面向大学生就业的协同过滤推荐算法与推荐系统研究

隋占丽 李 文 李 影 王江涛

（仰恩大学工程技术学院 福建 泉州 362014）

面向大学生就业的协同过滤推荐算法与推荐系统研究

隋占丽 李 文 李 影 王江涛

（仰恩大学工程技术学院 福建 泉州 362014）

大学生就业形式严峻，竞争异常激烈。而且由于大学生一直处于在校学习阶段，对校外企业与用人单位不够了解，难以通过有效的形式与就业单位接触。很多大学生都是携带着个人简历，通过许多招聘会来进行自我推荐。在这个过程中，有盲目寻找之嫌。许多企业并非是大学生专业对口、感兴趣的单位，但在招聘会中找不到适合的单位，只好进行尝试。这造成了企业与学生双方的精力损耗。降低了学生就业的成功率。通过协同过滤推荐算法研发的大学生就业推荐系统，可以通过学生的兴趣爱好，往届毕业生的就业因素进行系统评分，得出推荐结果，让校方帮助大学生找到更适合的单位，更多的就业机会。本文介绍了系统过滤算法的发展过程、具体应用以及通过内容和知识进行融合的推荐系统算法推荐系统如何进行开发设计，产生评分的推荐功能进行了详细的阐述。

系统过滤算法；算法融合；毕业生状态；软件工程；企业需求

1.协同过滤推荐算法就业系统研究意义

1.1 协同过滤推荐算法相关系统作用与意义

系统过滤推荐算法近年来被广泛应用，最早的应用是在一些门户网站和电子商务类的平台。因为商务平台中会提供数以万计的商品甚至更多，人们在选择的时候，常常使用搜索选项。但是商品在商务平台中的登记往往不能做到十分的精准和全面覆盖。以实例进行深入浅出的说明，电视可以登记为电器类，也可以是生活用品类，更加可以是电子产品。网站往往按照一定的规则去进行信息登记。但是用户是无法具体了解这个流程的，在搜索中可能会找到一些自己想要的商品，同时也会遗漏一些符合用户需求的物品。那么使用过滤推荐算法，可以在用户搜索购买某些商品的时候，为用户提供一些推荐（常常以“可能感兴趣的物品”）为具体推荐项。这类算法是根据用户购买的商品的一些特征，进行再次搜索并提供推荐的。也可以归类为基于内容协同顾虑算法的应用。基于系统过滤推荐算法的应用系统不断被研发，其中面向大学生就业的推荐系统就是一个具体的体现。

1.2 基于协同过滤推荐算法的大学生就业系统研发与应用意义

大学生就业的渠道增多，企业招聘的渠道也在增多。但渠道增多的负面影响也随之出现了。大学生的精力是有限的，如何在众多的招聘信息中，进行合理筛选，找出适合大学生自身特点的专业需求的岗位，成了一个关键的问题。企业招聘不仅仅是通过招聘会，还有很多是通过一些知名的招聘网站平台。大学生也可以通过网站平台进行自我推荐，职位寻找。但是很多职位仅仅通过一些检索功能是不能够进行精准覆盖的，而且很多毕业生也并不是计算机专业毕业，搜素能力相对不强。通过系统过滤推荐算法推出的大学生就业推荐系统，就是一个很好的解决这一问题的方法。深入浅出的说，基于协同过滤推荐算法的大学生就业系统，是根据学生在校期间的学习表现、对不同科目的侧重、学生的喜好，以及校园中往届毕业生的综合信息进行匹配，塑造算法的模型，通过编码实现，通过算法融合找出符合项。

2.基于协同过滤算法的大学生就业系统用户模型塑造

基于协同过滤算法的大学生就业系统面向的对象是大学生，而就业系统的使用者主要是校方或者招聘网站。校方根据学生特点为学生进行职业走向定位，培养职业素养，同时对应届的毕业生推荐适合的工作岗位。招聘网站方根据学生提交的个人信息，进行信息匹配，提出推荐信息。本系统主要是侧重于校方，也可以进行拓展，校方与招聘网站方融合功能。系统应用的第一步当然是塑造大学生用户模型，模型信息可以包含多方面特点：

2.1 大学生基本信息

大学生的基本信息主要包含身高、体重、性别等等基本的自然信息，这些信息的获取可以从学生的入学档案已经学生提交的简历中获取。这些信息不能忽视，很多企业和工作岗位对学生的自然情况是有一定的要求的。

2.2 大学生用户模型中的其它信息

这些信息很难明确归类，包含较多因素，比如兴趣爱好、特长、工作意向、学习过程中不同科目的掌握情况、性格、以及企业对学生要求的职业素质对应等情况。要准确的获得这些因素，最好从学生入学起，就建立好学生信息统计网络。

2.3 大学生用户模型中的权值

权值在算法中起到重要作用，因为能够在学生就业中起到作用的因素的重要性，并不是相同的。是要有所侧重的。可以从多个角度进行设计与分析，从学生角度，学生在学习和成长过程中兴趣爱好与就业取向是会发生变化的，从就业取向方面来说，新变化的往往才是学生目前真正想从事的工作，所以相对陈旧的就业意图，重要性权值设计时要高很多，才能真正体现学生的就业想法。从企业角度来说，企业往往对某几项学生能力有所侧重，因此这几项的权值也应该有所加大，才能真正实现学生与企业的对接。

3.融合性协同过滤推荐算法在系统中的应用思想

使用协同过滤推荐算法，要塑造用户模型，这里可以考虑大学生为模型对象，进行塑造。但是每个大学生个体都是不相同，如何通过系统推荐算法收集的数据集给出正确的评分呢。在查阅相关资料和实际实验中发现，单独使用协同过滤算法，当不同的特点体现，与数据集不匹配的时候，评分的准确率容易出现较大偏差。这里引进融合性协同过滤推荐算法的思想加以应用。

主要从两种融合性算法入手。一种是相关度融合算法，也就是对相似的兴趣、特点进行分类，把相似的类别算法模型理解为大学生的朋友或者伙伴。这些伙伴具有相似的特点，这些伙伴对大学生未知的特点进行一定的算法推测，同时给出评分项目标准。比单独的协同过滤推荐匹配评分更加贴近大学生，更加准确。在给分时相似度数值非常重要，在计算相似度的时候，使用线性向量相关度计算多数采用的pearson系数较为恰当。大学生就业系统还适用基于分类思想的系统过滤推荐融合算法，因为就业过程中需要大学生自己的意愿和企业用人意愿相互对应，如果两者对应的更好，差别更小，则就业成功率越高。推荐效果越佳。因此，将学生和企业的需求因素分类，减少对应差别，系统评分标准也会得到提升。推荐效果对应更加精准。在具体算法体现中，篇幅有限，这里简单介绍思想，以矩阵的思想，构建三元矩阵。通过不同模型（实验每次塑造2个）对应企业需求，得出对应数值，相关、不相关、匹配。得出哪个模型更为合理。

4.大学生就业推荐系统推荐优劣衡量参数

评价推荐系统推荐质量时，主要使用平均绝对偏差、准确率和召回率来评价推荐的质量。本项目使用平均绝对偏MAE作为度量标准，同进，该方法也是使用最广泛的方法。MAE通过计算预测的用户评分与实际的用户评分之间的偏差程度，来判断预测的准确性，MAE越大，表明推荐的效果越差；MAE越小，表明推荐效果越好。公式表述如下：

5.基于协同推荐算法的大学生就业推荐系统的功能与特点

5.1 功能流程

从设计之初谈起，本系统起到的作用是研究大学生的就业特点，寻找出协同推荐算法适用于本就业推荐系统，然后总结协同过滤推荐算法中哪些优势适用于系统，还存在哪些因素会造成计算不精准。通过融合算法思想进行改进与分析。在大学生入学阶段，就可以进行数据的统计，根据不同的数据，从时间长度，类型特点进行跟踪统计，最终与系统进行模型融合匹配。给未到毕业阶段的大学生提出一些对就业有利的建议，对于毕业生给出工作岗位推荐，帮助提升学生就业率。同时由于融合了企业与学生的需求，会更加有助于学生找到更加适合自己的工作岗位。虽然从意义上说，系统最终功能是筛选岗位给出推荐信息，但其中包含的意义，已经与以往导员、教师给学生传递企业招聘信息有着完全不同的作用。

5.2 基于协同过滤算法的大学生就业系统特点

首先，采用协同过滤算法系统，决定了筛选过程中，对学生有帮助的信息会更优先的体现出来，这是本算法自身优势，这里就不再一一赘述。

其次，学生的自身信息模型，不仅仅包含专业成绩还包含了学生的兴趣、爱好、情感因素的统计。并且以时间先后等方式赋予不同的权值，让学生就业时的思想体现更大的作用。统计的信息覆盖面较大，在系统分析时更够根据权值让计算更加精准。

再次，使用了融合的协同过滤算法思想，对算法进行优化，综合考虑不同个体差异的评分，以及企业学生双方面匹配的因素评分，系统工作更加科学高效。最后，本系统可以进行后期拓展，可以为校方使用，也可拓展为一些招聘类网站采用，平台移植性高，预留了拓展空间。

[1］曹红姣.基于情境感知的大学生就业推荐系统的设计与实现[D].华中师范大学，2014.

[2］王亚婧.基于数据挖掘和协同过滤的成人高考志愿推荐系统研究[D].北京林业大学，2011.

[3］吴迪.高校毕业生就业推荐系统的设计与开发[D].大连理工大学，2010.

[4］马宏伟,张光卫,李鹏.协同过滤推荐算法综述[J].小型微型计算机系统，2009 (07).

[5］彭德巍,胡斌.一种基于用户特征和时间的协同过滤算法[J].武汉理工大学学报，2009(03).

[6］HervéAbdi,LynneJ.Williams.Principalcomponentanalysis[J].Wiley Interdisciplina ry Reviews Computational Statistics，2010(4).

[7］李涛,王建东,叶飞跃,冯新宇,张有东.一种基于用户聚类的协同过滤推荐算法[J].系统工程与电子技术，2007(07).

G642.0

A

2095-7327（2017）-04-0003-02

本论文系福建省教育厅2016年福建省中青年教师教育科研项目《面向大学生就业的协同过滤推荐算法与推荐系统研究》的阶段性研究成果，项目编号为JAT160590。

隋占丽（1979.12—），女，汉族，黑龙江人，本科学历，毕业于哈尔滨师范大学，就职于仰恩大学，讲师，研究方向为计算机应用。