首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

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

论文共63页,点击 下载论文
上一篇:百业集团有限公司商铺租赁管理系统的研究与分析
下一篇:基于Gabor滤波器的伸长局部二值模式算法在视频人脸识别系统中的应用研究