| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 推荐算法研究现状 | 第13-14页 |
| 1.2.2 基于深度学习的推荐算法研究现状 | 第14-16页 |
| 1.2.3 人力资源推荐算法的研究现状 | 第16-17页 |
| 1.3 论文的主要内容 | 第17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 相关技术 | 第19-32页 |
| 2.1 推荐系统基本工作流程 | 第19-20页 |
| 2.2 推荐系统主要算法 | 第20-24页 |
| 2.2.1 协同过滤推荐算法 | 第20-22页 |
| 2.2.2 基于内容过滤的推荐算法 | 第22-23页 |
| 2.2.3 混合推荐算法 | 第23-24页 |
| 2.3 推荐算法评测指标 | 第24-25页 |
| 2.4 深度模型介绍 | 第25-29页 |
| 2.4.1 受限玻尔兹曼机 | 第25-27页 |
| 2.4.2 栈式去噪自编码器 | 第27-29页 |
| 2.5 深度学习框架 | 第29-30页 |
| 2.6 文本处理技术 | 第30-31页 |
| 2.6.1 NLPIR中文分词 | 第30页 |
| 2.6.2 文本特征向量化 | 第30-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 基于深度学习的人力资源推荐算法设计 | 第32-37页 |
| 3.1 引言 | 第32-33页 |
| 3.2 算法需求概述 | 第33-34页 |
| 3.3 算法总体设计 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 预处理和数据仓库构建 | 第37-46页 |
| 4.1 数据采集 | 第37页 |
| 4.2 数据预处理 | 第37-38页 |
| 4.3 构建人力资源数据仓库 | 第38-42页 |
| 4.3.1 用户表结构设计 | 第39-40页 |
| 4.3.2 项目表结构设计 | 第40-41页 |
| 4.3.3 从行为数据构造评分矩阵 | 第41-42页 |
| 4.4 构建岗位描述信息的词袋向量 | 第42-45页 |
| 4.4.1 中文分词 | 第42-44页 |
| 4.4.2 构造词汇表 | 第44页 |
| 4.4.3 生成词袋向量 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 混合深度协同过滤推荐算法 | 第46-60页 |
| 5.1 引言 | 第46-48页 |
| 5.2 基于融合特征的协同深度学习算法（CDL_HF） | 第48-54页 |
| 5.2.1 构建项目融合特征 | 第48-50页 |
| 5.2.2 算法模型生成过程 | 第50-52页 |
| 5.2.3 算法模型求解 | 第52-54页 |
| 5.3 混合深度协同过滤推荐算法(HDCF) | 第54-59页 |
| 5.3.1 数据裁剪 | 第55页 |
| 5.3.2 对非冷启动项目进行模型训练 | 第55-57页 |
| 5.3.3 预测冷启动项目的评分 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 基于深度学习的人力资源推荐系统 | 第60-64页 |
| 6.1 系统总体需求和设计思路 | 第60-61页 |
| 6.2 系统总体结构 | 第61-62页 |
| 6.3 系统处理流程 | 第62-63页 |
| 6.4 本章小结 | 第63-64页 |
| 第七章 算法评估与系统测试 | 第64-77页 |
| 7.1 人力资源推荐算法的评估实验 | 第64-73页 |
| 7.1.1 实验环境和实验数据集 | 第64-65页 |
| 7.1.2 实验评估指标 | 第65页 |
| 7.1.3 实验结果与分析 | 第65-73页 |
| 7.1.3.1 深度模型参数对算法性能的影响实验 | 第66-67页 |
| 7.1.3.2 深度网络结构对算法性能的影响实验 | 第67-68页 |
| 7.1.3.3 算法有效性的验证实验 | 第68-72页 |
| 7.1.3.4 算法性能对比实验 | 第72-73页 |
| 7.2 人力资源推荐系统的测试 | 第73-75页 |
| 7.2.1 人力资源推荐系统的运行环境 | 第73-74页 |
| 7.2.2 人力资源推荐系统的功能页面展示 | 第74-75页 |
| 7.3 本章小结 | 第75-77页 |
| 总结与展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间取得的研究成果 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附件 | 第86页 |