| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第一章 引言 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 毕业生就业推荐领域中存在的问题 | 第11页 |
| 1.3 研究内容与创新点 | 第11-12页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 本文创新点 | 第12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 第二章 推荐系统理论技术 | 第14-26页 |
| 2.1 推荐系统概况 | 第14-15页 |
| 2.2 常用推荐技术 | 第15-20页 |
| 2.2.1 协同过滤的推荐技术 | 第15-18页 |
| 2.2.2 基于内容的推荐算法 | 第18-19页 |
| 2.2.3 基于知识的推荐方法 | 第19-20页 |
| 2.2.4 混合推荐算法 | 第20页 |
| 2.3 基于图的推荐 | 第20-22页 |
| 2.3.1 基于二部图模型的推荐 | 第20-21页 |
| 2.3.2 基于三部图模型推荐算法 | 第21-22页 |
| 2.4 就业推荐相关研究 | 第22页 |
| 2.5 常用的推荐算法 | 第22-25页 |
| 2.5.1 PersonalRank算法 | 第23页 |
| 2.5.2 NBI算法 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于企业兴趣敏感度的就业推荐算法 | 第26-36页 |
| 3.1 主要思想及步骤 | 第26-30页 |
| 3.1.1 企业-属性二分图构造 | 第27-28页 |
| 3.1.2 企业兴趣敏感度计算 | 第28-29页 |
| 3.1.3 相似度计算 | 第29-30页 |
| 3.1.4 Top-N推荐 | 第30页 |
| 3.2 算法复杂度分析 | 第30页 |
| 3.3 实验分析 | 第30-35页 |
| 3.3.1 评价标准 | 第31页 |
| 3.3.2 RBSI算法性能分析 | 第31-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于企业生命周期理论的就业推荐算法 | 第36-45页 |
| 4.1 相关符号 | 第36页 |
| 4.2 算法描述 | 第36-40页 |
| 4.2.1 基于企业生命周期理论的二分图模型 | 第37页 |
| 4.2.2 企业招聘偏好计算 | 第37-38页 |
| 4.2.3 TOP-N推荐 | 第38-39页 |
| 4.2.4 算法复杂性分析 | 第39-40页 |
| 4.3 实验分析 | 第40-43页 |
| 4.3.1 JRECT与RBSI在推荐准确率方面的比较 | 第40-41页 |
| 4.3.2 JRECT算法与RBSI在MRR方面的比较 | 第41-42页 |
| 4.3.3 JRECT算法与RBSI在用户满意度方面的比较 | 第42-43页 |
| 4.3.4 JRECT算法与RBSI在推荐多样性方面的比较 | 第43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 高校毕业生就业推荐原型系统设计 | 第45-50页 |
| 5.1 系统整体设计 | 第45-47页 |
| 5.1.1 体系结构 | 第45页 |
| 5.1.2 推荐流程 | 第45-46页 |
| 5.1.3 功能模块 | 第46-47页 |
| 5.2 系统展示 | 第47-49页 |
| 5.3 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-51页 |
| 6.1 总结 | 第50页 |
| 6.2 未来工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间的主要工作 | 第54-55页 |
| 致谢 | 第55-56页 |
