基于潜在语义索引的职位描述聚类研究

• 作者: 周维民 黄鑫溢
• 来源期刊: 网络新媒体技术
• 关键词: IF-IDF 潜在语义索引 K-means 职位描述
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 33-37,64
• 页数: 6页
• 字数: 2828字
• 语种: 中文

摘要

本研究鉴于某公司职位描述存在的特点以及其所带来的问题,对其展开研究.由于职位描述中的文本字数少、数量多,特征维数较高,样本特征稀疏,不能很好的抽取出文本关键特征.针对这些问题,我们用潜在语义索引模型(LSI)对文本进行特征提取,分析潜在语文空间维度对聚类性能的影响,然后根据提取的特征进行K-means聚类,能有效降低简历匹配筛选过程中的职位类别数,提高了简历匹配的效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周维民	上海大学机电工程与自动化学院	10	25	3.0	4.0
2	黄鑫溢	上海大学机电工程与自动化学院	1	0	0.0	0.0