2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩72頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著科技的發(fā)展以及互聯(lián)網(wǎng)的普及,招聘行業(yè)的工作模式產(chǎn)生了翻天覆地的變化。招聘應(yīng)聘的信息傳播載體正在從過去的報紙電視遷移至互聯(lián)網(wǎng),傳播速度更快,數(shù)據(jù)規(guī)模更大,傳統(tǒng)招聘行業(yè)迫切需要通過技術(shù)手段快速定位合適的求職者,從而減少招聘流程中產(chǎn)生的時間和人力成本。通過網(wǎng)絡(luò)爬蟲,商業(yè)合作,平臺收集等多方渠道采集到了大量的人才簡歷文本數(shù)據(jù)以及大量雇主發(fā)布的職位文本數(shù)據(jù),但如何在二者之間建立快速并準(zhǔn)確的匹配橋梁是本文的關(guān)鍵,如果僅僅通過詞語命中的方式進(jìn)行匹

2、配,會發(fā)現(xiàn)匹配精度不高,原因是匹配文本中存在大量無關(guān)干擾詞語,同時也會忽略掉那些潛在的匹配對象,比如職位中的詞語是技術(shù),但是人才簡歷中的詞語是軟件開發(fā),雖然兩個詞語并不相同,但可以發(fā)現(xiàn)二者的含義是在一定程度上重合的,是能夠匹配得上的。綜上所述,如何通過計算機(jī)技術(shù)實現(xiàn)人才簡歷和職位文本之間的高效精準(zhǔn)的匹配,針對招聘行業(yè)是一件非常具有研究意義的課題。
  本文使用基于改進(jìn)TF-IDF的簡歷文本特征提取算法,使用優(yōu)化后的倒排索引技術(shù),針

3、對該問題提出一種可行的解決方案,并運用在實際生產(chǎn)環(huán)境中。本文主要研究內(nèi)容如下:
  (1)針對常用的文本特征提取算法進(jìn)行優(yōu)化。分析現(xiàn)在各種特征提取算法的優(yōu)劣后提出了一套基于改進(jìn)TF-IDF的簡歷文本特征提取算法。傳統(tǒng)TF-IDF算法考慮了特征項對全局的貢獻(xiàn),能夠有效描述特征詞在全局文本中發(fā)揮的作用。但也忽略了某些特征詞在全局上作用不大,但對指定類別文檔缺尤為重要的情況。本文結(jié)合TF-IDF算法,在計算特征詞對全局文本的貢獻(xiàn)程度上加

4、入信息熵計算,進(jìn)一步描述特征詞對全局的貢獻(xiàn),同時在計算特征項對某類文檔的貢獻(xiàn)時也加入信息熵計算,充分考慮對特定文本類別的影響,最終將改進(jìn)的TF-IDF算法運用在針對簡歷文本內(nèi)容的特征提取上。
  (2)職位文本分類。本文應(yīng)用場景是在數(shù)據(jù)量大,數(shù)據(jù)更新迭代速度快,文本內(nèi)容頻繁更新?lián)Q代的環(huán)境下。通過分析各個分類算法優(yōu)劣,同時考慮現(xiàn)有應(yīng)用場景,提出了“基于倒排索引技術(shù)的職位文本實時分類”的分類框架。該框架通過倒排索引技術(shù)將標(biāo)注數(shù)據(jù)放入索

5、引庫中,該索引庫可以實時進(jìn)行數(shù)據(jù)的更新迭代,在搜索層面加入排序計算。待分類職位文本通過“分詞-特征提取-搜索”三個步驟,得到一批有標(biāo)注的文本匹配結(jié)果,每個結(jié)果都有對應(yīng)的匹配值,通過標(biāo)注數(shù)據(jù)的加權(quán)聚合操作,最終得到分類結(jié)果。該框架可以實時更新分類模型數(shù)據(jù),同時也能實時進(jìn)行文本分類。
  (3)特征相似性計算。僅僅針對關(guān)鍵詞是否相同來進(jìn)行匹配是無法解決潛在匹配對象的,本文將借鑒文本向量化技術(shù),對特征詞進(jìn)行向量化,從而將特征詞映射到多維

6、空間中的各個坐標(biāo)上,接著再計算各個特征詞之間的余弦相似度,最終得到特征之間的相似程度,在匹配過程中,對文本特征詞進(jìn)行擴(kuò)充,達(dá)到考慮了潛在匹配對象的目的。最后搭建匹配系統(tǒng),基于倒排索引技術(shù)采用多域匹配并且設(shè)置權(quán)重,同時分析文本的句式規(guī)則,提取重要的文本段落單獨做特征提取,還有集成相關(guān)的算法結(jié)果,最終達(dá)到提高匹配準(zhǔn)確度的效果。本文最后將搭建實際生產(chǎn)環(huán)境中的匹配系統(tǒng)。數(shù)據(jù)存儲采用集群,能夠適應(yīng)未來數(shù)據(jù)規(guī)模的增長;匹配系統(tǒng)底層倒排索引使用集群模

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論