数据挖掘在人力资源市场中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的及意义 | 第13页 |
| 1.3 研究现状与发展趋势 | 第13-15页 |
| 1.4 研究内容及论文组织结构 | 第15-17页 |
| 第2章 数据挖掘技术 | 第17-23页 |
| 2.1 数据挖掘的概念 | 第17页 |
| 2.2 数据挖掘的现状 | 第17-18页 |
| 2.3 数据挖掘步骤 | 第18-19页 |
| 2.4 数据挖掘常用技术 | 第19-20页 |
| 2.5 数据挖掘的任务 | 第20-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 决策树算法研究与分析 | 第23-29页 |
| 3.1 决策树学习方法及其表示形式 | 第23-24页 |
| 3.2 数据分类决策树的建立 | 第24-25页 |
| 3.3 决策树学习算法 | 第25-29页 |
| 第4章 决策树分类在求职倾向挖掘中的应用 | 第29-45页 |
| 4.1 决策树算法的选择 | 第29页 |
| 4.2 业务问题的定义 | 第29-30页 |
| 4.3 数据提取 | 第30-34页 |
| 4.4 数据预处理 | 第34-39页 |
| 4.4.1 数据集成 | 第34-35页 |
| 4.4.2 数据清洗 | 第35-36页 |
| 4.4.3 数据归约 | 第36-37页 |
| 4.4.4 数据转换 | 第37-39页 |
| 4.5 建立求职倾向分析决策树 | 第39-44页 |
| 4.5.1 数据输入 | 第39页 |
| 4.5.2 参数设置 | 第39-40页 |
| 4.5.3 决策树的建立与模型评价 | 第40-42页 |
| 4.5.4 规则的生成与倾向矩阵的建立 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 个性化人才推荐方法介绍 | 第45-56页 |
| 5.1 传统的职位推荐方法 | 第45-47页 |
| 5.1.1 基于内容的推荐 | 第45-46页 |
| 5.1.2 基于协同过滤的推荐 | 第46-47页 |
| 5.2 个性化人才推荐过程 | 第47-51页 |
| 5.2.1 应聘者硬性条件过滤 | 第48页 |
| 5.2.2 非硬性条件相似度计算 | 第48-50页 |
| 5.2.3 求职倾向权重计算 | 第50-51页 |
| 5.2.4 最终权重计算 | 第51页 |
| 5.2.5 职位推荐列表生成 | 第51页 |
| 5.3 推荐方法结果分析 | 第51-53页 |
| 5.4 推荐方法应用 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
