集多个候选岗位的多个满意度数据，并降序得到满意度降序列表；反向匹配得到候选岗位降序列表并进行就业推荐。解决了现有技术中的忽略求职者之间、求职者与招聘岗位之间的关联性特征，导致推荐不精细的技术问题。达到了提高求职用户对推荐岗位的满意度，提高求职用户的求职效率和就业率的效果。

摘要： 本发明属于推荐系统领域，提供了一种智能就业推荐方法和装置。其中，智能就业推荐方法包括获取个人信息和岗位信息；根据个人信息中的就业意愿生成候选岗位推荐列表；根据岗位与设定因素的分值关系，对候选岗位推荐列表中的岗位进行综合评分，并将低于设定分值阈值的岗位从候选岗位推荐列表中滤除；将个人信息和候选岗位推荐列表中的岗位信息进行语义关联，生成个人语义向量特征及岗位语义向量特征，根据个人语义向量特征与岗位语义向量特征的相似度对过滤后的候选岗位推荐列表重排序，生成岗位推荐列表。