论文部分内容阅读
随着网络技术的迅猛发展和广泛应用,网上求职和招聘逐渐成为主流的求职招聘途径。然而,求职者面对海量的职场信息,他们可能花大量的时间也难以找到合适的职位信息。个性化推荐技术的发展为解决信息过载问题,提高求职招聘网站的可用性和用户体验提供了一种途径。本文在课题组已有的研究基础上,利用某省人才求职招聘数据和Web日志,从“具有相似行为的求职者具有相同的工作”相似出发,提出推荐的行为影响因素,制定行为分析策略,研究了面向大学生的个性化求职推荐方法。实例测试表明了本方法的有效性。本文主要研究内容和工作如下:1、把行为分析思想揉入基于CBR的个性化推荐,根据求职者网上求职流程分析,将求职者的网络求职行为分为注册行为、历史申请行为和职位浏览行为。基于“具有相似行为的求职者应有相似工作”的案例推理思想,在CBR推荐中增加兴趣相似。对人才网数据和Web日志数据预处理并进行分析,提出了求职者行为‐兴趣模型,克服了以往求职者模型中仅考虑人口统计学和社会竞争力特征的局限性。2、基于CBR的个性化职位推荐使用了全局相似和局部相似对求职者进行相似计算。但是,尚未解决权重问题。引入结构方程模型,建立求职者各种因素与求职成功间的关联关系的结构方程模型,通过验证性因素分析得出各求职因素与求职成功之间存在的隐变量及其潜在关联关系。从结构方程模型中得出局部相似度权重,运用在CBR相似度计算中,提高了推荐精度和质量,为进一步从潜变量研究其它行为进行了理论探索。3、从统计角度和数据挖掘角度综述了因素分析的常用方法,并对求职属性的数据类型分类,为不同数据类型的求职属性提出了可选的局部相似算法。4、针对课题组过去提出字符串比较专业相似算法的不足,借鉴本体相似思想提出一种基于分类关系与非分类关系的相似算法,解决求职者专业相似度计算问题,提高了相似度计算的准确性。5、在R环境下,连接SQL Server2008数据库并导入日志文件,实现了基于CBR的职位推荐包,并测试了基于行为分析的个性化职位推荐的有效性。对所提出的基于行为分析的个性化职位推荐方法与本课组以前的研究方法进行对比评价。