基于Mahout机器学习算法的智能岗位推荐

杨运强 吴进

摘要：当前很多高校在学生就业工作中采用的方式通常有两种，一种是企业到校进行宣讲，另一种是企业集中到校开招聘会，这样会带来两个问题，一是所有的企业宣讲或者招聘学生都要参与，浪费了学生和企业的宝贵时间，二是随着学校就业工作的开展，对接的企业资源库越来越多，这种招聘形式无法满足所有企业的到校招聘需求，通过Mahout机器学习算法，基于学生的专业技能特点，在企业资源库中推荐与学生技能特征相匹配的就业信息，能够很好的解决毕业生和企业岗位的对接。

关键词：Mahout机器学习 专业技能特点 企业资源库

中图分类号：A 文献标识码：A 文章编号：（2022）-13-

一、智能推荐岗位的技术框架

随着大数据思想实施的落地，推荐系统也开始倍受关注。不光是电商，各种互联网应用都开始应用推荐系统，像搜索，社交网络，音乐，餐饮，地图服务等等。在以前，没有使用推荐算法的时候，是通过设置各种约束条件，匹配数据的自然属性呈现给用户，这种就是基于规则的系统，然尔推荐算法从另一角度入手，解决了基于规则设置的问题。

论文介绍一种基于Mahout的就业岗位智能推荐系统，首先需要将学生的平时测试成绩、期中期末考试成绩、技能大赛成绩、综合题目测试成绩收集到Hadoop大数据系统中，使用算法分析出每个学生的专业技能特点，然后输入推荐规则到Hadoop大数据系统，使用Mahout机器学习算法为每个同学推荐三个就业企业岗位信息，最后使用网站平台显示给用户。

二、核心算法

1.回归分析

通过Stepwise Regression逐步式回归算法，对学生专业测试数据进行回归分析，揭示出专业技能数据之间关系，从数据量上研究专业技能的提升关系。

2.聚类分析

通过k-means聚类算法对每个学生、每个专项技能数据进行聚类计算和分析。

3.关联分析

通过 Apriori算法，对专业技能和推荐规则之间进行关联分析，从集中和离中趋势两个方面进行分析，揭示出两者关系。

4.相关性分析

通过 Eclat算法，根据知识相关程度和学生在对于每个知识模块的掌握情况。

5.贡献度分析

使用帕累托算法，根据专业知识重要性和学生学习掌握情况，进行学生专业技能画像。

三、推荐核心代码

FastByIDMap userData = new FastByIDMap（）;

for （Map jobmes ： maps）

{ int id = Integer.parseInt（（String） jobmes.get（“id”））;

String sk = （String） jobmes.get（“sk”）;

String[] skills_ = skill.split（"，"）; // 技能转换id

int[] skillids = getSkillIDs（totalSkills， sk_）; // 技能对应权重

double[] weightsparam = new double[skillids.length];

String weight_ = （String） jobmes.get（“weight”）;

String[] weights_ = weight_.split（"，"）; // mongodb 崗位库的岗位技能

GenericPreference[]genericPreferences=new GenericPreference[skillids.length];

for （int i = 0; i < skillids.length; i++）

{  genericPreferences[i] = new GenericPreference（id， skillids[i]， Float.parseFloat（weights_[i]））;

}

主要参考文献

[1] 赵莹.大数据分析在工程力学课程教学中的应用[J].现代职业教育;2021年07期：22-23.

[2] 李阳阳.云计算技术与应用专业的探索与实践[J].天津职业院校联合学报;2020年03期：68-69.

[3] 刘亚鹏.大数据技术在高职院校的应用发展探究[J].网络安全技术与应用;2020年10期：125-127.课题来源：本论文为中国（北方）现代林业职业教育集团2021年度林业职业教育教学改革课题研究成果 课题编号LZJB2021JY012

课题来源：本论文为2020-2021年度辽宁省职业技术教育学会科研规划项目课题研究成果 课题编号：LZY20508

作者简介：

杨运强  1979年出生   辽宁生态工程职业学院  计算机专业副教授

吴进    1980年出生   辽宁生态工程职业学院  计算机专业副教授