基于改進(jìn)K-Means聚類(lèi)方法的高校就業(yè)推薦系統(tǒng)研究.pdf

1、隨著我國(guó)社會(huì)主義市場(chǎng)經(jīng)濟(jì)的下行壓力，國(guó)際經(jīng)濟(jì)形勢(shì)的不利影響，高校的不斷擴(kuò)招，畢業(yè)生就業(yè)難已成為重要的社會(huì)問(wèn)題。雖然校園招聘就業(yè)信息發(fā)布平臺(tái)是高校畢業(yè)生完成就業(yè)的主要渠道，但這一途徑仍然存在許多問(wèn)題。一方面，各高校的就業(yè)信息平臺(tái)提供的就業(yè)指導(dǎo)方式和內(nèi)容單一，主要是為學(xué)生定期發(fā)布招聘信息和宣傳國(guó)家就業(yè)政策，缺乏就業(yè)推薦功能。另一方面，高校畢業(yè)生需從龐大的聘用信息中篩選符合自身就業(yè)意愿的信息。其過(guò)程花費(fèi)巨大的求職成本，其中包括時(shí)間成本，精力成

2、本，機(jī)會(huì)成本。
　　由于上述諸多問(wèn)題本文設(shè)計(jì)實(shí)現(xiàn)了“基于改進(jìn)K-Means聚類(lèi)方法的高校就業(yè)推薦系統(tǒng)”。旨在為每一位畢業(yè)生提供一份一對(duì)一的就業(yè)指導(dǎo)，同時(shí)降低學(xué)生求職過(guò)程中的盲目性。系統(tǒng)基于學(xué)生和企業(yè)的真實(shí)歷史數(shù)據(jù)，考慮學(xué)生求職過(guò)程中的個(gè)性化影響因素，通過(guò)推薦算法、數(shù)據(jù)挖掘技術(shù)及企業(yè)評(píng)估指數(shù)模型分析，得到推薦企業(yè)排名。其中主要分三部分:(1)數(shù)據(jù)抽取整理部分:從已有的高校學(xué)生管理系統(tǒng)、校園就業(yè)平臺(tái)及其他企業(yè)信息來(lái)源抽取相關(guān)的學(xué)生數(shù)據(jù)

3、和企業(yè)數(shù)據(jù)。建立學(xué)生數(shù)據(jù)庫(kù)，企業(yè)數(shù)據(jù)庫(kù)。為提高客觀準(zhǔn)確性，運(yùn)用Apriori關(guān)聯(lián)算法篩選出與本文問(wèn)題相關(guān)的屬性，去掉無(wú)關(guān)屬性。(2)計(jì)算高校畢業(yè)生與招聘企業(yè)間相似度部分:通過(guò)運(yùn)用改進(jìn)的K-Means算法對(duì)學(xué)生進(jìn)行聚類(lèi)，結(jié)合SimRank算法求得的學(xué)生間的相似度，最終得到學(xué)生與企業(yè)間的相似度。(3)推薦企業(yè)排名部分:結(jié)合“學(xué)生與企業(yè)間相似度”及“企業(yè)評(píng)估指數(shù)模型”計(jì)算得到針對(duì)每個(gè)學(xué)生的推薦企業(yè)排名結(jié)果。同時(shí)加入個(gè)性篩選功能進(jìn)一步提高推薦針

4、對(duì)性。
　　本系統(tǒng)數(shù)據(jù)選取大連海事大學(xué)2009年到2012年的學(xué)生歷史數(shù)據(jù)4012條作為往屆學(xué)生數(shù)據(jù)庫(kù)的數(shù)據(jù)。抽取2012年和部分2013年學(xué)生數(shù)據(jù)1003條作為應(yīng)屆生數(shù)據(jù)庫(kù)，并對(duì)系統(tǒng)進(jìn)行測(cè)試。在海事大學(xué)就業(yè)網(wǎng)抽取整理1222條企業(yè)數(shù)據(jù)。在系統(tǒng)評(píng)估方面有以下幾個(gè)重要指標(biāo):推薦企業(yè)數(shù)量(N)，系統(tǒng)推薦命中率（P），系統(tǒng)推薦排名指數(shù)（F)。
　　通過(guò)系統(tǒng)測(cè)試和參數(shù)確定，最終確定:推薦系統(tǒng)的推薦企業(yè)數(shù)為25，系統(tǒng)命中率達(dá)到0.67