劉西祥

摘要：分析了傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法和改進(jìn)的基于用戶的協(xié)同過濾推薦算法的算法思想和算法步驟，并對(duì)2種推薦算法在高職院校就業(yè)推薦系統(tǒng)中的應(yīng)用結(jié)果進(jìn)行了對(duì)比，證實(shí)了改進(jìn)的基于用戶的協(xié)同過濾推薦算法更適用于高職院校就業(yè)推薦系統(tǒng)，提高了相似學(xué)生推薦的準(zhǔn)確性，推薦的結(jié)果也更加符合實(shí)際。

關(guān)鍵詞：協(xié)同過濾推薦算法；就業(yè)推薦系統(tǒng)；聚類分析

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2020）23-68-4

0引言

就業(yè)推薦系統(tǒng)的推薦算法是整個(gè)推薦系統(tǒng)中最核心、最關(guān)鍵的部分，目前關(guān)于就業(yè)推薦系統(tǒng)的算法研究主要有：吳迪的基于經(jīng)驗(yàn)公式的算法、魏麗芹的基于歷史信息的就業(yè)推薦算法、陳玉峰的ID3算法以及基于內(nèi)容和Item-based協(xié)同過濾的組合推薦算法等，他們研究的對(duì)象一般比較廣泛，采用的算法也比較傳統(tǒng)，不適用高職院校就業(yè)推薦工作。本文采用基于用戶的協(xié)同過濾推薦算法（學(xué)生當(dāng)作用戶，就業(yè)單位當(dāng)作項(xiàng)目）來進(jìn)行就業(yè)推薦。首先根據(jù)所有學(xué)生（含往屆畢業(yè)學(xué)生和應(yīng)屆畢業(yè)學(xué)生）對(duì)就業(yè)單位簽約情況、感興趣程度，發(fā)現(xiàn)與應(yīng)屆畢業(yè)學(xué)生對(duì)就業(yè)單位興趣度相似的往屆畢業(yè)學(xué)生最相鄰學(xué)生，然后根據(jù)該相鄰的往屆畢業(yè)學(xué)生的簽約情況，為該應(yīng)屆畢業(yè)學(xué)生推薦就業(yè)單位，實(shí)現(xiàn)就業(yè)推薦功能。

1傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法

1.1相似度計(jì)算

查找最近鄰居是基于用戶的協(xié)同過濾推薦算法的主要工作，通過應(yīng)、往屆畢業(yè)學(xué)生對(duì)就業(yè)單位的評(píng)分矩陣，可以計(jì)算出他們之間的相似度，相似度越高，他們?cè)浇咏?。把?yīng)屆畢業(yè)學(xué)生與往屆畢業(yè)學(xué)生之間的相似度定義為（ ， ），每一個(gè)學(xué)生對(duì)就業(yè)單位的評(píng)分可以看作是一個(gè)維的向量，應(yīng)屆畢業(yè)學(xué)生與往屆畢業(yè)學(xué)生之間的相似度就可以用不同的維向量間的相似度來進(jìn)行度量。通過Cosine相似度（余弦相似度）來計(jì)算他們之間的相似度，設(shè)應(yīng)屆畢業(yè)學(xué)生與往屆畢業(yè)學(xué)生在維對(duì)象空間上的評(píng)分表示為向量，，則（ ， ）的相似度計(jì)算方法如公式（1）所示。

1.2推薦實(shí)現(xiàn)

通過計(jì)算相似度得到了應(yīng)屆畢業(yè)學(xué)生的最近鄰居集（最相似的往屆畢業(yè)學(xué)生），然后就可以通過最近鄰居集進(jìn)行預(yù)測(cè)評(píng)分，計(jì)算方法為：

1.3推薦算法步驟及流程圖

（1）推薦算法步驟

①通過應(yīng)、往屆畢業(yè)生對(duì)企業(yè)評(píng)分表分別構(gòu)建應(yīng)、往屆畢業(yè)生評(píng)分矩陣。

②構(gòu)建應(yīng)屆畢業(yè)生和往屆畢業(yè)生的相似度矩陣。

③根據(jù)相似度矩陣求出個(gè)與該應(yīng)屆畢業(yè)生相鄰的往屆畢業(yè)生。

④根據(jù)統(tǒng)計(jì)的相鄰的節(jié)點(diǎn)個(gè)數(shù)，預(yù)測(cè)該應(yīng)屆畢業(yè)生對(duì)企業(yè)的評(píng)分值。

⑤根據(jù)預(yù)測(cè)的評(píng)分值，按降序排列得出TOP-個(gè)企業(yè)推薦給應(yīng)屆畢業(yè)生。

（2）推薦算法程序流程圖。

傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法流程圖如圖1所示。

2改進(jìn)的基于用戶的協(xié)同過濾推薦算法

傳統(tǒng)的基于用戶的協(xié)同過濾推薦算法只考慮了應(yīng)屆畢業(yè)學(xué)生和往屆畢業(yè)學(xué)生對(duì)就業(yè)單位的興趣度，即評(píng)分矩陣的評(píng)分值只是針對(duì)簽約單位和感興趣的就業(yè)單位來進(jìn)行的，而沒有考慮應(yīng)屆畢業(yè)生和往屆畢業(yè)生本身的相似度，比如專業(yè)、性別、專業(yè)考證、是否學(xué)生干部、生源地、職業(yè)素養(yǎng)、專業(yè)課成績(jī)、外語成績(jī)、綜合評(píng)定、身高及畢業(yè)時(shí)間等特征屬性。實(shí)際就業(yè)推薦過程中，必須首先考慮學(xué)生的基本特征和綜合素質(zhì)，因?yàn)榛咎卣骱途C合素質(zhì)相當(dāng)?shù)膶W(xué)生才能勝任類似的工作，而就業(yè)單位在招聘應(yīng)屆畢業(yè)生的時(shí)候也會(huì)參考?xì)v年招聘的往屆畢業(yè)生的基本特征和綜合素質(zhì)，即招聘條件在近期內(nèi)不會(huì)有太大的變化。當(dāng)然，隨著時(shí)間的推移，往屆畢業(yè)學(xué)生數(shù)據(jù)庫的數(shù)據(jù)越來越多，所以在計(jì)算應(yīng)屆畢業(yè)生和往屆畢業(yè)生相似度的時(shí)候還要考慮畢業(yè)時(shí)間的因素，加入時(shí)間權(quán)值。另外，高職院校畢業(yè)生就業(yè)專業(yè)比較對(duì)口，可以對(duì)就業(yè)推薦的對(duì)象先分類，再推薦。即進(jìn)行相似度計(jì)算和推薦之前，先對(duì)應(yīng)、往屆畢業(yè)生按專業(yè)進(jìn)行聚類分析，然后按專業(yè)進(jìn)行就業(yè)推薦。

2.1學(xué)生聚類分析

如果每次相似度計(jì)算都以全校所有畢業(yè)學(xué)生數(shù)據(jù)來進(jìn)行，推薦復(fù)雜度和推薦效率勢(shì)必受到影響，不是理想的方法。所以在進(jìn)行相似度計(jì)算和推薦之前首先對(duì)應(yīng)屆畢業(yè)生和往屆畢業(yè)生按專業(yè)進(jìn)行聚類分析，形成新的數(shù)據(jù)庫。

2.2興趣企業(yè)最近鄰

對(duì)應(yīng)屆畢業(yè)生和往屆畢業(yè)生按專業(yè)進(jìn)行了聚類分析，縮小了推薦范圍。而相同專業(yè)的應(yīng)、往屆畢業(yè)生，由于有些專業(yè)人數(shù)特別多，故往屆畢業(yè)生對(duì)同一企業(yè)感興趣的情況也會(huì)經(jīng)常出現(xiàn)，所以可以利用興趣企業(yè)最近鄰方法來進(jìn)一步縮小計(jì)算范圍。把與應(yīng)屆畢業(yè)生有共同感興趣的企業(yè)（共同給予評(píng)分）的相關(guān)往屆畢業(yè)生的所有評(píng)分進(jìn)行求和，然后根據(jù)得分排名從高到低選擇個(gè)往屆畢業(yè)生與應(yīng)屆畢業(yè)生進(jìn)行相似度計(jì)算。找出與應(yīng)屆畢業(yè)生有共同感興趣的企業(yè)（共同給予評(píng)分值較高）的相關(guān)往屆畢業(yè)生進(jìn)行相似度計(jì)算，而那些與該應(yīng)屆畢業(yè)生無共同感興趣企業(yè)（無共同給予評(píng)分或共同給予評(píng)分值較低）的往屆畢業(yè)生沒有推薦能力，不參與相似度計(jì)算，大大改善了推薦實(shí)時(shí)性，降低了數(shù)據(jù)稀疏性。