基于加权特征值的精准推荐算法研究

未 培，庄 彦，王春珊

“移动互联”时代的显著特征是人们各种社会活动，诸如学习、商务和休闲娱乐的移动性、泛在化和高效率与便捷化.以智能手机为核心的移动终端设备已融入人们的各项社会活动中，成为人们社会生活不可或缺的组成部分，作为知识分子的高校学生更容易接受基于手机的各种应用与服务.如何利用好现代信息手段，特别是发挥好移动互联、大数据分析等技术作用，提高就业指导服务工作的质量和效率，是各高校面临的重要课题.［1-3］本文设计并实现了高校就业精准服务平台，提出基于加权特征值的精准推荐算法，能够根据毕业生专业、学历、特长、兴趣、工作地点、时间、岗位需求、薪酬待遇预期等为毕业生推荐更为适合的就业企业与岗位，是就业精准推荐的有益尝试 .［4-6］

1 提出问题

在很多求职招聘平台中，企业可以根据自己的用工需要发布招聘岗位信息，包括招聘岗位、工作地点、所学专业、学历要求、工资水平、工作时间等信息；求职者可以发布求职信息，包括本人的专业、学历、特长、兴趣、求职岗位、工作地点、工作时间和薪酬待遇预期等求职信息，但企业与求职者之间的信息自动对接不尽如人意.有的系统中，企业的招聘信息需要求职者自行浏览阅读、求职者的求职信息需要企业浏览才有可能最终对接成功；而有的系统中，虽然增加了自动推荐功能，但推荐的效果并不理想.

基于加权特征值的精准推荐算法就是利用企业和求职者所发布的信息，提取其中的多个特征值，并进行匹配计算，将计算的结果与阈值比较，超过阈值的，匹配成功，同时将求职者的求职信息发送给企业，将企业的招聘信息发送给求职者，提高了求职应聘的效率和成功率.

2 基于加权特征值的精准推荐算法

本算法利用企业和求职者所发布的信息，提取其中的多个特征值，按照可变的权重进行综合计算匹配，得到两者之间的匹配度，再将其与某一阈值比较，如超过阈值线，则认为匹配成功，如低于阈值线，则认为匹配失败，阈值可根据求职者的特征值关注度动态调整，匹配成功后，分别向求职者推送企业招聘信息、向企业推送求职者招聘信息，大大提高了求职应聘的效率和成功率 .［7-9］

2.1 特征值的设定和权重分配

在本系统中，可以根据企业和求职者发布的信息，将专业、学历、特长、岗位、工作地点、工作时间和薪酬、五险一金等选取为特征值.在权重分配中，将专业、学历、岗位、薪酬的权重固定为15%、15%、15%、15%，如求职者在平台中勾选了一个或多个特征值（小于或等于三个）作为求职比较看重的要素，则被勾选的特征值的权重分配为15%，其他特征值项平分剩余的权重.

2.2 阈值的设定

阈值的设定，可根据求职者的求职信息与企业的招聘信息的匹配度及匹配数量综合计算得出，避免匹配成功的信息推送量过大或过小，也可以根据求职者信息浏览的情况动态调整.

2.3 伪代码

设定：阈值用T表示.

匹配度用M表示（根据各特征值匹配结果及权重计算得到）.

匹配成功的信息数量用N表示.

权重用W表示，则特长的权重表示为WS，工作地点的权重表示为WP，工作时间的权重表示为WT，五险一金的权重表示为WI.

设置计数变量I，便于计算各特征值权重.

第一步：将WS、WP、WT、WI、M、N，I均赋值为0，T赋值为60.

第二步判断特长特征值是否属于求职者看重要素，如果是，则WS=15，如果不是，则WS=0，I=I+1.

第三步：判断工作地点特征值是否属于求职者看重要素，如果是，则WP=15，如果不是，则WP=0，I=I+1.

第四步：判断工作时间特征值是否属于求职者看重要素，如果是，则WT=15，如果不是，则WT=0，I=I+1.

第五步：判断五险一金特征值是否属于求职者看重要素，如果是，则WI=15，如果不是，则WI=0，I=I+1.

第六步：计算除专业、学历、岗位、薪酬及求职者看重要素（特征值）以外的，其他特征值的权重，W=15+15+15+15+WS+WP+WT+WI，（因求职者看重的要素小于等于三个，W小于100）.

第七步：将剩余权重平分给赋值为零的特征值，（100-W）/I重新赋值给W.

第八步：判断WS、WP、WT、WI是否为0，如是，则将上一步计算得到的剩余平均权重值赋给它们，即WS=W、WP=W、WT=W、WI=W.

第九步：判断求职者求职信息中的专业特征值和企业招聘信息中的专业是否相同，或招聘信息中的专业为“不限”，如是，则M=M+15.

第十步：判断求职者求职信息中的学历特征值和企业招聘信息中的学历是否相同，或招聘信息中的学历为“不限”，如是，则M=M+15.

第十一步：判断求职者求职信息中的岗位特征值和企业招聘信息中的岗位是否相同，或求职者的岗位需求为“不限”，或招聘信息中的岗位为“不限”，如是，则M=M+15.

第十二步：判断求职者求职信息中的薪酬特征值和企业招聘信息中的薪酬是否相同，或求职者的薪酬需求为“不限”，如是，则M=M+15.

第十三步：判断求职者求职信息中的特长特征值和企业招聘信息中的特长是否相同（或企业特长是求职者特长的子集），如是，则M=M+WS.

第十四步：判断求职者求职信息中的工作地点特征值和企业招聘信息中的工作地点是否相同，或求职者的工作地点为“不限”，如是，则M=M+WP.

第十五步：判断求职者求职信息中的工作时间特征值和企业招聘信息中的工作时间是否相同，或求职者的工作时间为“不限”，如是，则M=M+WT.

第十六步：判断求职者求职信息中的五险一金特征值和企业招聘信息中的五险一金是否相同，如是，则M=M+WI.

第十七步：将M与T比较，如M＞=T，则将求职信息向企业推送，将招聘信息向求职者推送，并将N加1：N=N+1.

第十八步：将求职信息与下一条招聘信息进行匹配度计算，从第九步重复操作，直到匹配出20条信息，结束匹配.

匹配流程如下图1所示.

图1 基于加权特征值的精准推荐算法流程图

3 算法实现

本算法在基于Android的就业精准服务系统中已经实现.该系统包括系统管理端、企业端、学生端等客户端界面，以及服务端界面组成，功能组成如图2所示.

学生端采用基于Android编程技术开发，其他客户端及服务器端均采用B/S架构开发，便于管理者和企业操作.

图2 就业精准服务平台系统功能

基于加权特征值的精准推荐算法核心代码如下：

图3是本算法在基于Android的高校就业精准服务平台中的实现与应用截图.

图3 匹配管理界面图

4 结束语

如何实现招聘信息与求职信息的实时精准推荐，提高招聘与求职的效率和满意度一直是各招聘求职平台试图破解的难题.本文结合高校就业服务工作实际，提出基于加权特征值的精准推荐算法，并在基于Android的高校就业精准服务平台中实现验证，基本达到了预期的目标；针对测试中所发现的问题，团队将认真梳理、总结，并逐步加以完善.