网络招聘信息的分析与挖掘
| 中文摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 前言 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文主要内容 | 第10-11页 |
| 2 基于K-Means聚类算法的职业类型分析 | 第11-21页 |
| 2.1 K-Means聚类算法介绍 | 第11-15页 |
| 2.1.1 K-Means聚类原理 | 第11-14页 |
| 2.1.2 K-means聚类算法的优势和劣势 | 第14-15页 |
| 2.2 职业类型聚类过程 | 第15-21页 |
| 2.2.1 数据预处理 | 第15-19页 |
| 2.2.2 实现过程与结果分析 | 第19-21页 |
| 3 职位画像 | 第21-37页 |
| 3.1 搭建职位网络架构 | 第21-23页 |
| 3.1.1 社会网络相关概念 | 第21页 |
| 3.1.2 职位网络数据预处理 | 第21-22页 |
| 3.1.3 构建职位网络架构 | 第22-23页 |
| 3.2 社群划分及职位画像的实现 | 第23-25页 |
| 3.2.1 随机游走的社群划分 | 第24页 |
| 3.2.2 筛选热门职位网络 | 第24页 |
| 3.2.3 职位画像 | 第24-25页 |
| 3.3 结果分析 | 第25-37页 |
| 3.3.1 技术类热门职位与职位画像 | 第25-26页 |
| 3.3.2 市场与销售类热门职位与职位画像 | 第26-28页 |
| 3.3.3 运营类热门职位与职位画像 | 第28-29页 |
| 3.3.4 职能类热门职位与职位画像 | 第29-31页 |
| 3.3.5 产品类热门职位与职位画像 | 第31-32页 |
| 3.3.6 金融类热门职位与职位画像 | 第32-34页 |
| 3.3.7 设计类热门职位与职位画像 | 第34-37页 |
| 4 基于主成分分析的人才需求分析 | 第37-46页 |
| 4.1 数据预处理 | 第37-38页 |
| 4.2 主成分分析综合排名算法 | 第38-43页 |
| 4.2.1 主成分分析基本原理 | 第38-39页 |
| 4.2.2 热门地域排名 | 第39-41页 |
| 4.2.3 热门行业排名 | 第41-42页 |
| 4.2.4 热门职位排名 | 第42-43页 |
| 4.3 人才需求分析 | 第43-46页 |
| 5 新兴职位需求分析 | 第46-50页 |
| 5.1 数据预处理 | 第46页 |
| 5.1.1 定义新兴职位 | 第46页 |
| 5.1.2 数据筛选 | 第46页 |
| 5.2 按城市地域进行划分 | 第46-47页 |
| 5.3 按公司发展阶段进行划分 | 第47-48页 |
| 5.4 按学历进行筛选 | 第48页 |
| 5.5 按salary（月薪）进行统计 | 第48-49页 |
| 5.6 大数据职位技能要求分析 | 第49-50页 |
| 6 人才培养建议 | 第50-54页 |
| 6.1 人才培养探索 | 第50-51页 |
| 6.2 给在校大学生就业规划建议 | 第51-54页 |
| 7 总结与展望 | 第54-55页 |
| 8 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间的科研成果情况 | 第58页 |
