就业类微信公众号发展研究

张子怡 王颍 束容霞

关键词：就业类微信公众号;信息处理;文本分类;精确化

中图分类号：F713.5        文献标志码：A      文章编号：1673-291X（2022）06-0121-03

一、研究背景

教育部统计数据显示，2020年应届高校毕业生有874万，同比增长40万。习近平总书记高度重视就业工作，就全面强化稳就业举措、更好发挥市场在促进就业中的作用，作出一系列重要指示。针对高校毕业生就业问题，最重要的是提高劳动者与岗位匹配的效率，解决劳动者与用人单位之间信息不对称问题。

在疫情影响下，国家提出最新就业政策，要求加强网上就业服务，在疫情有效缓解之前，暂停教育系统举办的各类高校毕业生现场招聘活动，大力推进网上就业服务，推动各地各高校开展网上面试、网上签约以及网上办理就业手续。

互联网已经成为网络空间最重要的信息基础设施和网络信息体系最基础的承载平台。欧美等发达国家一向高度重视教育信息化基础设施建设，投资建设面向教育行业的专用网络，以及建造多层次的网络结构。由此看来，在互联网发展的基础上，利用大数据和云时代的技术，加深对就业信息领域的研究扩展，可以突破传统就业活动时间和空间的限制，进行形式和内容上的创新。

二、就业类微信公众号发展特点及信息处理方法

逐步形成的新兴互联网媒体环境，使得新媒体、融媒体的概念渗透入人们的日常生活中。罗繁明等（2020）在关于智库平台的研究中指出，“互联网+大数据”的发展正驱动人类生产方式的深刻变革。拥有大数据平台的互联网企业凭借指数级增加的数据存储空间，利用“信息检索+人工智能”技术为用户洞察市场趋势实施精准营销提供决策选择。

近几年，微信公众号发展迅猛，从服务于政府、媒体、企业到个人，突出了其信息传播广、速度快、受众多的特点。作为我国新媒体社交平台的代表之一，微信在移动终端设备上的发展，依托于微信的社交功能，经历了从信息获取到信息处理再到信息发布的全过程。基于微信公众平台在信息传播方面的优势，近年来其被大量应用于各个领域的信息推送，但在大学生精准就业工作中微信公众号只用于简单的无差别信息推送。邓倩（2019）提出，微信平台信息推送方式仍存在以下问题：一是信息推送频率低，资源配置供需不平衡;二是推送信息内容单一，用户信息反馈机制欠佳，个性化服务功能欠缺，平台建设亟待优化。李凤春（2017）在对吉林大学就业信息平台的研究中指出，“精准就业平台”栏目还没有真正起到作用，没有得到各个毕业生培养单位的重视。在招聘信息的精准推送方面，还缺少必要的手段和模式。

以订阅号“吉大就业创业”为例进行具体分析，吉大就业创业订阅号为吉林大学官方账号，涉及内容包含信息服务、咨询指导、职业规划、政策发布。通过对其功能查询与试用和近3个月（2020年9—11月）推文统计总结其服务特征与出现的问题：最近3个月以平均每日一篇的频率发送推文，时间不定;内容为各类就业信息，包括校园招聘、公务员招录、基层招聘等;无法通过关键字自动获取就业信息;后台留言回复慢或不回复。另外，通过对部分使用过此订阅号搜集信息的用户进行访问我们了解到：就业信息的冗余复杂导致用户在检索需求的信息时浪费了很多人力和物力。微信公众号的质量参差不齐，导致信息的来源和准确性有待商榷，信息推文发送的频率和效率问题也亟待解决。同时，碎片化阅读使得受众对于内容的包容性日趋下降，碎片化的信息的转型融合成为吸引用户的关键点。

以上问题同样是其他高校及其他就业信息平台如就业网、就业指导APP普遍存在的问题。这些问题是推进精准就业工作的难点所在，而其根本任务是对冗杂的信息进行筛选、分类、个性化推送，利用大数据手段构建新的信息处理机制、共享模式来推进精准就业工作或成为值得尝试的方法。

将大数据与就业联系起来，是目前社会关注的热点话题之一。通过查阅文献资料等方式发现，研究主要聚焦在三个方面，一是信息共享，二是模式创新，三是精准就业。林娅楠（2019）总结分析：大数据的利用对于高校就业工作并不遥远，可以通过有意识地分析和挖掘，创新工作模式，实现精准就业服务工作的创新。Lei Jing（2019）在国际学会会议中也提出，为了促进精准就业，应建立一个精确的就业服务信息系统，丰富准确大数据时代就业服务工作的内涵和模式。并认为，利用大数据技术挖掘毕业生就业数据可以提高高校毕业生就业服务的精准度，也是大数据背景下高校精准就业服务的新重点。

葛宝山（2019）分析提出：大數据技术为大学生精准就业提供科学依据，且通过对大数据技术的应用，可以突破大学生就业指导工作方面的时空限制。方长春（2020）在构建大学生就业信息服务体系时指出，依托各类云计算平台提供的计算服务，通过虚拟化技术，建立就业数据中心，该数据中心将招聘会、就业岗位、推荐表、协议书等数据进行采集，并储存在云数据中心，利用MapReduce实现对海量就业数据的动态更新、存储、索引及高效检索，提高平台的管理效率与灵活性。

值得注意的是，微信公众号所做的工作是信息服务的生产过程，而不是信息的生产过程。陈建龙（2017）在关于信息可视化的研究中解释到，信息服务的生产过程是指在一定的生产关系下，服务者以信息资源为劳动对象，借助信息技术等劳动资料，采用传递、处理、咨询或经纪等服务行为，经过需求对接、内容调研和综合集成等交互环节，形成可得、可见、可用的信息服务产品，并帮助信息用户解决问题的全过程。微信公众号对于信息的处理是完成信息的可视化，因此除去信息的个性化推送外，就业信息的质量提升也是推进精准就业工作的一个重要环节。信息质量判断的标准包括其真实性、准确性、时效性以及大学生对于该信息的偏好程度。关于偏好程度，应对在校以及毕业大学生进行意愿调查，得出目前最受关注的就业信息类别，通过调整推送频率来实现对大学生信息偏好的满足，并可根据推文WCI指数的变化进行判断，继而反馈调整。由此，立足于大数据的微信公众号信息推送，在保证信息内容的准确性和完整性的同时，满足用户的使用方式和多样需求，增强用户黏性。

三、就业类微信公众号发展对策

信息是人与外界的一种交互通信的信号量。在此之前，信息需要进行处理，即信息的接收、存储、转化、传送和发布等。信息处理生产出价值含量高、方便用户利用的二次信息，使得信息增值。

微信公众号内容的呈现基于大量的信息处理过程，该过程使得公众号的内容直观、鲜明，从而实现其功能和吸引更大的流量。目前微信公众号的信息处理有多种方法，而适用于本题研究的主要包括文本分类和信息匹配精确化两种方法。

（一）文本分类

通过建设有效的文本信息检索方式来快速处理微信公众号内容文本，对已有的文本信息进行快速有效的检索和分析，提取与用户需求相关性大的关键词信息，通过关键词来对文本信息进行高度总结，减少了用户阅读大量无关信息的时间，提高获取信息的效率。

通过文本分类的方法来提取文本关键词是目前运用较广泛的检索方法之一。

文本分类即用电脑对文本集按照一定的分类体系或标准进行自动分类标记。根据一个已经被标注的训练文档集合，找到文档特征和文档类别之间的关系模型，然后利用这种学习得到的关系模型对新的文档进行类别判断。文本分类基于分类体系的自动分类，基于资讯过滤和用户兴趣的自动分类。从人对文本和类别之间相关性判断来学习文件用字和标记类别之间的关联。一般包括了文本的表达、分类器的选择与训练、分类结果的评价与反馈等过程。

宋岩等（2019）针对从众多的文本数据中有效地获取有效信息的问题，提出基于层次特征提取的文本分类模型，考虑文本中句子级别和文本级别的语义内容，构建模型从而得到关于文本的全面特征，进而基于此特征对文本进行分类。王芝辉（2020）研究基于神经网络的文本分类方法，认为文本分类的核心问题是如何选取文本的特征以保证有效和快速地分类。在深度学习的相关研究中，王晓明（2020）提出在中文文本分类任务中，重要特征在中文文本中的位置是分散的、稀疏的，且不同特征对类别识别的贡献也不同。张迪（2019）提出了一种基于卷积神经网络（CNN）的中文文本分类多特征融合模型，利用文本预处理完成中文文本的分割和矢量化，通过嵌入层提取不同层次、不同特征的文本特征。最后，通过融合层对文本特征进行融合，并通过分类器进行分类。

文本分类本质上与其他分类问题是一致的，是根据待分类数据的特征进行匹配从而划归到正确的类别，因此，核心问题就可归纳为如何选取文本的特征以保证有效和快速地分类。

在传统的文本分类方法的基础上，构建适应于微信公共号发布信息的模型，提取不同类型的特征词，提出基于主题相似性聚类的文本分类算法，将大量缺乏结构的文本数据进行筛选整合，最终组织成规范的数据结构。

（二）信息匹配精确化

要做到明确微信公众号的定位，明确目标群体是有就业需求的高校毕业生，从用户的角度出发，了解其目的、需求及存在的问题，从而查找自身信息处理方式的不足，例如信息的推送时间、信息的排版、信息的关键词等。最终要实现满足用户个性化需求的系统，在特定的情境下，以专业为主要导向，辅以用户的多方面需求，进行符合要求的精准化信息推送。

文本阅读中的信息精确化推理就是在文本阅读中，文本的字面意思呈现的是模糊、不精确的信息，但是读者通过进行精确推理，可以得出文本表达的确切信息。读者进行信息精确化推理不仅浪费时间，降低阅读效率，而且容易忽视关键信息，主观上的判断容易造成文意扭曲，从而失去了文本信息的价值。所以，在大量信息推送的背景下，将文本信息精确化是主流发展趋势。

其次，要解决信息的匹配问题可以将文本匹配的研究应用到大量的自然语言处理任务中。将就业信息提取关键词后，与用户的需求标准相匹配，从而将符合需求的就业信息片段准确地发送给用户。在已有的研究里，关于深度文本匹配有如下三种方法：传统文本匹配学习模型、基于深度学习的文本匹配学习模型、基于多语义文档表达的深度学习模型。

四、就业类微信公众号发展趋势及建议

截至2019年年底，我国移动互联网用户规模达到13.19亿，占据全球网民总规模的32.17%。强大的群众基础使得中国的互联网事业有着充足的前进和创新动力。从外部环境来看，网络型信息基础设施建设以及云计算、大数据、人工智能等信息技术为互联网的发展赋予创新活力，持续助推传统产业转型升级，各领域市场规模稳定增长，新产品、新业态层出不穷，服务模式迭代演进，市场格局洗牌革新。

2020年，中国互联网发展报告在社交网络服务方面指出，社交领域持续创新探索，新兴社交产品不断涌现。从文字社交、圖片社交发展到多媒体社交和垂直领域社交，部分社交应用尝试泛娱乐媒介方式和新兴技术综合运用，以创新用户交互方式、刺激用户表达欲，以提升用户黏性。战略布局不断深化，由支撑型基础设施向提升“效率”转变。

微信公众号作为一种机制灵活、科学且创新的媒体形式，在信息的产生、传播过程中，在文字的基础上增加音频动画等新媒体元素，使得信息的呈现形式更加的多样化。增加信息的广泛来源，实现同组同类就业信息共享，增加微信公众号平台的交互性，加强以用户需求为导向，构建完整的信息交流体系。

微信公众号信息传播本身就具有社交属性，所以，想要获得用户的青睐，一方面，应深耕垂直领域，在大数据的环境背景下，立足于就业信息数据库，将丰富准确的信息资源作为竞争力基础，在定位上突出服务、互动、专业化三方面特征;另一方面，应通过精准定位就业类信息的专业服务，打造满足用户个性化需求的内容服务，技术服务、推送服务人性化，增加用户黏性，积极探索传播机制创新。

参考文献：

[1]  罗繁明，袁俊，赵恒煜.基于大数据的特色新型智库平台建设研究——以广东智库信息化平台为例[J].情报资料工作，2020，（5）：42-48.

[2]  邓倩.基于微信平台的高校图书馆精准信息推送研究[J].山东农业工程学院学报，2019，（8）：17-19.

[3]  李凤春，郭小平，杨波.大数据环境下吉林大学就业信息网络平台建设研究[J].情报科学，2017，（8）：79-83+88.

[4]  林娅楠.微信公众号在高校就业精准服务模式中的应用[J].现代信息科技，2019，（3）：125-127.

[5]  Lei Jing.Research of Precision Employment Service of Chinese College Graduates in the Big Data Era[C]//Institute of Management Science and Industrial Engineering.Proceedings of 2019 International Conference on Management，Finance and Social Sciences Research（MFSSR 2019）.Institute of Management Science and Industrial Engineering：计算机科学与电子技术国际学会（Computer Science and Electronic Technology International Society），2019：6.

[6]  葛宝山，董茗尧.大数据技术何以促进大学生精准就业[J].人民论坛，2019，（17）：104-105.

[7]  方长春.大数据时代大学生就业信息服务体系构建研究[J].情报科学，2020，（9）：137-140+177.

[8]  陈建龙，刘合翔.信息服务与可视化的关系辨析[J].图书情报工作，2017，（16）：31-37.

[9]  宋岩，刘汉永，宁向南，等.基于层次特征提取的文本分类研究[J].计算机应用与软件，2020，（2）：68-72+77.

[10]  王芝辉，王晓东.基于神经网络的文本分类方法研究[J].计算机工程，2020，（3）：11-17.

[11]  王晓明.基于深度学习的中文文本分类的关键技术研究[D].成都：電子科技大学，2020.

[12]  张迪.基于深度学习的中文文本分类算法研究[D].西安：西安科技大学，2019.

3640500589269