论文部分内容阅读
随着我国社会主义市场经济的下行压力,国际经济形势的不利影响,高校的不断扩招,毕业生就业难已成为重要的社会问题。虽然校园招聘就业信息发布平台是高校毕业生完成就业的主要渠道,但这一途径仍然存在许多问题。一方面,各高校的就业信息平台提供的就业指导方式和内容单一,主要是为学生定期发布招聘信息和宣传国家就业政策,缺乏就业推荐功能。另一方面,高校毕业生需从庞大的聘用信息中筛选符合自身就业意愿的信息。其过程花费巨大的求职成本,其中包括时间成本,精力成本,机会成本。由于上述诸多问题本文设计实现了“基于改进K-Means聚类方法的高校就业推荐系统”。旨在为每一位毕业生提供一份一对一的就业指导,同时降低学生求职过程中的盲目性。系统基于学生和企业的真实历史数据,考虑学生求职过程中的个性化影响因素,通过推荐算法、数据挖掘技术及企业评估指数模型分析,得到推荐企业排名。其中主要分三部分:(1)数据抽取整理部分:从已有的高校学生管理系统、校园就业平台及其他企业信息来源抽取相关的学生数据和企业数据。建立学生数据库,企业数据库。为提高客观准确性,运用Apriori关联算法筛选出与本文问题相关的属性,去掉无关属性。(2)计算高校毕业生与招聘企业间相似度部分:通过运用改进的K-Means算法对学生进行聚类,结合SimRank算法求得的学生间的相似度,最终得到学生与企业间的相似度。(3)推荐企业排名部分:结合“学生与企业间相似度”及“企业评估指数模型”计算得到针对每个学生的推荐企业排名结果。同时加入个性筛选功能进一步提高推荐针对性。本系统数据选取大连海事大学2009年到2012年的学生历史数据4012条作为往届学生数据库的数据。抽取2012年和部分2013年学生数据1003条作为应届生数据库,并对系统进行测试。在海事大学就业网抽取整理1222条企业数据。在系统评估方面有以下几个重要指标:推荐企业数量(N),系统推荐命中率(P),系统推荐排名指数(F)。通过系统测试和参数确定,最终确定:推荐系统的推荐企业数为25,系统命中率达到0.67,推荐排名指数达到5.9。通过系统评估测试本系统建立的推荐模型符合设计初衷,可以较好为学生就业提供推荐指导。