高职院校毕业生就业系统多种类资源按需推荐算法

摘要

由于高职院校毕业生就业系统中用户群体和资源数量较多，就业资源权重具有显著差别，难以统一生成推荐标签，导致毕业生就业系统无法完成资源的按需推荐。为此，针对高职院校毕业生就业系统，设计一种多种类资源按需推荐算法。通过历史数据，提取用户信息的多维特征，并利用长短期记忆神经网络融合多源数据，抽取有效标签，进而建立毕业生就业系统的用户标签库，形成用户画像。根据用户画像的大体情况，结合艾宾浩斯遗忘曲线对多种类就业资源进行标签矩阵评价，建立内容主题模型，并利用谱聚类算法进行图分割，根据相似度赋予不同就业资源不同的权重值，对其实施归一化处理，生成二级标签，完成就业资源的标签化处理。构建毕业生就业地域偏好基点，将用户画像与就业资源标签在指定地域位置进行关联匹配，并通过专家排列加权的方式对推荐结果进行评分，将评分数值高的就业资源推荐给用户，实现高职院校毕业生就业系统多种类资源的按需推荐。对上述设计实验结果表明，该算法推荐结果的命中率均大于0.9,具有较高准确性。

关键词

就业系统 / 按需推荐 / 多维特征 / 用户画像 / 标签矩阵