基于深度学习的大学生求职能力与岗位匹配的设计

李司航，季波，王永盛，杨艳婷，肖登高

摘要： 本文为解决大学生求职能力难以匹配岗位要求问题，首先评估学生现有综合竞争力，然后与岗位要求对比，利用深度学习RNN算法分析能力偏差，最后依据偏差大小在智能学习平台上产生学习策略，引导学生进行能力校正，达到岗位要求。系统采用微信小程序框架、Servlet技术、MYSQL数据库、深度学习TensorFlow等主流的开发工具与技术界面简洁友好，性能良好。

关键词：人岗匹配;竞争力;深度学习;学习策略

中图分类号：TP393      文献标识码：A

文章编号：1009-3044（2021）20-0186-02

0 概述

近年来，学者们尝试将前沿技术应用到人岗匹配问题中。国外早期研究，Malinowski等人利用候选人和专业信息建立人与岗位的双向推荐，实现人岗匹配[1]。Lee等人遵循推荐系统的理念提出了一套基于求职者偏好和兴趣的人岗推荐系统[2]。Zhang等人比较了基于用户的协同过滤和基于项目的协同过滤算法为求职者推荐合适的工作[3]。Wang等人利用员工的职业路径数据预测工作调换[4]。Xu等人提出基于工作转换网络的人才圈检测模型帮助组织找到合适的人才，并为求职者提供寻找合适工作的职业建议[5]。樊宏、戴良铁等人对人与组织匹配招聘模式的招聘策略进行了研究，提出了人与组织匹配的模型。为了与传统招聘策略相区别，实现人与组织的匹配，他们共提出六种新的招聘策略，并对这六种招聘策略进行了利弊分析。他们的研究从招聘模式选择的角度，为人与组织匹配的实现提供了一种新的方法[6]。这些研究深刻表明人岗匹配是未来招聘工作的主导模式，针对大学生求职，对大学生求职能力与岗位进行匹配，是招聘工作的一个重大的突破点。

市面上存在的人岗匹配普遍存在以下不足：第一，对大学生的综合竞争力的表示较模糊，未能从知识、技能、素质多维度地评估学生现有综合竞争力;第二，因学生找工作时，学生的综合竞争力相对比较稳定，未能在大学阶段的早期对大学生的综合竞争力进行量化，根据学生已有综合竞争力与岗位要求的偏差，产生学习策略，引导学生进行针对性的能力校正，从而使大学生的综合竞争力在找工作期间达到最佳。本文设计的基于深度学习的大学生求职能力与岗位匹配，综合了目前市场上已存在的相似人岗匹配平台的功能，采用当前盛行的微信小程序框架进行开发，并解决了上诉的不足之处，为大学生找到合适的岗位提供高效的解决方案。

1 系统分析

通过基于微信小程序的人岗匹配平台，意在打造一个可以帮助大学生找到合适的岗位，本文在需求分析的相关基础之上着重研究以下几个方面：

如何从知识、技能、素质多维度地评估学生现有综合竞争力，帮助学生定位自己求职岗位中的综合竞争力;

如何对学生已有的综合竞争力与企业岗位要求对比分析，找出能力偏差;

如何根据能力偏差，产生学习策略，对学生进行针对性的能力校正，最终匹配岗位要求。

为实现上述研究目标，系统需具备如下功能。

（1）评测学生综合竞争力：通过学生成绩等信息的抽取，从知识、技能、素质多维度地评估学生现有综合竞争力，帮助学生定位自己求职岗位中的综合竞争力;

（2）计算能力偏差：对学生已有综合竞争力与企业岗位要求对比分析，找出能力偏差;

（3）产生学习策略：依据偏差大小，产生学习策略，引导学生进行能力校正，最终达到匹配岗位要求。

2 系统主要功能实现

2.1 技术架构

系统采用前端框架微信小程序，后端Servlet技术，数据库采用MYSQL数据库，深度学习TensorFlow等。如表1所示。

2.2 主要功能实现

根据系统分析，本系统主要包含如下功能模块，如图1所示。 微信小程序界面如下图2所示。

（1）评测学生综合竞争力模块

本模块通过学生成绩等信息的抽取，从知识、技能、素质多维度地评估学生现有综合竞争力，帮助学生定位自己求职岗位中的综合竞争力。

综合竞争力模型公式：[C=Κ+S×Q]

C：综合竞争力（Competence）

K：知识（Knowledge），对应学生相关課程考试的成绩

S：技能（Skill），对应学生通过平台的项目案例所培养的沟通与团队协作能力

Q：素质（Quality），对应学生思想与品格、行为与习惯、职业化能力、职业化素养等课程分数。

（2）计算能力偏差模块

本模块利用深度学习RNN算法，对学生已有的综合竞争力与企业岗位要求对比分析，找出能力偏差。综合竞争力如下图3所示，企业岗位要求如下图4所示。本模块基于RNN提出对岗位要求以及求职简历中的工作经验的词级别的语义表征，分别将招聘要求与简历中的工作经验的每个词映射到潜在的语义空间中，然后设计基于能力感知的注意力机制的语义表征，对招聘要求与简历中的工作经验分别提取更高层次的语义表征，从而可以衡量岗位要求之间的重要程度，以及测量每个项目经验对具体能力的不同贡献程度。人岗匹配预测：预测人才能力与工作要求之间的匹配程度，即能力偏差。

（3）产生学习策略模块

根据能力偏差，产生学习策略，根据学生对知识点的掌握程度，推荐相关题目，高效地提高学生学习能力。基于深度知识跟踪模型的个性化试题推荐方法，该推荐方法分为三步：

1）结合深度知识跟踪模型，先将输入序列向量进行one-hot编码。

2）根据学生不同时刻的答题情况[xT]学生的试题掌握水平进行建模，输入序列结果[yT]会自主地去学习应该关注哪些时刻的状态，得到输出该学生对每个知识点答对的概率。