摘要：為提高推薦就業(yè)信息與大學(xué)生偏好就業(yè)信息的匹配程度，文章將個(gè)體就業(yè)需求作為前提條件，設(shè)計(jì)一種基于用戶興趣模型的大學(xué)生就業(yè)信息推薦方法。首先，利用興趣模型中的關(guān)聯(lián)規(guī)則，對(duì)高校提供的就業(yè)信息中興趣特征點(diǎn)進(jìn)行匹配；其次，在既定的分類規(guī)則下，根據(jù)就業(yè)文本信息的內(nèi)容對(duì)其進(jìn)行類別劃分；最后，根據(jù)用戶瀏覽高校就業(yè)信息、在就業(yè)招聘界面的停留時(shí)間等，針對(duì)大學(xué)生偏好進(jìn)行計(jì)算。對(duì)比實(shí)驗(yàn)結(jié)果表明：本文中設(shè)計(jì)的推薦方法應(yīng)用效果良好，按照規(guī)范使用該方法進(jìn)行大學(xué)生就業(yè)信息推薦，能夠增加推薦就業(yè)信息與大學(xué)生偏好就業(yè)信息的匹配程度，為大學(xué)生提供更加優(yōu)質(zhì)的就業(yè)服務(wù)，提高大學(xué)生就業(yè)質(zhì)量。

關(guān)鍵詞：用戶興趣模型；特征信息提?。痪蜆I(yè)文本信息；推薦方法；就業(yè)信息；大學(xué)生

A Recommendation Method for College Student Employment Information Based on User Interest Model

NAN Nan， ZHANG Yuxiang， WU Ran

（Jining Vocational and Technical College， Jining 272103， China）

Abstract： In order to improve the matching degree between recommended employment information and college student preference employment information， the article takes individual employment needs as a prerequisite and designs a college student employment information recommendation method based on user interest models. Firstly， using the association rules in the interest model， the interest feature points in the employment information provided by universities are matched; Secondly， under established classification rules， classify employment text information based on its content; Finally， based on the user's browsing of university employment information and the duration of stay in the employment recruitment interface， calculations are made based on the preferences of college students. The comparative experimental results show that the designed recommendation method has a good application effect. Using this method in accordance with regulations to recommend employment information for college students can increase the matching degree between recommended employment information and college students' preferred employment information， provide higher quality employment services for college students， and improve the quality of college students' employment.

Key words： user interest model; feature information extraction; employment text information; recommended methods; employment information; university student

隨著各地大學(xué)招生規(guī)模的不斷擴(kuò)大，如何為大學(xué)生提供個(gè)性化、精準(zhǔn)的就業(yè)服務(wù)信息，已成為高校就業(yè)服務(wù)部門的一項(xiàng)重大任務(wù)與工作。當(dāng)前，現(xiàn)代化網(wǎng)絡(luò)技術(shù)不斷興起，正在改變著企業(yè)的用工方式。在新技術(shù)的支持與帶動(dòng)下，全新的管理方式不斷涌現(xiàn)，這一現(xiàn)象不僅對(duì)高校畢業(yè)生就業(yè)提出了新的要求。高校畢業(yè)生在面對(duì)新常態(tài)的同時(shí)，也需快速適應(yīng)社會(huì)新形勢(shì)的變化[1]。為落實(shí)此項(xiàng)工作，提升大學(xué)生的就業(yè)服務(wù)質(zhì)量，為不同需求的個(gè)體提供專項(xiàng)服務(wù)，本文將在此次研究中，引進(jìn)用戶興趣模型，將個(gè)體就業(yè)需求作為前提條件，設(shè)計(jì)一種針對(duì)大學(xué)生的就業(yè)信息推薦方法，旨在通過此次設(shè)計(jì)，全面提高應(yīng)屆畢業(yè)生的一次就業(yè)率與大學(xué)生入職后的滿意度。

1" "基于用戶興趣模型的大學(xué)生興趣特征信息提取

為實(shí)現(xiàn)對(duì)大學(xué)生就業(yè)信息的推薦，引進(jìn)用戶興趣模型，設(shè)計(jì)大學(xué)生興趣特征信息的提取方法。在此過程中，利用興趣模型中的關(guān)聯(lián)規(guī)則，對(duì)高校提供的就業(yè)信息中興趣特征點(diǎn)進(jìn)行匹配，通過此種方式，初步得到大學(xué)生就業(yè)信息中的融合特征量[2]。提取融合特征量，此過程計(jì)算公式如式（1）所示。

（1）

式中，為大學(xué)生就業(yè)信息中的融合特征量提取；為興趣特征點(diǎn)；為大學(xué)生數(shù)量；為大學(xué)生就業(yè)信息量；為關(guān)聯(lián)規(guī)則；為大學(xué)生興趣特征信息指數(shù)。

根據(jù)融合特征量在空間中的分布，進(jìn)行大學(xué)生興趣特征信息的采樣，采樣過程如式（2）所示[3]。

（2）

式中，為大學(xué)生興趣特征信息；為主動(dòng)興趣參數(shù)；為就業(yè)項(xiàng)目指數(shù)；為大學(xué)生就業(yè)意向指數(shù)。通過上述方式，實(shí)現(xiàn)基于用戶興趣模型的大學(xué)生興趣特征信息提取。

2" "大學(xué)生就業(yè)文本信息分類

在上述設(shè)計(jì)內(nèi)容的基礎(chǔ)上，進(jìn)行大學(xué)生就業(yè)文本信息分類。在既定的分類規(guī)則下，根據(jù)就業(yè)文本信息的內(nèi)容，對(duì)其進(jìn)行類別劃分，可以文本信息的分類過程作為一種引導(dǎo)式的學(xué)習(xí)過程。此過程如圖1所示。

基于數(shù)學(xué)角度分析，文本分類就是在沒有被標(biāo)記的文本信息和現(xiàn)有的類別之間，建立一種映射關(guān)系或包含關(guān)系，當(dāng)此種關(guān)系成立時(shí)，說明前者可以映射到后者，即對(duì)應(yīng)的信息屬于此類別[4]。按照此種方式，即可實(shí)現(xiàn)對(duì)大學(xué)生就業(yè)文本信息的分類。

3" "大學(xué)生偏好計(jì)算與興趣信息主動(dòng)推薦

在上述內(nèi)容的基礎(chǔ)上，可以根據(jù)大學(xué)生瀏覽高校就業(yè)信息、在就業(yè)招聘界面的停留時(shí)間等，進(jìn)行大學(xué)生就業(yè)偏好計(jì)算。其中大學(xué)生瀏覽高校就業(yè)信息分為兩種，分別為瀏覽與未瀏覽。如瀏覽了此部分信息，代表大學(xué)生對(duì)此類就業(yè)信息的關(guān)注度較高，反之則關(guān)注度較低。同理，大學(xué)生在某就業(yè)招聘界面的停留時(shí)間越長(zhǎng)，說明其個(gè)人對(duì)此類就業(yè)信息的興趣越高，反之越低[5]。以此為依據(jù)，進(jìn)行大學(xué)生就業(yè)偏好值的計(jì)算，計(jì)算公式為

（3）

式中，為大學(xué)生對(duì)不同就業(yè)信息的偏好值；為用戶體驗(yàn)系數(shù)；為大學(xué)生是否瀏覽了就業(yè)信息；為大學(xué)生在某就業(yè)招聘界面的停留時(shí)間；為大學(xué)生在某就業(yè)招聘信息的操作（下載信息的取值為2，轉(zhuǎn)載信息的取值為1，其他操作取值在0～1之間，刪除界面的取值為0）。在此過程中，考慮到相關(guān)數(shù)據(jù)來源具有多源異構(gòu)融合的特點(diǎn)，因此，可以結(jié)合用戶興趣分布特點(diǎn)、偏好值計(jì)算結(jié)果，建立基于模糊關(guān)聯(lián)規(guī)則的主動(dòng)推薦或興趣推薦程序。當(dāng)大學(xué)生對(duì)不同就業(yè)信息的偏好值達(dá)到或超出某一數(shù)值時(shí)，說明推薦的信息與大學(xué)生就業(yè)需求高度適配，此時(shí)為大學(xué)生推薦此部分信息，即可實(shí)現(xiàn)對(duì)大學(xué)生需求就業(yè)信息與崗位的匹配。

4" "對(duì)比實(shí)驗(yàn)

根據(jù)用戶興趣模型對(duì)數(shù)據(jù)集的訓(xùn)練需求，獲取由高校提供的應(yīng)屆畢業(yè)生就業(yè)崗位信息，隨機(jī)抽取部分?jǐn)?shù)據(jù)將其作為樣本數(shù)據(jù)。采集校內(nèi)應(yīng)屆畢業(yè)生個(gè)人信息，包括參與校內(nèi)專項(xiàng)就業(yè)指導(dǎo)次數(shù)、時(shí)長(zhǎng)、參與校招次數(shù)、面試崗位類型等。完成上述工作后，進(jìn)行現(xiàn)有樣本數(shù)據(jù)信息的預(yù)處理。在處理過程中，對(duì)樣本數(shù)據(jù)使用隨機(jī)方案，任何類別就業(yè)崗位類型信息，都需對(duì)其設(shè)定專門的標(biāo)簽。同時(shí)對(duì)完成預(yù)處理后的數(shù)據(jù)進(jìn)行壓縮，將這些數(shù)據(jù)壓縮到一個(gè)更高的維度與層面，并根據(jù)模型對(duì)數(shù)據(jù)訓(xùn)練需求，在有必要的條件下，可以進(jìn)行數(shù)據(jù)的歸一化處理。經(jīng)過預(yù)處理后被錄入計(jì)算機(jī)的數(shù)據(jù)維度較高，因此，在使用本文方法進(jìn)行就業(yè)信息推薦時(shí)，需要將用戶興趣模型作為參照，進(jìn)行大學(xué)生興趣特征信息的提取。在此基礎(chǔ)上，建立大學(xué)生就業(yè)文本信息庫，按照規(guī)范進(jìn)行文本信息類別的劃分，通過對(duì)大學(xué)生偏好值的計(jì)算，實(shí)現(xiàn)對(duì)不同個(gè)體興趣就業(yè)信息的主動(dòng)推薦。

完成本文方法在測(cè)試環(huán)境中的應(yīng)用后，引進(jìn)基于混合相似度的推薦方法、基于情景感知的推薦方法，將其作為傳統(tǒng)方法1、傳統(tǒng)方法2，在測(cè)試環(huán)境中結(jié)合現(xiàn)有的樣本數(shù)據(jù)，分別使用3種方法，對(duì)大學(xué)生進(jìn)行就業(yè)信息的個(gè)性化推薦后，將推薦的就業(yè)信息與大學(xué)生偏好的就業(yè)信息進(jìn)行匹配，將匹配結(jié)果作為檢驗(yàn)推薦方法應(yīng)用效果的關(guān)鍵指標(biāo)。匹配結(jié)果可以通過式（4）計(jì)算得到。

（4）

式中，為推薦就業(yè)信息與大學(xué)生偏好就業(yè)信息的匹配程度；為推薦的就業(yè)信息；為大學(xué)生偏好的就業(yè)信息。值越高，說明推薦的就業(yè)信息與大學(xué)生需求匹配度越高，反之，值越低，說明推薦的就業(yè)信息與大學(xué)生需求匹配度越低。如圖2所示。

圖2 推薦就業(yè)信息與大學(xué)生偏好就業(yè)信息的匹配程度

從圖2可知，傳統(tǒng)方法1與傳統(tǒng)方法2在應(yīng)用后，推薦就業(yè)信息與大學(xué)生偏好就業(yè)信息的匹配程度較不穩(wěn)定，一直在60%～90%范圍內(nèi)浮動(dòng)。綜合上述實(shí)驗(yàn)結(jié)果：相比傳統(tǒng)的方法，本文設(shè)計(jì)的基于用戶興趣模型的推薦方法應(yīng)用效果良好，按照規(guī)范使用該方法進(jìn)行大學(xué)生就業(yè)信息推薦，可以提高推薦就業(yè)信息與大學(xué)生偏好就業(yè)信息的匹配程度，能夠?yàn)榇髮W(xué)生提供更加優(yōu)質(zhì)的就業(yè)服務(wù)，全面提高大學(xué)生就業(yè)質(zhì)量。

5" "結(jié)束語

高校目前為提高就業(yè)率慣用傳統(tǒng)的“大水漫灌”式的高校畢業(yè)生就業(yè)服務(wù)，往往忽略了畢業(yè)生個(gè)體要求，導(dǎo)致畢業(yè)生求職信息與入職崗位出現(xiàn)偏差，影響了學(xué)生的就業(yè)質(zhì)量。為解決此方面問題，本文引進(jìn)用戶興趣模型，將個(gè)體就業(yè)需求作為前提條件，通過對(duì)大學(xué)生興趣特征信息提取、大學(xué)生就業(yè)文本信息分類、大學(xué)生偏好計(jì)算與興趣信息主動(dòng)推薦，設(shè)計(jì)了一種針對(duì)大學(xué)生的就業(yè)信息推薦方法。該方法在完成設(shè)計(jì)后，通過對(duì)比實(shí)驗(yàn)證明：本文設(shè)計(jì)的方法可以提高推薦就業(yè)信息與大學(xué)生偏好就業(yè)信息的匹配程度，能夠?yàn)榇髮W(xué)生提供更加優(yōu)質(zhì)的就業(yè)服務(wù)。

參考文獻(xiàn)

[1] 閆曉慧，馬博聞，鄧三鴻，等．融合專利與論文信息的內(nèi)容挖掘和引用基礎(chǔ)的企校創(chuàng)新合作推薦研究[J]．現(xiàn)代情報(bào)，2023（3）：13-25.

[2] 趙旭，李菲，吳紫薇，等．實(shí)時(shí)流媒體視閾下大學(xué)生商品信息采納行為范式研究——以抖音為例[J]．現(xiàn)代商業(yè)，2022（36）：7-10.

[3] 謝佩云，何陽．情景感知視角下檔案信息推薦服務(wù)質(zhì)量的影響因素分析與優(yōu)化路徑探究[J]．太原城市職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2022（11）：194-197.

[4] 顧佳云，熊回香，肖兵．虛擬學(xué)術(shù)社區(qū)中融合用戶動(dòng)態(tài)興趣與社交關(guān)系的學(xué)者推薦研究[J]．圖書情報(bào)工作，2022（11）：110-120.

[5] 單曉紅，崔鳳艷，劉曉燕．融合話題多維特征和用戶興趣偏好的微博話題推薦研究[J]．現(xiàn)代情報(bào)，2022（5）：69-76，97.

作者簡(jiǎn)介：南" "楠（1979-），女，漢族，山東日照人，副教授，本科，研究方向?yàn)榭刂乒こ?、機(jī)械設(shè)計(jì)制造及其自動(dòng)化。

張玉香（1974-），女，漢族，山東濟(jì)寧人，副教授，本科，研究方向?yàn)闄C(jī)械設(shè)計(jì)與制造。

吳" "冉（1967-），女，漢族，山東東平人，教授，本科，研究方向?yàn)闄C(jī)械設(shè)計(jì)制造及自動(dòng)化。