论文部分内容阅读
本文主要就求职招聘过程中的智能匹配问题进行了初步探讨,目的是为了解决庞大的用人单位招聘信息与求职者应聘信息之间的智能自动匹配问题,从而提高求职招聘的工作效率和成功率。
要让系统实现自动匹配,首先要对求职信息与招聘信息进行分指标量化。由于本文重点是对匹配算法的探讨,所以在求职招聘信息中只选取了部份较为典型的指标做为实例,其余需要扩充的指标可以用类似的方法来实现。文中所讲的匹配是指求职信息与招聘信息的双向匹配,通过给定的算法实现匹配程度的量化,从而实现匹配程度的比较与排序,找出最合适的求职者或招聘信息。文中所讲的智能匹配是指匹配算法中包含有学习更新功能,每向系统输入一条招聘信息或求职信息,系统中相关指标项的权值会产生相应的变化,反过来修正匹配算法的结果,从而使系统的匹配算法更加科学、更加合理。尤其是专业指标的学习算法特别值得一提,它具有二重学习功能:一阶段,同其它有权值的指标一样,每向系统输入一条招聘信息或求职信息时,专业指标对应的权值会得到修正。二阶段,如果某个专业A2每与给定专业A1成功匹配一次,则相应的专业A2就向A1缩小一定比例的距离,其它专业则向A1增加一定比例的距离。这两次修正均会对下次专业匹配算法的结果产生影响。
本文将主要介绍求职信息与招聘信息的匹配算法、学习算法及相关程序主要代码。求职招聘智能匹配系统可做成网页界面,客户端用标准浏览器通过网络即可正常浏览使用,可方便应用于各类求职招聘平台。相关程序主要是使用ASP+ACCESS实现,也可根据需要轻易升级到ASP.NET+SQL,在操作系统为Windows XP或Windows2003的普通微机或在普通网络服务器上均可正常运行。文中给出的程序代码均已经过测试,部份功能页面可到如下网址测试:http://www.ylnu,net/znzp/。