基于向量相似度的招聘就業(yè)雙向推薦模型

劉興林 吳明芬 劉利偉

五邑大學計算機學院，廣東 江門 529020

引言

當前我國就業(yè)形勢越來越嚴峻，隨著我國諸多教育政策的不斷推出與執(zhí)行，社會的飛速發(fā)展這個大的背景下，高等教育的生源越來越廣泛，高等教育為了國家政策和社會的需要不斷地擴招[1]，2013年新增就業(yè)大學生達699萬，這導致就業(yè)的力越來越大。盡管每年的畢業(yè)生在增多，但仍然存在一些企業(yè)出現(xiàn)招工難的問題，這里主要的問題是招聘不到合適的人才。據(jù)調(diào)查統(tǒng)計，江門市勞動力資源在數(shù)量上較為豐富，然而就業(yè)結(jié)構(gòu)不太合理，勞動力文化素質(zhì)普遍偏低，高端技術(shù)型工種人才較短缺，“招工難”與“就業(yè)難”問題并存[2]。

為解決就業(yè)存在的各種問題，結(jié)合當前江門市的就業(yè)形勢，我們設(shè)計了基于向量相似度的招聘就業(yè)雙向推薦模型，為應(yīng)聘者和企事業(yè)招聘搭建了一個橋梁，找到各自合適的崗位和人才。該模型在投入應(yīng)用后，取得了較好的成效。

1 相關(guān)工作

當前就業(yè)推薦采用的方法主要有層次分析法[3,4]，數(shù)據(jù)挖掘[5]，聚類分析[6]，隨機游走[7]等。

層次分析法由T. L. Saaty[8]首次，是定量和定性分析相結(jié)合的多目標決策方法，它能夠有效地分析目標準則體系層次間的非序列關(guān)系，便于綜合測決策的判斷和比較，多用于社會、經(jīng)濟和管理等方面。陳玉峰等[3]根據(jù)農(nóng)民工的特征，采取不同的信息收集方式來采集農(nóng)民工基本信息特征及操作信息并利用ID3算法進行了相關(guān)計算，在此基礎(chǔ)上，引入層次結(jié)構(gòu)模型設(shè)計方法，提出了更符合農(nóng)民工特征的用戶模型及其表示方法，能更有效地實現(xiàn)農(nóng)民工就業(yè)崗位的快速推薦。高曉霞等[4]利用層次分析法建立了高職學生就業(yè)推薦綜合測評模型，通過對定性因素加以量化并構(gòu)造判斷矩陣，進行一致性檢驗，給出了一種公開、公平的開展高職學生就業(yè)推薦的方法。層次分析法的應(yīng)用較為廣泛[8-10]，文獻[3]和文獻[4]將該方法應(yīng)用于就業(yè)推薦，對就業(yè)工作起到了較好的促進作用，但層次分析法模型較為復雜，在構(gòu)造就業(yè)推薦模型時需要大量的權(quán)重設(shè)置和計算，因此在效率上有所限制。

陳玉峰等[5]前面的研究基礎(chǔ)上，深入分析數(shù)據(jù)挖掘理論與農(nóng)民工的主要特征要素，采用決策樹模型中的ID3算法，對樣本進行整理、轉(zhuǎn)換以及分類，構(gòu)建了一個基于數(shù)據(jù)挖掘的農(nóng)民工就業(yè)推薦系統(tǒng)，從海量的信息中發(fā)現(xiàn)規(guī)律和知識，為企業(yè)單向推薦相關(guān)技術(shù)人才。

李晶等[6]將聚類分析應(yīng)用于就業(yè)推薦，將應(yīng)聘者和招聘企業(yè)數(shù)據(jù)通過相關(guān)度處理，使用改進粒子群優(yōu)化的聚類分析算法，實現(xiàn)招聘企業(yè)與應(yīng)聘者的相互推薦．解決了推薦信息無用、雜亂等實際問題。這種方法將招聘方和應(yīng)聘方同等處理，忽略了從雙方各自更關(guān)注的信息角度出發(fā)考慮問題，比如對于應(yīng)聘者，在向其推薦企業(yè)時，顯然在同等條件于待遇高的企業(yè)要優(yōu)先推薦，反過來，對于招聘方而言，則希望將薪酬要求低的應(yīng)聘者優(yōu)先推薦。

吳迪等[7]設(shè)計并實現(xiàn)了一個基于隨機游走的就業(yè)推薦系統(tǒng)，通過比較應(yīng)屆和往屆畢業(yè)生基本特征，并結(jié)合基于隨機游走模型的PageRank算法獲得的各個企業(yè)的“求職指數(shù)”，將招聘企業(yè)排序后推薦給每一名畢業(yè)生。經(jīng)實際數(shù)據(jù)測試，該系統(tǒng)能有針對性的為畢業(yè)生推薦相關(guān)企業(yè)，有較好的效果。

在上述研究中，主要是單向的推薦，采用層次分析法在運行效率上有所欠缺，為更高效的解決就業(yè)雙向推薦的問題，我們提出了基于向量相似度的招聘就業(yè)雙向推薦模型，該模型將就業(yè)意向和招聘信息看成一條向量，抽取兩者共有的重要因素作為組成向量的分量，并對其進行量化，通過計算它們之間的相似度來實現(xiàn)雙向推薦。

2 基于向量相似度的招聘就業(yè)雙向推薦模型

基于向量相似度的招聘就業(yè)雙向推薦模型分以下四個步驟進行。

2.1 篩選

由于實際的招聘應(yīng)聘數(shù)據(jù)量達到50萬以上，為了降低模型的計算量，提高運算效率和準確率，在進行雙向推薦時對求職意向和招聘信息進行了篩選，主要進行以下篩選操作。

（1）空值篩選

考慮到某些信息填寫不完夠整，系統(tǒng)會對大部分數(shù)據(jù)根據(jù)求職者信息和企業(yè)登記信息進行自動填寫，但有些數(shù)據(jù)無法補充完整，模型在運行時則將這部分空值數(shù)據(jù)過濾掉，以保證進行模型數(shù)據(jù)的完整性。

（2）資格篩選

資格篩選主要考慮的是發(fā)布的求職意向和招聘信息是否過期，另外也要將已經(jīng)求職成功和招聘成功的記錄過濾掉。

（3）條件篩選

條件篩選是對所在的求職意向作招聘進行篩選，若為求職者推薦崗位，則以求職者個人的信息為標準，對招聘信息進行篩選；若為企業(yè)推薦求職者，則以招聘企業(yè)的要求為標準，對求職者進行篩選。條件篩選的主要有以下幾個方面：對工種，按工種編碼先使用商用細類代碼進行完全匹配篩選，若無數(shù)據(jù)再回退使用前4位進行部分匹配篩選；對學歷進行覆蓋篩選，對求職者而言，以求職者的學歷對招聘企業(yè)進行篩選時，篩選出學歷招聘要求等于或低于求職者學歷的招聘信息，反之則篩選出等于或高于企業(yè)學歷要求的求職者。

2.2 向量的生成

每條招聘信息或求職意向生成一個向量，該向量的各分量為招聘企業(yè)或求職者的各個條件，所有招聘信息或求職意向各自形成一個向量集。如，企業(yè)招聘信息向量：招聘（工種，學歷，職稱，年齡，性別，薪酬，住宿要求，工作地點，…），個人求職信息向量：求職（工種，學歷,職稱，年齡，性別，薪酬，住宿要求，工作地點，…），可以看到兩個向量的各個分量是一一對應(yīng)的。生成向量時考慮到企業(yè)和求職者的實際情況以及雙向所注重的因素，本模型向量只采用了工種，學歷，職稱，年齡，性別，薪酬，食宿要求和工作地點這8個分量。

為便于算法模型描述，將上述向量進行形式化：

2.3 向量量化

2.3.1 量化規(guī)則

為企業(yè)推薦求職者時以企業(yè)招聘信息向量為標準向量，其各個分量的值設(shè)為1，對于篩選出來的個人求職信息向量集，其每個向量的每個分量的取值范圍為[0,1]，完全不匹配取值0，完全匹配或不限制取值為1。對個人求職而言，以個人求職信息向量為標準向量，其各個分量的值設(shè)為1，對于篩選出來的企業(yè)招聘信息向量集，其每個向量的每個分量的取值范圍為[0,1]，完全不匹配取值0，完全匹配或不限制取值為1。

對向量各分量（建立映射表）逐一進行量化，各分量量化值為預(yù)設(shè)值（可根據(jù)模型運行情況調(diào)整），在充分的實驗基礎(chǔ)之上，考慮按工種為各分量設(shè)定不同的量化值。各分量量化基本規(guī)則如下。

（1）工種

以工種編碼作為量化的基礎(chǔ)，向企業(yè)推薦求職者和向求職者推薦崗位均采用以表1數(shù)據(jù)作為量化的依據(jù)。

表1 工種量化表

（2）學歷

在對學歷進行量化時，分兩種情況，一是向企業(yè)推薦求職者，二是為求職者推薦崗位。

向企業(yè)推薦求職者時，采取以下原則：在其他條件相同的情況下，優(yōu)先向企業(yè)推薦高學歷的求職者。根據(jù)這個原則設(shè)定表2數(shù)據(jù)作為向企業(yè)推薦求職者時匹配向量的量化依據(jù)。

表2 推薦求職者學歷量化表

若向求職者推薦崗位，則在滿足招聘條件的前提下，優(yōu)先向求職者推薦最接近求職者學歷的企業(yè)，比如，求職者的學歷為本科，則篩選出來的企業(yè)對學歷要求為本科及以下的所有招聘信息，在向求職者推薦時將學歷要求為本科的排在前，其他學歷依次往后排。

在量化時，參照表2的匹配向量量化值，采用公式1對企業(yè)招聘信息學歷要求進行量化。

其中，為求職者學歷按上表對應(yīng)的量化值， 為企業(yè)學歷要求按上表對應(yīng)的量化值。

（3）職稱/技術(shù)等級

對職稱和技術(shù)等級進行量化時，參照表3進行。

表3 職稱/技術(shù)等級量化表

由于當前系統(tǒng)中并沒有填寫該字段信息，模型實際運行時將該分量設(shè)為0，即不考慮該分量對推薦的影響。

（4）年齡

當向企業(yè)推薦求職人員時，考慮到在其他條件相同的前提下，企業(yè)更期望招聘年輕些的求職者，因此在量化時將更年輕的求職者量化為較高的值，年齡大的求職者量化較低的值，采用公式2對求職人員的年齡進行量化。

式2表示，不大于25歲的人，對子集“年輕”的隸屬函數(shù)值是1，即一定屬于這一子集；而大于25歲的人，對子集“年輕”的隸屬函數(shù)值按來計算，例如對40歲的人，隸屬函數(shù)值

當向求職者推薦招聘崗位時，采用區(qū)間量化的方案進行量化。設(shè)年齡的取值集合為U={50歲,45歲, 40歲 ,35歲,30歲, 25歲}，模糊集“年青”可表示為：

A=0/50歲+0.1/45歲 + 0.3/40歲 + 0.5/35歲 + 0.9/30歲 +1/25歲，若年齡介于（50，45）之間，則量化為一個（0，0.1）間的一個值，其他以此類推。

（5）性別

對性別進行量化時，分別采用表4和表5量化值進行量化。

表4 向企業(yè)推薦求職者性別量化表

表5 向求職者推薦崗位性別量化表

（6）薪酬

當向企業(yè)推薦求職者時，從企業(yè)招聘角度出發(fā)考慮，僅就薪酬這個因素而言，會優(yōu)先考慮對薪酬期望值更低的求職者，因此在向企業(yè)推薦求職者時，將開出薪酬更低的求職者排在前面，因此構(gòu)造以下量化規(guī)則。

設(shè)企業(yè)薪酬最低值為aavg，求職者薪酬要求最低值為：a1，a2，…，an，令M=max(a1，a2，…，an), m=min( a1，a2，…，an)，則企業(yè)薪酬為標準向量，其值為1，求職者薪酬按公式3進行量化。

若6e 為負數(shù)，則令其為0。

當向求職者推薦崗位時，分析求職者對薪酬的心理期望，顯然會更優(yōu)先考慮開出薪酬更高企業(yè)，因此在向求職者推薦崗位時，將開出薪酬更高的企業(yè)排在前面，因此構(gòu)造以下量化規(guī)則。

11月26日，機電一體化專家博澤中國太倉新生產(chǎn)基地舉行了開業(yè)慶典儀式。博澤太倉新工廠總建筑面積達7.3萬?m2，總投資額達14億元人民幣。新工廠將生產(chǎn)近全系列博澤產(chǎn)品，包括車門系統(tǒng)、玻璃升降器、門鎖模塊、座椅系統(tǒng)、座椅導軌、座椅電動機等。客戶涵蓋國內(nèi)外知名整車制造商，包括福特、吉利、捷豹路虎、大眾、沃爾沃等。此外，新工廠分為一期和二期，目前一期工廠已投入使用，二期工廠正在建設(shè)之中。未來，二期工廠大部分是用于座椅的垂直生產(chǎn)，包括沖壓、噴涂、激光焊接和整椅的組裝產(chǎn)線等。隨著二期的落成，至2024年工廠預(yù)計將擁有1?600多名員工，年營業(yè)額將突破58億元人民幣，規(guī)模列博澤亞洲第一。

設(shè)求職者薪酬要求的最低值為aavg，企業(yè)薪酬最低值為：a1，a2，…，an，令M=max(a1，a2，…，an), m=min( a1，a2，…，an)，則求職者薪酬為標準向量，其值為1，企業(yè)薪酬按公式4進行量化。

（7）食宿要求

當向企業(yè)推薦求職者時，從企業(yè)招聘角度出發(fā)考慮，僅就住宿要求這個因素而言，會優(yōu)先考慮對食宿要求越低的求職者，因此在向企業(yè)推薦求職者時，將食宿要求越低的求職者排在前面，建立以下映射表（表6）進行量化。

表6 向企業(yè)推薦求職者食宿要求量化表

當向求職者推薦崗位時，分析求職者對食宿要求的心理期望，顯然會更優(yōu)先考慮能夠解決住宿問題的企業(yè)，因此在向求職者推薦企業(yè)時，將住宿條件更好的企業(yè)排在前面，建立以下映射表（表7）進行量化。

表7 向求職者推薦崗位食宿條件量化表

（8）工作地點

當前模型僅對江門地區(qū)的工作地點進行量化，根據(jù)行政區(qū)域編碼的匹配度來進行量化。行政區(qū)域編碼共10位，其中前6位編碼及表示的地區(qū)如下：440703（蓬江區(qū)）,440704（江海區(qū)），440705（新會區(qū)），440781（臺山市），440783（開平市），440784（鶴山市），440785（恩平市），編碼中第7-8位表示鎮(zhèn)及街道，第9-10位表示村。

建立表8對工作地點進行量化（為企業(yè)推薦求職者和為求職者推薦崗位均按該表進行量化）。

表8 工作地點量化表

2.3.2 量化實例

系統(tǒng)隨機生成20萬條求職信息和10萬條招聘信息，用于模型測試用。模型在量化時，按推薦求職者和推薦崗位來采用相應(yīng)的量化規(guī)則進行量化，下面給出一組量化實例。

（1）向企業(yè)推薦求職者

從數(shù)據(jù)庫中抽取招聘編號為“1”的招聘信息，如表9所示。

表9 編號為“1”的招聘信息

由于數(shù)據(jù)庫中存儲的各字段內(nèi)容為相應(yīng)的編碼，因此表9中給出也是相應(yīng)的編碼（以下同），代表不同的含義（性別列中值為3表示男女不限）。在為該招聘推薦求職者時，該招聘記錄向量為標準向量，除“職稱/技術(shù)等級”分量外各分量均量化為1，即招聘向量1（工種，學歷，職稱，年齡，性別，薪酬，住宿要求，工作地點）量化為E1（1，1，0，1，1，1，1，1）。

模型為該招聘信息篩選推薦出以下求職者，如表10所示，相應(yīng)的，各字段給出的也是編碼（以下同）。

表10 為“1”號招聘篩選推薦出的求職者信息

模型按2.3.1節(jié)的量化規(guī)則對求職者信息進行量化，得到表11所示的量化結(jié)果。

表11 求職者信息量化結(jié)果

為盡可能區(qū)分各求職者與招聘要求之間的差距，表11中的量化結(jié)果按四舍五入的規(guī)則取四位小數(shù)。

（2）向求職者推薦崗位

從數(shù)據(jù)庫中抽取求職編號為“1”的求職者信息，如表12所示。

表12 求職編號為“1”的求職者信息

在為該求職者推薦崗位時，該求職信息向量為標準向量，除“職稱/技術(shù)等級”分量外其余各分量均量化為1，即求職向量1（工種，學歷，職稱，年齡，性別，薪酬，住宿要求，工作地點）量化為P1（1,1,0,1,1,1,1,1）。

模型為該求職者篩選推薦出以下崗位信息，如表13所示。

表13 為“1”號求職者篩選推薦出的崗位信息

模型按2.3.1節(jié)的量化規(guī)則對崗位信息進行量化，得到表14所示的量化結(jié)果。

表14 崗位信息量化結(jié)果

為盡可能區(qū)分各崗位信息與求職者要求之間的差距，表11中的量化結(jié)果按四舍五入的規(guī)則取四位小數(shù)。

2.4 相似度計算

在為企業(yè)推薦求職者，或為求職者推薦崗位時，需要計算他們之間的匹配度，匹配度根據(jù)2.3節(jié)的量化結(jié)果進行計算，即計算每條推薦向量與標準向量之間的相似度，然后按這個相似度從高到低排序，使得更符合的求職者或崗位能排在前面。

向量相似度的計算采用夾角余弦公式來計算，計算公式如式5所示。

其中分子和分母分別按公式6和公式7來計算。

就2.3.2節(jié)的例子（在本節(jié)已將相關(guān)的編碼轉(zhuǎn)換為對應(yīng)的含義，這樣便于分析比較匹配度結(jié)果），采用向量相似度計算公式來計算，向企業(yè)和求職者分別進行推薦，進行就業(yè)信息匹配，得到以下結(jié)果表15、表16、表17和表18所示結(jié)果。

表15 招聘編號為“1”招聘信息

表16 “1”號招聘的推薦結(jié)果

表17 “1”號求職者信息

表18 “1”號求職者的推薦結(jié)果

由于測試數(shù)據(jù)是隨機生成的，而算法在向企業(yè)推薦求職者時，在其他條件相等的情況下優(yōu)先推薦推薦學歷更高的求職者，因此會出現(xiàn)表16中博士、碩士去應(yīng)聘電工這個工種的情況，實際情況不會出現(xiàn)這種現(xiàn)象。

從上述就業(yè)信息匹配實例來看，基于向量相似度的招聘就業(yè)雙向推薦模型能較好實現(xiàn)招聘與應(yīng)聘的對接，算法模型取得了較好的效果。

3. 實驗結(jié)果分析與比較

本節(jié)實驗主要考察模型的運行效率，模型的準確性在第2節(jié)已得到了驗證。

3.1 測試數(shù)據(jù)集實驗結(jié)果分析

模型實驗測試在隨機生成的20萬條求職信息和10萬條招聘信息數(shù)據(jù)集上進行，模型運行在以下配置的機器上：Windows7操作系統(tǒng)，CPU為AMD雙核5000，2G內(nèi)存，500G硬盤，從篩選、量化和相似度計算三個環(huán)節(jié)考察模型雙向推薦的運行效率，共進行了6組實驗，平均結(jié)果如表19所示。

表19 測試數(shù)據(jù)集模型運行效率（單位：條/秒）

表19的結(jié)果顯示，該模型大部時間消耗在篩選階段，量化和相似度計算階段取得了較好的運行效率。

3.2 實際數(shù)據(jù)運行結(jié)果分析

模型投入實際運行后，實際招聘應(yīng)聘的數(shù)據(jù)規(guī)模約50萬條。從篩選、量化和相似度計算三個環(huán)節(jié)考察模型雙向推薦的運行效率。實際系統(tǒng)配置了IBM System X3850系列服務(wù)器（2顆Xeon E7-4807 1.86GH，16GB內(nèi)存，4TB硬盤），硬件性能的提升也使模型的效率得到大幅度的提升。實際運行結(jié)果如表20所示。

表20 實際數(shù)據(jù)集模型運行效率（單位：條/秒）

表20的結(jié)果顯示，模型在實際數(shù)據(jù)集上亦能取得很好的運行效率。同時，從企業(yè)和求職者的反饋信息分析，模型能較好的實現(xiàn)招聘就業(yè)雙向推薦，能為雙向推薦最合適的崗位和人才，實現(xiàn)了雙贏。

4 結(jié)語和下一步的工作

本文實現(xiàn)了一個基于向量相似度的招聘就業(yè)雙向推薦模型，通過將招聘和求職信息轉(zhuǎn)化為向量，并按不同規(guī)則對不同分量進行量化，采用夾角余弦公式計算向量間的相似度，并以此作為雙向推薦的標準，模型在測試數(shù)據(jù)集和實驗數(shù)據(jù)集上均取得了較好的效果。

進一步的工作主要有：1）優(yōu)化各分量量化數(shù)值，目前模型采用的是經(jīng)驗值，在模型穩(wěn)定運行后，需要根據(jù)實驗情況來調(diào)整量化值，使用模型更為合理；2）考慮到在招聘和應(yīng)聘的過程中，對各個分量有側(cè)重，當前模型中各個分量的權(quán)重是一致，在后續(xù)的改進中將對各分量進行權(quán)重調(diào)整，以突出關(guān)鍵分量的重要性；3）優(yōu)化模型算法，提高運行效率。實驗結(jié)果和實際運行情況表明，模型在篩選階段占用大量時間，直接影響了模型的效率，盡管由于機器性能的提升能提高效率，但仍需要不斷優(yōu)化模型，以適應(yīng)大數(shù)據(jù)集的需要。

[1]李英. 淺析當今我國高校研究生就業(yè)現(xiàn)狀[J]. 神州, 2013, (3): 240.

[2]柳彥君. 江門市勞動力資源與就業(yè)狀況研究[J]. 北方經(jīng)貿(mào), 2012, (10): 38-40.

[3]陳玉峰, 張紅燕, 敬松, 謝元瑰, 隆珂. 基于層次結(jié)構(gòu)的農(nóng)民工就業(yè)特征模型研究[J]. 中國農(nóng)學通報, 2013, 29(11): 101-106.

[4]高曉霞. 層次分析法在高職學生就業(yè)推薦中的應(yīng)用[J]. 讀與閱雜志, 2010, 7(12): 46-47.

[5]陳玉峰, 張紅燕, 敬松, 謝元瑰. 基于數(shù)據(jù)挖掘的農(nóng)民工就業(yè)推薦系統(tǒng)構(gòu)建[J]. 安徽農(nóng)業(yè)科學, 2011, 39(33): 20896-20898.

[6]李晶, 張磊. 聚類分析在就業(yè)推薦中的應(yīng)用[J]. 科技信息, 2010, (31): 149.

[7]吳迪, 周利娟, 林鴻飛. 基于隨機游走的就業(yè)推薦系統(tǒng)研究與實現(xiàn)[J]. 廣西師范大學學報: 自然科學版, 2011, 29(1): 179-185.

[8]Saaty T. L.. Modelinugn structuredde cisiopnr oblems-ththee ory of analytical hierarchies[J]. MathemaCtiocsm apnudt ers in Simiounla, 1t978, 20(3): 147-158.

[9]郭金玉, 張忠彬, 孫慶云. 層次分析法的研究與應(yīng)用[J]. 中國安全科學學報, 2008, 18(5): 148-153.

[10]蘭繼斌, 徐揚, 霍良安, 劉家忠. 模糊層次分析法權(quán)重研究[J]. 系統(tǒng)工程理論與實踐, 2006, (9): 107-112.