基于文本相似度与协同过滤的岗位薪资预测--以拉勾网招聘数据为例
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 绪论 | 第9-16页 |
| 一、研究背景和意义 | 第9-11页 |
| 二、相关文献综述 | 第11-14页 |
| 三、研究内容与基本方法 | 第14-15页 |
| 四、本文的主要贡献 | 第15-16页 |
| 第一章 文本表示模型与推荐算法的理论基础 | 第16-22页 |
| 第一节 文本表示模型 | 第16-19页 |
| 一、LDA主题模型 | 第16-19页 |
| 二、Doc2vec算法 | 第19页 |
| 第二节 推荐算法 | 第19-22页 |
| 一、基于规则的推荐 | 第20页 |
| 二、基于内容的推荐 | 第20页 |
| 三、基于协同过滤的推荐 | 第20-22页 |
| 第二章 岗位薪资预测模型的建立 | 第22-29页 |
| 第一节 岗位薪资影响因素分析 | 第22-24页 |
| 一、岗位薪资制定流程 | 第22页 |
| 二、岗位薪资的影响因素 | 第22-24页 |
| 第二节 岗位相似度计算方法 | 第24-27页 |
| 一、结构化数据的相似度计算 | 第25页 |
| 二、文本数据的相似度计算 | 第25-27页 |
| 第三节 基于用户的协同过滤算法的岗位薪资预测模型 | 第27-29页 |
| 一、岗位薪资预测的实现 | 第27-28页 |
| 二、模型评价标准的选择 | 第28-29页 |
| 第三章 岗位薪资预测模型的实证分析 | 第29-40页 |
| 第一节 招聘数据的抓取 | 第29-31页 |
| 一、网络爬虫的基本原理 | 第29-30页 |
| 二、招聘信息的抓取 | 第30-31页 |
| 第二节 招聘数据的预处理与描述性分析 | 第31-35页 |
| 一、数据去重与数值化处理 | 第31页 |
| 二、中文分词 | 第31-32页 |
| 三、去停用词处理 | 第32-33页 |
| 四、招聘数据的描述性分析 | 第33-35页 |
| 第三节 岗位薪资预测的实现和结果分析 | 第35-40页 |
| 一、模型参数的选取 | 第36-37页 |
| 二、岗位薪资预测结果 | 第37-38页 |
| 三、模型结果对比 | 第38-40页 |
| 结论与展望 | 第40-42页 |
| 一、研究结论 | 第40页 |
| 二、研究展望 | 第40-42页 |
| 参考文献 | 第42-46页 |
| 附录 | 第46-47页 |
| 致谢 | 第47页 |
