2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、互聯(lián)網(wǎng)的迅猛發(fā)展打破了傳統(tǒng)地域的限制,企業(yè)招聘由線下轉(zhuǎn)移到了互聯(lián)網(wǎng)上來,涌現(xiàn)了一批大型的在線求職平臺,如智聯(lián)招聘、拉勾網(wǎng)、前程無憂等。但是由于非結(jié)構(gòu)化招聘信息不統(tǒng)一,缺乏一站式采集、提取和清洗方案,求職者難以在雜亂無章的招聘信息中找到合適的信息。對非結(jié)構(gòu)化招聘信息的采集、提取和清洗,形成統(tǒng)一結(jié)構(gòu)化的數(shù)據(jù)集,已成為一個亟需研究的課題。
  本文是針對IT行業(yè)的非結(jié)構(gòu)化招聘信息,進(jìn)行數(shù)據(jù)的采集、提取和清洗。其主要安排如下:
  

2、(1)非結(jié)構(gòu)化數(shù)據(jù)采集:簡單介紹爬蟲技術(shù)的發(fā)展以及Scrapy框架爬取數(shù)據(jù)的基本原理,然后利用Scrapy框架采集非結(jié)構(gòu)化招聘信息,并存儲到MongoDB數(shù)據(jù)庫。
  (2)數(shù)據(jù)提取:利用AC算法對采集完成的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行關(guān)鍵字的提取,達(dá)到將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)變成結(jié)構(gòu)化數(shù)據(jù),并重新存儲到MongoDB數(shù)據(jù)庫。
  (3)數(shù)據(jù)清洗:首先利用SQL語句對結(jié)構(gòu)化數(shù)據(jù)進(jìn)行預(yù)處理,接著進(jìn)行清洗。由于現(xiàn)有的基本Skyline算法清洗數(shù)據(jù)效

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論