基于BERT模型的人岗匹配混合推荐系统研究

彭超云, 姚渺波, 曾东晨

信息记录材料 ›› 2025, Vol. 26 ›› Issue (04) : 236 -238.

PDF
信息记录材料 ›› 2025, Vol. 26 ›› Issue (04) : 236 -238. DOI: 10.16009/j.cnki.cn13-1295/tq.2025.04.011

基于BERT模型的人岗匹配混合推荐系统研究

    彭超云, 姚渺波, 曾东晨
作者信息 +

Author information +
文章历史 +
PDF

摘要

在大数据时代,推荐算法有效缓解了信息过载问题,尤其在岗位推荐领域展现出重要价值。然而,针对高校毕业生的人岗推荐面临数据冷启动和数据稀疏性挑战,需综合考量专业、实习经历和就业意向等因素。本文提出基于Transformer的双向编码器表示(bidirectional encoder representation from Transformers, BERT)模型的混合推荐模型,设计冷启动与热启动双路径推荐策略。冷启动路径基于BERT模型计算岗位与学生嵌入向量的相似度,解决新用户历史数据缺失的困境,热启动路径基于既有用户行为数据,采用加权平均融合策略整合岗位相似度与用户相似度评分矩阵,以提升推荐精度。用户满意度调查显示:推荐岗位数量在“3~10个”时,符合预期或引起足够兴趣的百分比超70%,验证了该系统满足毕业生就业服务需求的有效性。

关键词

BERT模型 / 冷启动 / 岗位推荐 / 高校大学生

Key words

引用本文

引用格式 ▾
基于BERT模型的人岗匹配混合推荐系统研究[J]. 信息记录材料, 2025, 26(04): 236-238 DOI:10.16009/j.cnki.cn13-1295/tq.2025.04.011

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

107

访问

0

被引

详细

导航
相关文章

AI思维导图

/