随着互联网的飞速发展,网络招聘形式凭借着高效、便捷、低成本等亮点,逐渐成为企业和求职者首先联想到的方法。然而招聘信息仍存在诸多问题,例如岗位薪资不实和不透明等。为了解决这个问题,本文的主要工作是通过协同过滤算法对招聘网数据分析岗位的数据进行挖掘,探寻数据之间存在的关联关系,对岗位薪资进行预测。首先对拉勾网上爬取的招聘信息进行数据预处理、描述性统计分析和独立性试验,初步可以判断各指标与岗位薪资的依赖强弱关系,并将这个初步结论用于后方的权重调节系数中。接着本文采用了以岗位为主体的协同过滤推荐算法,对拉勾网中数据分析岗位的薪资进行了预测。引入了多维度加权相似度对传统相似度的方法进行改进,提出岗位-固有属性相似度、岗位-技能相似度和岗位-描述文本相似度,在每个维度下分别采取不同的方法来计算各自的相似度,赋予权重调整系数α和β,对它们进行加权,得到的平均值作为岗位总的相似值。通过相似度的大小找到目标岗位的K最近邻集合。以相似度为权重,通过对最近邻集合中的薪资进行加权平均,计算得到的值作为目标岗位的薪资预测值。最后将模型放到训练集不断调整权重得到最优参数,引入三种文本处理方法,根据评价标准MAE对预测结果进行分析,并对工资上、下限进行预测,得到一个合乎市场水平的宽带薪资。本文构建的岗位多维相似度的薪资预测模型有一定的创新点:计算总相似度时,引入岗位属性的三个角度,用来弥补单一属性的缺陷;引入文本技术处理岗位文本信息,建立适合处理岗位描述文本的模型;引入协同过滤算法找到相似的岗位构建薪资预测模型,通过模型可以给出薪资预测区间值。对比结果表明,本文的方法对薪资的预测精确度有所提高,具有一定的可行性。