未 培，莊 彥，王春珊

“移動互聯(lián)”時代的顯著特征是人們各種社會活動，諸如學(xué)習(xí)、商務(wù)和休閑娛樂的移動性、泛在化和高效率與便捷化.以智能手機為核心的移動終端設(shè)備已融入人們的各項社會活動中，成為人們社會生活不可或缺的組成部分，作為知識分子的高校學(xué)生更容易接受基于手機的各種應(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)計并實現(xiàn)了高校就業(yè)精準服務(wù)平臺，提出基于加權(quán)特征值的精準推薦算法，能夠根據(jù)畢業(yè)生專業(yè)、學(xué)歷、特長、興趣、工作地點、時間、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)精準推薦的有益嘗試 .［4-6］

1 提出問題

在很多求職招聘平臺中，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、所學(xué)專業(yè)、學(xué)歷要求、工資水平、工作時間等信息；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、興趣、求職崗位、工作地點、工作時間和薪酬待遇預(yù)期等求職信息，但企業(yè)與求職者之間的信息自動對接不盡如人意.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接成功；而有的系統(tǒng)中，雖然增加了自動推薦功能，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，提取其中的多個特征值，并進行匹配計算，將計算的結(jié)果與閾值比較，超過閾值的，匹配成功，同時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，提取其中的多個特征值，按照可變的權(quán)重進行綜合計算匹配，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，則認為匹配成功，如低于閾值線，則認為匹配失敗，閾值可根據(jù)求職者的特征值關(guān)注度動態(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、崗位、工作地點、工作時間和薪酬、五險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%，如求職者在平臺中勾選了一個或多個特征值（小于或等于三個）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，則特長的權(quán)重表示為WS，工作地點的權(quán)重表示為WP，工作時間的權(quán)重表示為WT，五險一金的權(quán)重表示為WI.

設(shè)置計數(shù)變量I，便于計算各特征值權(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，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特征值和企業(yè)招聘信息中的特長是否相同（或企業(yè)特長是求職者特長的子集），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特征值和企業(yè)招聘信息中的工作地點是否相同，或求職者的工作地點為“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間特征值和企業(yè)招聘信息中的工作時間是否相同，或求職者的工作時間為“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一金特征值和企業(yè)招聘信息中的五險一金是否相同，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行匹配度計算，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)特征值的精準推薦算法流程圖

3 算法實現(xiàn)

本算法在基于Android的就業(yè)精準服務(wù)系統(tǒng)中已經(jīng)實現(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)精準服務(wù)平臺系統(tǒng)功能

基于加權(quán)特征值的精準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)精準服務(wù)平臺中的實現(xiàn)與應(yīng)用截圖.

圖3 匹配管理界面圖

4 結(jié)束語

如何實現(xiàn)招聘信息與求職信息的實時精準推薦，提高招聘與求職的效率和滿意度一直是各招聘求職平臺試圖破解的難題.本文結(jié)合高校就業(yè)服務(wù)工作實際，提出基于加權(quán)特征值的精準推薦算法，并在基于Android的高校就業(yè)精準服務(wù)平臺中實現(xiàn)驗證，基本達到了預(yù)期的目標；針對測試中所發(fā)現(xiàn)的問題，團隊將認真梳理、總結(jié)，并逐步加以完善.