高校就业个性化推荐系统设计(源码)
为了帮助高校毕业生更好地找到适合自己的工作、根据学生特定的在校情况为学生提供个性化的就业推荐信息，通过综合分析学生的专业特点、课程安排、学习成绩、获奖情况以及企业的招聘岗位、所需技能、待遇水平等，采用数据挖掘、数据处理、分词技术以及基于协同过滤算法的推荐技术等，设计实现了高校学生就业个性化推荐系统。重点通过对438名毕业生的学生个人信息进行所学课程、学习成绩、获奖情况整理，通过爬虫爬取6200多条企业数据，进行分词处理后将企业要求信息和学生的课程信息绑定起来。根据专业推荐时利用企业和学生在校学习情况的关联进行推荐，相似学生推荐时利用皮尔逊相关度算法为学生推荐相似的学生，共享感兴趣企业。历史学生推荐时使用K-means聚类算法对已经毕业的学生进行聚类，并根据模型找出应届毕业生的类别，获得历史学生的就业信息作为推荐。系统采用主流框架SpringMVC和MyBatis搭建，方便系统后续开发和管理。经过分析，系统能够根据学生具体学习情况推荐相对应的企业信息，为学生的就业推荐提供了有较好参考价值的系统模型。关键词 企业要求，数据挖掘，分词技术，协同过滤算法，K-means
目 录
1 引言 1
1.1 课题背景 1
1.2 国内外研究综述 1
1.2.1 推荐算法的国内外研究综述： 1
1.2.2 数据挖掘的国内外研究综述： 2
1.2.3 Web技术的国内外研究综述： 3
1.3 课题来源 3
2 关键问题的研究 3
2.1 关键问题 3
2.1.1 数据预处理 3
2.1.2 企业数据与学生在校表现的匹配 4
2.1.3 实验结果验证 4
2.2 关键技术 4
2.2.1 分词技术 4
2.2.2 基于内容的推荐技术 5
2.2.3 基于协同过滤算法的推荐技术 5
2.2.4 正则匹配技术 5
2.2.5 Web框架SpringMVC和Spring 5
2.2.6 数据持久层框架MyBatis 6
2.2.7 Kmeans聚类算法 6
3 系统总体设计 7
*好棒文|www.hbsrm.com +Q: ^351916072#
/> 3.1 学生数据预处理 7
3.1.1 学生个人信息数据处理 7
3.1.2 学生课程与成绩数据处理 8
3.1.3 学生获奖信息处理 10
3.2 企业数据预处理 11
3.2.1 爬虫获取企业数据 11
3.2.2 企业要求分词处理 12
3.3 专业相关性企业推荐 13
3.3.1 企业要求与学生的专业课程信息绑定 13
3.3.2 基于内容的推荐及学生专业与企业相似度匹对 14
3.4 相似学生与兴趣企业推荐 16
3.4.1 协同过滤推荐相似学生： 16
3.4.2 学生感兴趣企业推荐 18
3.5 历史学生Kmeans聚类 19
4 数据结构设计 20
4.1 初始化学生与企业数据预处理模块 20
4.1.1 原始的数据源数据结构 20
4.1.2 处理后的数据结构 21
4.2 数据提供模块数据结构 23
4.2.1 查询条件的数据结构 23
4.2.2 查询结果的数据结构 23
4.3 皮尔逊距离公式数据结构 24
5 系统模块设计 24
5.1 系统web框架搭建 25
5.1.1 MyBatis数据源的搭建 25
5.1.2 SpringMVC控制反转框架 26
5.1.3 MyBatis与SpringMVC框架整合 26
5.2 基于内容推荐模块模块设计 26
5.3 协同过滤模块设计 26
5.4 Kmeans聚类推荐模块设计 27
5.5 毕业生反馈模块 27
6 系统部署与结果测试 27
6.1 系统部署 27
6.2 系统结果 28
6.2.1 SpringMVC与MyBatis框架测试 28
6.2.2 相关专业企业推荐结果测试 29
6.2.3 相似学生企业推荐结果测试 30
6.2.4 Kmeans历史学生聚类推荐结果测试 32
结 论 33
致 谢 34
参 考 文 献 35
附录A 用户操作手册 37
附录B 大学期间参加的项目和获得的软件著作权 41
附录C 大学期间竞赛获奖证书 42
附录D 论文查重报告 43
引言
课题背景
随着毕业季的临近，学生的就业成为了一个值得全社会关注的问题。为了方便学生找到对口的工作，市面上出现了例如“智联招聘”、“大街网”、“91job”等招聘网站，就业招聘网站的架构与研究成为了社会的热门。同时，推荐算法的研究也越来越火热，因为适合用户的推荐可以帮助用户省去时间和精力。推荐算法的研究在电子商务领域的应用已经比较成熟，例如“淘宝”、“京东”等电商平台能够不断地根据用户的信息和操作推荐适合用户的物品。
现有的就业招聘网站在提供就业信息查询时，系统只能够根据用户的操作进行信息展示，所面向的用户是全社会的所有人员。同时，在推荐算法与就业招聘结合方面，传统招聘网站根据用户的简历信息来进行推荐，这就缺少用户与用户之间的联系，不能真正进行个性化推荐。
为了帮助学校的学生不用频繁的来回于招聘市场，同时为了帮助将本校学生推荐给企业，大学的教育网上大多有高校就业招聘子系统。但是，这些就业招聘系统大多并不能针对学生进行适当的职位推荐。同时，学生也存在自身认识不足的问题，在使用这些高校就业招聘系统时并不能够真正找到适合自己的职位。
国内外研究综述
高校学生就业个性化推荐系统是属于推荐技术研究和数据挖掘范畴的应用。系统利用网络爬虫从网络上获取企业招聘信息，作为向学生推荐的信息来源。通过整理学生在校的表现，利用推荐算法中普遍应用的基于内容推荐和协同过滤算法向学生推荐相应的可能适合企业。在高校学生就业个性化推荐系统架构方面，使用了SpringMvc和MyBaits框架，同时，将这两个框架放在Spring容器中整合。通过利用有针对性的分词技术、数据预处理技术对校园学生基础数据进行整理，使得对于学生的推荐更加准确。
目 录
1 引言 1
1.1 课题背景 1
1.2 国内外研究综述 1
1.2.1 推荐算法的国内外研究综述： 1
1.2.2 数据挖掘的国内外研究综述： 2
1.2.3 Web技术的国内外研究综述： 3
1.3 课题来源 3
2 关键问题的研究 3
2.1 关键问题 3
2.1.1 数据预处理 3
2.1.2 企业数据与学生在校表现的匹配 4
2.1.3 实验结果验证 4
2.2 关键技术 4
2.2.1 分词技术 4
2.2.2 基于内容的推荐技术 5
2.2.3 基于协同过滤算法的推荐技术 5
2.2.4 正则匹配技术 5
2.2.5 Web框架SpringMVC和Spring 5
2.2.6 数据持久层框架MyBatis 6
2.2.7 Kmeans聚类算法 6
3 系统总体设计 7
*好棒文|www.hbsrm.com +Q: ^351916072#
/> 3.1 学生数据预处理 7
3.1.1 学生个人信息数据处理 7
3.1.2 学生课程与成绩数据处理 8
3.1.3 学生获奖信息处理 10
3.2 企业数据预处理 11
3.2.1 爬虫获取企业数据 11
3.2.2 企业要求分词处理 12
3.3 专业相关性企业推荐 13
3.3.1 企业要求与学生的专业课程信息绑定 13
3.3.2 基于内容的推荐及学生专业与企业相似度匹对 14
3.4 相似学生与兴趣企业推荐 16
3.4.1 协同过滤推荐相似学生： 16
3.4.2 学生感兴趣企业推荐 18
3.5 历史学生Kmeans聚类 19
4 数据结构设计 20
4.1 初始化学生与企业数据预处理模块 20
4.1.1 原始的数据源数据结构 20
4.1.2 处理后的数据结构 21
4.2 数据提供模块数据结构 23
4.2.1 查询条件的数据结构 23
4.2.2 查询结果的数据结构 23
4.3 皮尔逊距离公式数据结构 24
5 系统模块设计 24
5.1 系统web框架搭建 25
5.1.1 MyBatis数据源的搭建 25
5.1.2 SpringMVC控制反转框架 26
5.1.3 MyBatis与SpringMVC框架整合 26
5.2 基于内容推荐模块模块设计 26
5.3 协同过滤模块设计 26
5.4 Kmeans聚类推荐模块设计 27
5.5 毕业生反馈模块 27
6 系统部署与结果测试 27
6.1 系统部署 27
6.2 系统结果 28
6.2.1 SpringMVC与MyBatis框架测试 28
6.2.2 相关专业企业推荐结果测试 29
6.2.3 相似学生企业推荐结果测试 30
6.2.4 Kmeans历史学生聚类推荐结果测试 32
结 论 33
致 谢 34
参 考 文 献 35
附录A 用户操作手册 37
附录B 大学期间参加的项目和获得的软件著作权 41
附录C 大学期间竞赛获奖证书 42
附录D 论文查重报告 43
引言
课题背景
随着毕业季的临近，学生的就业成为了一个值得全社会关注的问题。为了方便学生找到对口的工作，市面上出现了例如“智联招聘”、“大街网”、“91job”等招聘网站，就业招聘网站的架构与研究成为了社会的热门。同时，推荐算法的研究也越来越火热，因为适合用户的推荐可以帮助用户省去时间和精力。推荐算法的研究在电子商务领域的应用已经比较成熟，例如“淘宝”、“京东”等电商平台能够不断地根据用户的信息和操作推荐适合用户的物品。
现有的就业招聘网站在提供就业信息查询时，系统只能够根据用户的操作进行信息展示，所面向的用户是全社会的所有人员。同时，在推荐算法与就业招聘结合方面，传统招聘网站根据用户的简历信息来进行推荐，这就缺少用户与用户之间的联系，不能真正进行个性化推荐。
为了帮助学校的学生不用频繁的来回于招聘市场，同时为了帮助将本校学生推荐给企业，大学的教育网上大多有高校就业招聘子系统。但是，这些就业招聘系统大多并不能针对学生进行适当的职位推荐。同时，学生也存在自身认识不足的问题，在使用这些高校就业招聘系统时并不能够真正找到适合自己的职位。
国内外研究综述
高校学生就业个性化推荐系统是属于推荐技术研究和数据挖掘范畴的应用。系统利用网络爬虫从网络上获取企业招聘信息，作为向学生推荐的信息来源。通过整理学生在校的表现，利用推荐算法中普遍应用的基于内容推荐和协同过滤算法向学生推荐相应的可能适合企业。在高校学生就业个性化推荐系统架构方面，使用了SpringMvc和MyBaits框架，同时，将这两个框架放在Spring容器中整合。通过利用有针对性的分词技术、数据预处理技术对校园学生基础数据进行整理，使得对于学生的推荐更加准确。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1299.html
