赵思佳 尹 婷
(湖南环境生物职业技术学院,湖南 衡阳 421001)
在互联网时代背景下,高校学生面对的市场就业信息呈爆发式增长,然而大量的就业推送信息呈碎片化形式传播,完整性不强且存在信息逻辑混乱、可信度不高等问题,难以直接为毕业生就业提供有效支持[1]。以上因素极易引发高校学生对社会实际就业市场需求产生困惑,直接影响高校毕业生的就业决策。基于以上问题,该文设计研究了一款针对高校毕业生精准推送就业服务的平台模型。通过分析高校毕业生的就业喜好或现实需求,整合了系统功能模块、数据信息采集、数据信息匹配、数据信息推送及算法分析体系,系统构建了一套高校精准推送就业服务平台模型,旨在推进高校大学生在面对繁杂数据信息的背景下能高效地对各类重复无效信息进行筛选辨识,以此提升高校毕业生个人就业决策能力,实现高校毕业生精准就业。
高校毕业生在择业就业过程中很容易出现供需结构矛盾现象。一方面,高校毕业生人数众多,但招聘企业不易招到所需人才;另一方面,高校毕业生就业困难,部分高校毕业生虽然有实习经验,但真正面临毕业时仍需要再次面向社会寻找工作。基于以上现实需求,设计高校精准就业推送服务平台模型可有效解决高校毕业生与用人单位供需结构的矛盾。
精准推送就业服务平台模型推荐系统主要包括人才市场与毕业生需求关联的规则、数据信息内容的采集以及协同过滤实现精准推送等[2]。向高校毕业生推送相关就业信息资源的过程中,借助大数据算法分析可有效规避就业数据推荐不精准、指向不明确等问题。该文根据高校毕业生用户的实际就业需求,一改传统的就业服务模式,设计了一款高校毕业生精准推送就业服务平台模型,面向高校毕业生进行有针对性的精准就业服务,以满足高校毕业生的就业需求,帮助高校毕业生成功实现精准就业。该系统由用户模型、可视化展示和数据保存等子系统组成。其应用架构如图1 所示。
图1 高校毕业生精准推送就业服务系统应用架构
在用户模型中,系统对大量采集到的用户基本数据与浏览行为进行信息筛选提取,形成高校毕业生用户个人标签属性。借助数据分析,系统将不同用户群划分成不同类别群体,利用个性推送平台提取用户画像的标签模型,然后经过滤,以调用接口数据的方式向用户推送信息,最终将高校毕业生的就业需求数据呈现在用户面前[3]。
对系统进行功能模块化设计的核心意义在于分离职责,降低高校精准推送就业服务平台模型实现的难度,同时建立相应的视觉和交互规范,这是必不可少的工作环节,对一些复用性较高的组件,可以将其模块化。组件功能模块有助于高校精准推送就业服务平台保持系统输出的一致性,提高平台设计效率,在一定程度上可提升高校精准推送就业服务平台模型的开发效率,降低该系统模型在后期使用或维护中的工作难度及工作量,便于用户及系统操作人员协同操作,实现高校毕业生就业数据信息的个性化推送。高校精准推送就业服务平台模型设计架构如图2 所示。
图2 用户模型模块架构
根据图2 可知,高校精准推送就业服务平台模型模块由用户信息、可视化展示和管理配置3 个部分组成。用户信息主要收集高校毕业生用户的个人信息,主要用于搜集毕业生就业方向偏好及具体需求,其中包括基本信息和就业需求;可视化展示是该系统模型架构的核心,对就业周期、市场数据以及用户就业喜好等数据的分析,为用户提供可视化服务,帮助决策者对就业信息细节有更深层的了解;配置管理可实现对高校精准推送就业服务平台数据有组织的检查,对就业服务需求的数据研究具有重要作用,同时便于对模型后期实施优化及管理[4]。
打通就业岗位资源,开辟精准化、智慧化的高校毕业生就业管理新模式,可通过数据采集、配置管理、数据匹配、数据推送和数据运算等方式实现针对高校毕业生就业需求的个人发展诊断及就业岗位推荐。
高校精准就业资源推送平台需要基于有效的就业资源数据、高校用户数据及毕业生用户行为数据等基础信息数据。基于此,建立服务平台模型前需要建立有效的大数据基础平台,用以汇集人才市场就业信息数据、毕业生用户需求等多方信息,利用数据处理算法,帮助毕业生获得就业最优选项[5]。
采集用户数据是建立高校精准推送就业服务平台模型最基本、最重要的步骤,用户信息数据由数据库进行保存,数据库的建立主要包括用户信息数据库及可视化就业信息数据库2 个方面。数据采集流程如图3 所示。
根据图3 可知,在页面初始化阶段,获取初始化页面URL 地址,当所述URL 地址处于第一预设URL 地址时,向服务器发送用户行为信息采集插件的获取请求,接收所述服务器基于所述获取请求返回的用户行为信息采集插件和配置文件,并调用所述用户行为信息采集插件采集用户行为信息。收集到相关数据信息后,系统判断所述用户行为信息中的用户标识是否处于所述配置文件的名单,如果在所述标识处进行配置,则可将所述用户行为上传至数据库备用[6]。
图3 数据采集流程图
2.1.1 用户信息采集
高校毕业生在该平台进行首次注册后填写个人基本信息,为服务平台提供自身的相关专业及就业喜好数据,随后交由数据库对个人信息进行评测,对用户输入的个人基本信息、个人就业喜好等各类拓展信息进行二次整理,为后续及时推送相应职位奠定基础。
2.1.2 可视化就业信息数据
2.1.2.1 就业周期
就业周期信息需要对多方数据进行收集,如通过抓取社会面发布的各层次就业信息,了解学生在相应企业或某岗位的就业状况。
2.1.2.2 市场数据
学生登录就业服务平台后,平台采集的所有市场就业数据信息均能够作为高校毕业生的有效就业资源,为学生逐级进行筛选做准备。企业搜索与评价的相关信息可作为市场数据信息库的主要来源,在搜索相应资源后,利用数据分析平台对这些市场数据信息进行分类整合,使其数据信息直观地呈现在用户面前[7]。对就业市场数据资源信息库进行补充与采集,需要多次搜集或更新人才市场多方面的信息,以此保证数据资源的准确性及新颖性,便于平台实时根据人才市场变动对推送信息做调整,进而满足不同高校毕业生用户的就业需求。
配置管理数据库的作用在于收集所有与配置相关的信息资源,并利用采集获取到的有效信息实现对系统评价结果的变更,为系统配置管理过程提供管理数据信息。配置管理数据库后台操作流程如图4 所示。
图4 管理配置后台操作流程图
管理配置后台的作用主要在于后期对预设值可随时进行增删或修改操作。该数据库配置管理模块采用Web工程构建,应用Tomcat7 软件对该模块进行部署,使其具有可视化的编辑能力。完成人工配置预设值工作后,新录入的数据可及时对各模块进行任务生效,如个别信息不需要即时生效,可设定定期任务,在下次执行过程中根据新发布数据运行。
基本需求:仅能够对用户模型中的基础需求等级数据进行判断,可对判定逻辑中的数值进行修改。
拓展需求:对用户模型的拓展需求进行修改,可随时对用户需求、需求等级、用户喜好和用户标签等不同的信息内容进行增删。
信息管理:用于增删相应的企业岗位,包括具体岗位名称、企业介绍和企业招聘时间等信息。
用户管理:将人才就业市场招聘岗位同用户需求及用户拓展需求信息相关联,并进行等级化排序,将其作为精准推送就业岗位的匹配依据。
黑名单:将被系统过滤后的无效信息进行自动处理,如企业发布的无效岗位、过期信息等。
通过设置以上配置管理信息,优化系统模型后期管理工作,为平台的持续开发应用做铺垫。
根据用户的个人基础信息与行为数据可准确推测出用户个人就业喜好,平台通过相应的评分算法可为高校毕业生用户提供匹配性更优的就业数据[8]。用户需求匹配流程如图5 所示。
图5 用户需求模型构建流程图
进行数据匹配期间,平台通过提取用户个人信息或行为数据,确定用户就业数据结构,标注用户模型标签,并为用户进行打分服务。确定用户就业数据评分后,选择用户需求就业数据,直接为用户进行推送,由平台计算用户提供数据的相似度,推送相应的就业服务信息。如果标签模型需要根据用户拓展兴趣评分进行推送,可按照以上流程持续进行。如果平台对用户数据不确定,则再次对必要的用户行为、用户偏好及个人基本属性等基础数据进行分析。维护用户状态数据期间,如果没有该用户的状态数据,则在数据库对其个人数据进行新增。如果用户状态数据有变更,则对用户数据进行更新。
协议是推送服务的核心。应用XMPP 前端、中间层和HTTP 前端构成了完整的协议架构。XMPP 前端用于维护与客户端之间的长连接,使用EJabberd 项目来处理来自客户端的XMPP 请求,同时通过XMQ 模块来处理推送服务特有的XMPP 消息协议。中间层即业务逻辑层,主要用于将消息请求异步化、创建和维护消息队列以及处理客户端的一些命令请求(注册、设置别名和设置topic 等)。HTTP 前端负责对接来自第三方App 服务器发消息的HTTPS 请求以及来自客户端生成账号的HTTPS 请求。基于大数据及算法技术的信息智能推送,提升了信息传输的精准效应。其推送服务流程如图6 所示。
根据使用数据信息,对用户大量基本信息或行为数据进行推算,得出分析结论,可挖掘出高校毕业生对某个或某类就业数据的喜好程度。结合用户在注册期间提交的个人基本信息、个人需求及喜好等信息,对用户的综合信息进行筛选,为不同毕业生推送准确的个人就业服务资源。每位用户所接收到的就业信息同用户个人浏览、搜索的就业信息资源频率呈正相关。数据推送根据用户浏览职位市场及个人行为特点挖掘用户自身需求,实现将就业数据定向推送至高校毕业生,用户可对相应的就业数据资源或区域进行评分。通过评分数据,大数据能更为直接有效地精准判定用户需求,了解用户对相似岗位的喜好程度。此外,用户参与评价或评分,可为数据信息库增加其他子集内容,将用户的评价反馈进行归纳整理后,能够更加精准地推送有效的就业服务信息,为数据库资源的持续更新提供了一定的保障[9]。
设高校毕业生用户为ui,ru-I为高校用户ui在参与浏览就业数据后对各类推送数据的评分,计算高校毕业生用户ui给出的评分平均值raverage。以评分均值作为数据筛选依据,保留综合评分高于均值的职位推送数据选项,结合岗位具有的不同属性及其评分数值,为单个推送就业岗位生成描述性文档DocI。组合所有评分高于均值的就业推送数据,生成相应的推送文档,得到高校毕业生用户ui的个人就业喜好文档Docui。高校毕业生用户就业推送评分数据整合示意图如图7 所示。
图7 就业推送评分数据整合示意图
应用数据算法分析获取高校毕业生用户的就业喜好属性文档Docui后,对高校毕业生用户的喜好属性文档进行归纳汇集。平台对ui属性文档集合进行运算分析,得出不同高校毕业生用户在使用平台期间推送的不同就业岗位属性喜好分布,而后针对不同用户的就业岗位喜好进行相似性比较推送。通过利用主题领域模型LDA(Latent Dirichlet Allocation)对用户就业信息文档集合进行处理运算,获取高校毕业生用户的喜好属性文档被应用于在不同主题的偏好分布值,实现应用相应值域内容的精准推送。
互联网技术的不断发展推动了高校毕业生面对市场大环境下就业选择的渠道及方式,实现了面向大数据背景下庞大就业信息资源的收集存储、定向分析、挖掘整合及应用服务。高校毕业生借助精准化的就业信息资源服务管理平台,能够有效应用数据平台提供的就业信息对个人的职业发展方向做甄选,通过应用数据平台信息提供的资源,不断地对自身就业需求做精细化调整,能够促进高校毕业生同用人市场需求接轨。该文通过设计研究高校精准推送就业服务平台模型,能够为高校毕业生用户提供大量的就业支持。通过利用大数据信息资源,对庞大的数据信息系统持续优化,能够实现就业数据信息资源的精准化推送,提升高校毕业生参与就业服务的精准性及成效性,有助于节约高校毕业生的求职成本及企业招聘成本,提升高校毕业生与用人单位之间的互动效应,满足高校毕业生精准化、高质量的就业需求。