人才招聘平台的人岗匹配模型优化设计及应用研究

发布时间：2024-03-20 20:37

　　近年来,随着互联网的发展,网络智能招聘模式逐渐兴起,尤其是受新冠疫情影响,就业招聘无法正常展开,招聘形式开始向网络招聘靠拢,招聘就业数据成倍增长。本论文旨在基于现有的人才招聘数据,快速分析挖掘岗位及人才信息,选取合适的模型方法和模型融合方式,对人岗匹配模型进行研究优化,并就结果展开针对性研究,为智能招聘下的应聘双方提供参考建议。本文主要的研究工作总结如下:首先,基于人才简历、岗位招聘及人才行为数据,构建样本数据集,并进行数据预处理,提高数据的可利用性。其次,基于整合后的样本数据集,进行特征提取,提取基础特征,基于Doc2Vec的文本向量化特征;以及基于人才岗位交叉特征提取,并从人才岗位双方角度进行竞争力统计特征提取,构建特征群。随后,深度解析人岗匹配模型的设计思想,将其转化为人才是否投递以及岗位是否认可两部分二分类预测模型,引入了决策树、随机森林、XGBoost、Light GBM模型,分别进行训练预测。实验结果表明:Light GBM在投递模型和认可模型中表现均优于其他三类模型,但最终呈现效果仍需进一步优化。得益于Light GBM的优异表现,通过对Light GBM算法模型通过模型...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状分析及发展趋势
        1.2.1 招聘需求特征研究现状
        1.2.2 人岗匹配研究现状
        1.2.3 文献评述
    1.3 研究内容
    1.4 论文组织结构
    1.5 创新点
第2章 人才招聘数据采集与预处理
    2.1 数据采集
    2.2 数据预处理
        2.2.1 数据清洗
        2.2.2 数据规范化
        2.2.3 中文分词
        2.2.4 停用词过滤
        2.2.5 数据整合
    2.3 本章小结
第3章 基于人才岗位数据的特征提取
    3.1 基础特征提取
        3.1.1 岗位数据基础特征
        3.1.2 人才数据基础特征
        3.1.3 行为数据基础特征
    3.2 文本特征提取
        3.2.1 基于Doc2Vec的文本特征表示
        3.2.2 文本特征提取结果
    3.3 岗位-人才数据交叉特征提取
        3.3.1 基于数值型变量提取交叉特征
        3.3.2 基于字符型变量提取交叉特征
        3.3.3 交叉特征构建结果
    3.4 岗位-人才数据统计特征提取
        3.4.1 基于人才角度提取统计特征
        3.4.2 基于岗位角度提取统计特征
    3.5 特征整合
    3.6 本章小结
第4章 人岗匹配模型设计
    4.1 人岗匹配模型设计思想
        4.1.1 人才是否投递预测模型
        4.1.2 岗位招聘者是否认可预测模型
        4.1.3 模型融合
    4.2 模型选择
    4.3 决策树
        4.3.1 算法原理
        4.3.2 算法实现
    4.4 随机森林
        4.4.1 算法原理
        4.4.2 算法实现
    4.5 XGBoost
        4.5.1 算法原理
        4.5.2 算法实现
    4.6 LightGBM
        4.6.1 算法原理
        4.6.2 算法实现
    4.7 模型结果分析与讨论
    4.8 本章小结
第5章 人岗匹配模型优化
    5.1 LightGBM模型优化
        5.1.1 模型调参
        5.1.2 模型交叉验证
    5.2 LightGBM-Bagging融合模型
        5.2.1 模型融合方法
        5.2.2 LightGBM-Bagging原理
        5.2.3 模型结果分析与讨论
    5.3 人岗匹配模型优化设计
        5.3.1 人岗匹配模型融合基本思想
        5.3.2 人岗匹配模型融合优化
        5.3.3 人岗匹配模型融合效果讨论
    5.4 本章小结
总结与展望
    总结
    展望
参考文献
致谢



本文编号：3933269