高职院校毕业生就业推荐系统的研究与设计
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 系统开发背景及意义 | 第10-12页 |
| 1.2 国内外研究动态 | 第12-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文的篇章结构 | 第15-16页 |
| 第二章 推荐系统相关技术 | 第16-21页 |
| 2.1 推荐系统概述 | 第16页 |
| 2.2 用户建模 | 第16-18页 |
| 2.2.1 向量空间模型(VSM) | 第17页 |
| 2.2.2 用户-项目评分矩阵 | 第17-18页 |
| 2.3 推荐算法 | 第18-19页 |
| 2.3.1 基于内容的推荐算法 | 第18-19页 |
| 2.3.2 基于协同过滤的推荐算法 | 第19页 |
| 2.3.3 组合推荐算法 | 第19页 |
| 2.4 相似度计算 | 第19-21页 |
| 2.4.1 欧几里德距离 | 第20页 |
| 2.4.2 皮尔逊相关系数 | 第20页 |
| 2.4.3 Cosine相似度 | 第20页 |
| 2.4.4 Tanimoto系数 | 第20-21页 |
| 第三章 就业推荐系统的设计 | 第21-28页 |
| 3.1 系统整体框架 | 第21-22页 |
| 3.2 数据库表结构的设计 | 第22-25页 |
| 3.3 系统主要模块 | 第25-28页 |
| 3.3.1 系统登录模块 | 第25页 |
| 3.3.2 管理员模块 | 第25-26页 |
| 3.3.3 毕业生模块 | 第26-27页 |
| 3.3.4 用人单位模块 | 第27-28页 |
| 第四章 改进的基于内容和历史信息的推荐算法 | 第28-43页 |
| 4.1 就业推荐过程流程图 | 第28-29页 |
| 4.2 就业推荐算法的设计思路 | 第29页 |
| 4.3 基于学生的相似度计算 | 第29-33页 |
| 4.3.1 应、往届毕业学生间相似度计算 | 第29-32页 |
| 4.3.2 往届毕业学生聚类分析 | 第32-33页 |
| 4.4 基于企业的相似度计算 | 第33-40页 |
| 4.4.1 历年招聘企业间相似度计算 | 第33-39页 |
| 4.4.1.1 数据建模 | 第33-34页 |
| 4.4.1.2 计算历年招聘企业间相似度 | 第34-39页 |
| 4.4.2 新进企业与历年招聘企业间相似度计算 | 第39-40页 |
| 4.5 应届毕业学生对企业关注度(评价值)的计算 | 第40-42页 |
| 4.6 推荐算法过程 | 第42-43页 |
| 第五章 基于用户的协同过滤推荐算法 | 第43-54页 |
| 5.1 传统的基于用户的协同过滤推荐算法 | 第43-47页 |
| 5.1.1 数据采集与建模 | 第43-45页 |
| 5.1.2 相似度计算 | 第45-46页 |
| 5.1.3 推荐实现 | 第46页 |
| 5.1.4 推荐算法步骤及流程图 | 第46-47页 |
| 5.2 改进的基于用户的协同过滤推荐算法 | 第47-54页 |
| 5.2.1 学生聚类分析 | 第48页 |
| 5.2.2 兴趣企业最近邻 | 第48-49页 |
| 5.2.3 学生属性特征相似度计算 | 第49页 |
| 5.2.4 加入权值的评分矩阵相似度计算 | 第49-50页 |
| 5.2.5 生成推荐 | 第50页 |
| 5.2.6 推荐算法步骤及流程图 | 第50-51页 |
| 5.2.7 举例说明 | 第51-54页 |
| 第六章 系统的测试与评价 | 第54-56页 |
| 6.1 系统测试数据选择 | 第54页 |
| 6.2 系统测试及评价标准 | 第54页 |
| 6.3 推荐算法的测试结果与分析 | 第54-56页 |
| 第七章 研究总结及展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 学位论文数据集表 | 第63页 |
