基于加權(quán)特征值的精準(zhǔn)推薦算法研究

未 培，莊 彥，王春珊

“移動(dòng)互聯(lián)”時(shí)代的顯著特征是人們各種社會(huì)活動(dòng)，諸如學(xué)習(xí)、商務(wù)和休閑娛樂的移動(dòng)性、泛在化和高效率與便捷化.以智能手機(jī)為核心的移動(dòng)終端設(shè)備已融入人們的各項(xiàng)社會(huì)活動(dòng)中，成為人們社會(huì)生活不可或缺的組成部分，作為知識(shí)分子的高校學(xué)生更容易接受基于手機(jī)的各種應(yīng)用與服務(wù).如何利用好現(xiàn)代信息手段，特別是發(fā)揮好移動(dòng)互聯(lián)、大數(shù)據(jù)分析等技術(shù)作用，提高就業(yè)指導(dǎo)服務(wù)工作的質(zhì)量和效率，是各高校面臨的重要課題.［1-3］本文設(shè)計(jì)并實(shí)現(xiàn)了高校就業(yè)精準(zhǔn)服務(wù)平臺(tái)，提出基于加權(quán)特征值的精準(zhǔn)推薦算法，能夠根據(jù)畢業(yè)生專業(yè)、學(xué)歷、特長(zhǎng)、興趣、工作地點(diǎn)、時(shí)間、崗位需求、薪酬待遇預(yù)期等為畢業(yè)生推薦更為適合的就業(yè)企業(yè)與崗位，是就業(yè)精準(zhǔn)推薦的有益嘗試 .［4-6］

1 提出問題

在很多求職招聘平臺(tái)中，企業(yè)可以根據(jù)自己的用工需要發(fā)布招聘崗位信息，包括招聘崗位、工作地點(diǎn)、所學(xué)專業(yè)、學(xué)歷要求、工資水平、工作時(shí)間等信息；求職者可以發(fā)布求職信息，包括本人的專業(yè)、學(xué)歷、特長(zhǎng)、興趣、求職崗位、工作地點(diǎn)、工作時(shí)間和薪酬待遇預(yù)期等求職信息，但企業(yè)與求職者之間的信息自動(dòng)對(duì)接不盡如人意.有的系統(tǒng)中，企業(yè)的招聘信息需要求職者自行瀏覽閱讀、求職者的求職信息需要企業(yè)瀏覽才有可能最終對(duì)接成功；而有的系統(tǒng)中，雖然增加了自動(dòng)推薦功能，但推薦的效果并不理想.

基于加權(quán)特征值的精準(zhǔn)推薦算法就是利用企業(yè)和求職者所發(fā)布的信息，提取其中的多個(gè)特征值，并進(jìn)行匹配計(jì)算，將計(jì)算的結(jié)果與閾值比較，超過閾值的，匹配成功，同時(shí)將求職者的求職信息發(fā)送給企業(yè)，將企業(yè)的招聘信息發(fā)送給求職者，提高了求職應(yīng)聘的效率和成功率.

2 基于加權(quán)特征值的精準(zhǔn)推薦算法

本算法利用企業(yè)和求職者所發(fā)布的信息，提取其中的多個(gè)特征值，按照可變的權(quán)重進(jìn)行綜合計(jì)算匹配，得到兩者之間的匹配度，再將其與某一閾值比較，如超過閾值線，則認(rèn)為匹配成功，如低于閾值線，則認(rèn)為匹配失敗，閾值可根據(jù)求職者的特征值關(guān)注度動(dòng)態(tài)調(diào)整，匹配成功后，分別向求職者推送企業(yè)招聘信息、向企業(yè)推送求職者招聘信息，大大提高了求職應(yīng)聘的效率和成功率 .［7-9］

2.1 特征值的設(shè)定和權(quán)重分配

在本系統(tǒng)中，可以根據(jù)企業(yè)和求職者發(fā)布的信息，將專業(yè)、學(xué)歷、特長(zhǎng)、崗位、工作地點(diǎn)、工作時(shí)間和薪酬、五險(xiǎn)一金等選取為特征值.在權(quán)重分配中，將專業(yè)、學(xué)歷、崗位、薪酬的權(quán)重固定為15%、15%、15%、15%，如求職者在平臺(tái)中勾選了一個(gè)或多個(gè)特征值（小于或等于三個(gè)）作為求職比較看重的要素，則被勾選的特征值的權(quán)重分配為15%，其他特征值項(xiàng)平分剩余的權(quán)重.

2.2 閾值的設(shè)定

閾值的設(shè)定，可根據(jù)求職者的求職信息與企業(yè)的招聘信息的匹配度及匹配數(shù)量綜合計(jì)算得出，避免匹配成功的信息推送量過大或過小，也可以根據(jù)求職者信息瀏覽的情況動(dòng)態(tài)調(diào)整.

2.3 偽代碼

設(shè)定：閾值用T表示.

匹配度用M表示（根據(jù)各特征值匹配結(jié)果及權(quán)重計(jì)算得到）.

匹配成功的信息數(shù)量用N表示.

權(quán)重用W表示，則特長(zhǎng)的權(quán)重表示為WS，工作地點(diǎn)的權(quán)重表示為WP，工作時(shí)間的權(quán)重表示為WT，五險(xiǎn)一金的權(quán)重表示為WI.

設(shè)置計(jì)數(shù)變量I，便于計(jì)算各特征值權(quán)重.

第一步：將WS、WP、WT、WI、M、N，I均賦值為0，T賦值為60.

第二步判斷特長(zhǎng)特征值是否屬于求職者看重要素，如果是，則WS=15，如果不是，則WS=0，I=I+1.

第三步：判斷工作地點(diǎn)特征值是否屬于求職者看重要素，如果是，則WP=15，如果不是，則WP=0，I=I+1.

第四步：判斷工作時(shí)間特征值是否屬于求職者看重要素，如果是，則WT=15，如果不是，則WT=0，I=I+1.

第五步：判斷五險(xiǎn)一金特征值是否屬于求職者看重要素，如果是，則WI=15，如果不是，則WI=0，I=I+1.

第六步：計(jì)算除專業(yè)、學(xué)歷、崗位、薪酬及求職者看重要素（特征值）以外的，其他特征值的權(quán)重，W=15+15+15+15+WS+WP+WT+WI，（因求職者看重的要素小于等于三個(gè)，W小于100）.

第七步：將剩余權(quán)重平分給賦值為零的特征值，（100-W）/I重新賦值給W.

第八步：判斷WS、WP、WT、WI是否為0，如是，則將上一步計(jì)算得到的剩余平均權(quán)重值賦給它們，即WS=W、WP=W、WT=W、WI=W.

第九步：判斷求職者求職信息中的專業(yè)特征值和企業(yè)招聘信息中的專業(yè)是否相同，或招聘信息中的專業(yè)為“不限”，如是，則M=M+15.

第十步：判斷求職者求職信息中的學(xué)歷特征值和企業(yè)招聘信息中的學(xué)歷是否相同，或招聘信息中的學(xué)歷為“不限”，如是，則M=M+15.

第十一步：判斷求職者求職信息中的崗位特征值和企業(yè)招聘信息中的崗位是否相同，或求職者的崗位需求為“不限”，或招聘信息中的崗位為“不限”，如是，則M=M+15.

第十二步：判斷求職者求職信息中的薪酬特征值和企業(yè)招聘信息中的薪酬是否相同，或求職者的薪酬需求為“不限”，如是，則M=M+15.

第十三步：判斷求職者求職信息中的特長(zhǎng)特征值和企業(yè)招聘信息中的特長(zhǎng)是否相同（或企業(yè)特長(zhǎng)是求職者特長(zhǎng)的子集），如是，則M=M+WS.

第十四步：判斷求職者求職信息中的工作地點(diǎn)特征值和企業(yè)招聘信息中的工作地點(diǎn)是否相同，或求職者的工作地點(diǎn)為“不限”，如是，則M=M+WP.

第十五步：判斷求職者求職信息中的工作時(shí)間特征值和企業(yè)招聘信息中的工作時(shí)間是否相同，或求職者的工作時(shí)間為“不限”，如是，則M=M+WT.

第十六步：判斷求職者求職信息中的五險(xiǎn)一金特征值和企業(yè)招聘信息中的五險(xiǎn)一金是否相同，如是，則M=M+WI.

第十七步：將M與T比較，如M＞=T，則將求職信息向企業(yè)推送，將招聘信息向求職者推送，并將N加1：N=N+1.

第十八步：將求職信息與下一條招聘信息進(jìn)行匹配度計(jì)算，從第九步重復(fù)操作，直到匹配出20條信息，結(jié)束匹配.

匹配流程如下圖1所示.

圖1 基于加權(quán)特征值的精準(zhǔn)推薦算法流程圖

3 算法實(shí)現(xiàn)

本算法在基于Android的就業(yè)精準(zhǔn)服務(wù)系統(tǒng)中已經(jīng)實(shí)現(xiàn).該系統(tǒng)包括系統(tǒng)管理端、企業(yè)端、學(xué)生端等客戶端界面，以及服務(wù)端界面組成，功能組成如圖2所示.

學(xué)生端采用基于Android編程技術(shù)開發(fā)，其他客戶端及服務(wù)器端均采用B/S架構(gòu)開發(fā)，便于管理者和企業(yè)操作.

圖2 就業(yè)精準(zhǔn)服務(wù)平臺(tái)系統(tǒng)功能

基于加權(quán)特征值的精準(zhǔn)推薦算法核心代碼如下：

圖3是本算法在基于Android的高校就業(yè)精準(zhǔn)服務(wù)平臺(tái)中的實(shí)現(xiàn)與應(yīng)用截圖.

圖3 匹配管理界面圖

4 結(jié)束語(yǔ)

如何實(shí)現(xiàn)招聘信息與求職信息的實(shí)時(shí)精準(zhǔn)推薦，提高招聘與求職的效率和滿意度一直是各招聘求職平臺(tái)試圖破解的難題.本文結(jié)合高校就業(yè)服務(wù)工作實(shí)際，提出基于加權(quán)特征值的精準(zhǔn)推薦算法，并在基于Android的高校就業(yè)精準(zhǔn)服務(wù)平臺(tái)中實(shí)現(xiàn)驗(yàn)證，基本達(dá)到了預(yù)期的目標(biāo)；針對(duì)測(cè)試中所發(fā)現(xiàn)的問題，團(tuán)隊(duì)將認(rèn)真梳理、總結(jié)，并逐步加以完善.