基于用戶興趣模型的大學生就業信息推薦方法

摘要：為提高推薦就業信息與大學生偏好就業信息的匹配程度，文章將個體就業需求作為前提條件，設計一種基于用戶興趣模型的大學生就業信息推薦方法。首先，利用興趣模型中的關聯規則，對高校提供的就業信息中興趣特征點進行匹配；其次，在既定的分類規則下，根據就業文本信息的內容對其進行類別劃分；最后，根據用戶瀏覽高校就業信息、在就業招聘界面的停留時間等，針對大學生偏好進行計算。對比實驗結果表明：本文中設計的推薦方法應用效果良好，按照規范使用該方法進行大學生就業信息推薦，能夠增加推薦就業信息與大學生偏好就業信息的匹配程度，為大學生提供更加優質的就業服務，提高大學生就業質量。

關鍵詞：用戶興趣模型；特征信息提取；就業文本信息；推薦方法；就業信息；大學生

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

隨著各地大學招生規模的不斷擴大，如何為大學生提供個性化、精準的就業服務信息，已成為高校就業服務部門的一項重大任務與工作。當前，現代化網絡技術不斷興起，正在改變著企業的用工方式。在新技術的支持與帶動下，全新的管理方式不斷涌現，這一現象不僅對高校畢業生就業提出了新的要求。高校畢業生在面對新常態的同時，也需快速適應社會新形勢的變化[1]。為落實此項工作，提升大學生的就業服務質量，為不同需求的個體提供專項服務，本文將在此次研究中，引進用戶興趣模型，將個體就業需求作為前提條件，設計一種針對大學生的就業信息推薦方法，旨在通過此次設計，全面提高應屆畢業生的一次就業率與大學生入職后的滿意度。

1" "基于用戶興趣模型的大學生興趣特征信息提取

為實現對大學生就業信息的推薦，引進用戶興趣模型，設計大學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聯規則，對高校提供的就業信息中興趣特征點進行匹配，通過此種方式，初步得到大學生就業信息中的融合特征量[2]。提取融合特征量，此過程計算公式如式（1）所示。

（1）

式中，為大學生就業信息中的融合特征量提??；為興趣特征點；為大學生數量；為大學生就業信息量；為關聯規則；為大學生興趣特征信息指數。

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

（2）

式中，為大學生興趣特征信息；為主動興趣參數；為就業項目指數；為大學生就業意向指數。通過上述方式，實現基于用戶興趣模型的大學生興趣特征信息提取。

2" "大學生就業文本信息分類

在上述設計內容的基礎上，進行大學生就業文本信息分類。在既定的分類規則下，根據就業文本信息的內容，對其進行類別劃分，可以文本信息的分類過程作為一種引導式的學習過程。此過程如圖1所示。

基于數學角度分析，文本分類就是在沒有被標記的文本信息和現有的類別之間，建立一種映射關系或包含關系，當此種關系成立時，說明前者可以映射到后者，即對應的信息屬于此類別[4]。按照此種方式，即可實現對大學生就業文本信息的分類。

3" "大學生偏好計算與興趣信息主動推薦

在上述內容的基礎上，可以根據大學生瀏覽高校就業信息、在就業招聘界面的停留時間等，進行大學生就業偏好計算。其中大學生瀏覽高校就業信息分為兩種，分別為瀏覽與未瀏覽。如瀏覽了此部分信息，代表大學生對此類就業信息的關注度較高，反之則關注度較低。同理，大學生在某就業招聘界面的停留時間越長，說明其個人對此類就業信息的興趣越高，反之越低[5]。以此為依據，進行大學生就業偏好值的計算，計算公式為

（3）

式中，為大學生對不同就業信息的偏好值；為用戶體驗系數；為大學生是否瀏覽了就業信息；為大學生在某就業招聘界面的停留時間；為大學生在某就業招聘信息的操作（下載信息的取值為2，轉載信息的取值為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，考慮到相關數據來源具有多源異構融合的特點，因此，可以結合用戶興趣分布特點、偏好值計算結果，建立基于模糊關聯規則的主動推薦或興趣推薦程序。當大學生對不同就業信息的偏好值達到或超出某一數值時，說明推薦的信息與大學生就業需求高度適配，此時為大學生推薦此部分信息，即可實現對大學生需求就業信息與崗位的匹配。

4" "對比實驗

根據用戶興趣模型對數據集的訓練需求，獲取由高校提供的應屆畢業生就業崗位信息，隨機抽取部分數據將其作為樣本數據。采集校內應屆畢業生個人信息，包括參與校內專項就業指導次數、時長、參與校招次數、面試崗位類型等。完成上述工作后，進行現有樣本數據信息的預處理。在處理過程中，對樣本數據使用隨機方案，任何類別就業崗位類型信息，都需對其設定專門的標簽。同時對完成預處理后的數據進行壓縮，將這些數據壓縮到一個更高的維度與層面，并根據模型對數據訓練需求，在有必要的條件下，可以進行數據的歸一化處理。經過預處理后被錄入計算機的數據維度較高，因此，在使用本文方法進行就業信息推薦時，需要將用戶興趣模型作為參照，進行大學生興趣特征信息的提取。在此基礎上，建立大學生就業文本信息庫，按照規范進行文本信息類別的劃分，通過對大學生偏好值的計算，實現對不同個體興趣就業信息的主動推薦。

完成本文方法在測試環境中的應用后，引進基于混合相似度的推薦方法、基于情景感知的推薦方法，將其作為傳統方法1、傳統方法2，在測試環境中結合現有的樣本數據，分別使用3種方法，對大學生進行就業信息的個性化推薦后，將推薦的就業信息與大學生偏好的就業信息進行匹配，將匹配結果作為檢驗推薦方法應用效果的關鍵指標。匹配結果可以通過式（4）計算得到。

（4）

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

圖2 推薦就業信息與大學生偏好就業信息的匹配程度

從圖2可知，傳統方法1與傳統方法2在應用后，推薦就業信息與大學生偏好就業信息的匹配程度較不穩定，一直在60%～90%范圍內浮動。綜合上述實驗結果：相比傳統的方法，本文設計的基于用戶興趣模型的推薦方法應用效果良好，按照規范使用該方法進行大學生就業信息推薦，可以提高推薦就業信息與大學生偏好就業信息的匹配程度，能夠為大學生提供更加優質的就業服務，全面提高大學生就業質量。

5" "結束語

高校目前為提高就業率慣用傳統的“大水漫灌”式的高校畢業生就業服務，往往忽略了畢業生個體要求，導致畢業生求職信息與入職崗位出現偏差，影響了學生的就業質量。為解決此方面問題，本文引進用戶興趣模型，將個體就業需求作為前提條件，通過對大學生興趣特征信息提取、大學生就業文本信息分類、大學生偏好計算與興趣信息主動推薦，設計了一種針對大學生的就業信息推薦方法。該方法在完成設計后，通過對比實驗證明：本文設計的方法可以提高推薦就業信息與大學生偏好就業信息的匹配程度，能夠為大學生提供更加優質的就業服務。

參考文獻

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

[2] 趙旭，李菲，吳紫薇，等．實時流媒體視閾下大學生商品信息采納行為范式研究——以抖音為例[J]．現代商業，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質量的影響因素分析與優化路徑探究[J]．太原城市職業技術學院學報，2022（11）：194-197.

[4] 顧佳云，熊回香，肖兵．虛擬學術社區中融合用戶動態興趣與社交關系的學者推薦研究[J]．圖書情報工作，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]．現代情報，2022（5）：69-76，97.

作者簡介：南" "楠（1979-），女，漢族，山東日照人，副教授，本科，研究方向為控制工程、機械設計制造及其自動化。

張玉香（1974-），女，漢族，山東濟寧人，副教授，本科，研究方向為機械設計與制造。

吳" "冉（1967-），女，漢族，山東東平人，教授，本科，研究方向為機械設計制造及自動化。