基于标签化的人才搜索算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11-14页 |
| 1.2 国内外研究历史与现状 | 第14-15页 |
| 1.3 本文的主要贡献与创新 | 第15页 |
| 1.4 本论文的结构安排 | 第15-17页 |
| 第二章 相关技术概述 | 第17-30页 |
| 2.1 常用的推荐系统分类 | 第17-21页 |
| 2.1.1 基于协同过滤的推荐系统 | 第17-18页 |
| 2.1.2 基于内容的推荐系统 | 第18页 |
| 2.1.3 基于网络结构的推荐系统 | 第18-20页 |
| 2.1.4 混合的推荐系统 | 第20-21页 |
| 2.2 常用的排序算法 | 第21-25页 |
| 2.2.1 基于TF-IDF的排序算法 | 第21-23页 |
| 2.2.2 基于PageRank的排序算法 | 第23-24页 |
| 2.2.3 基于HITS的排序算法 | 第24-25页 |
| 2.3 常用搜索引擎的架构组成 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于标签的人才搜索算法 | 第30-61页 |
| 3.1 标签化网络 | 第31-36页 |
| 3.1.1 标签的产生 | 第31-32页 |
| 3.1.2 标签的作用和意义 | 第32-33页 |
| 3.1.3 基于标签的用户查询扩展 | 第33-36页 |
| 3.2 数据获取 | 第36-42页 |
| 3.2.1 公司信息 | 第36-39页 |
| 3.2.2 简历信息 | 第39-41页 |
| 3.2.3 职位信息 | 第41-42页 |
| 3.3 数据清洗 | 第42-44页 |
| 3.4 算法设计 | 第44-56页 |
| 3.4.1 基于二部分图的人才推荐算法 | 第44-46页 |
| 3.4.2 对职位信息进行聚类 | 第46-49页 |
| 3.4.3 标签的获取 | 第49-53页 |
| 3.4.4 标签化的人才搜索算法 | 第53-56页 |
| 3.5 实验验证 | 第56-59页 |
| 3.5.1 实验设计 | 第56-57页 |
| 3.5.2 评价指标 | 第57-58页 |
| 3.5.3 实验结果及分析 | 第58-59页 |
| 3.6 本章小结 | 第59-61页 |
| 第四章 基于标签的人才搜索算法的应用 | 第61-70页 |
| 4.1 系统应用背景 | 第61页 |
| 4.2 系统架构 | 第61-66页 |
| 4.2.1 数据存储平台 | 第63页 |
| 4.2.2 Hadoop集群平台 | 第63页 |
| 4.2.3 数据获取平台 | 第63-66页 |
| 4.2.4 其他平台 | 第66页 |
| 4.3 系统测试 | 第66-69页 |
| 4.3.1 测试环境 | 第66-67页 |
| 4.3.2 功能测试 | 第67页 |
| 4.3.3 性能测试 | 第67-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 全文总结与展望 | 第70-72页 |
| 5.1 全文总结 | 第70-71页 |
| 5.2 后续工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间取得的成果 | 第78-79页 |
