作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
复杂多样的岗位信息使得很多求职人员很难查找到适合自己的岗位信息,为了提高人力资源的推荐质量,本文基于梯度提升树和混合卷积神经网络设计一种有针对性的人才市场推荐模型.利用流式分布式方法收集求职人员信息并将其转换为可用于算法分析的独热编码,使用梯度提升树提取求职人员特征.混合卷积神经网络在经过训练之后可实现有针对性的人才推荐.本文模型与不结合梯度提升树的混合卷积神经网络、结合梯度提升树的卷积神经网络相比,在召回率和F1-Score上分别提高了9.78%和10.1%.这说明,结合梯度提升树的混合卷积神经网络算法能够有效提高人力资源的推荐质量.
推荐文章
基于大数据分析的人才培养模式设计
人才培养
模式设计
大数据分析
就业现状
关联指标分析
教学体系
基于大数据技术的有线电视推荐系统研究
大数据
有线电视
Hadoop
推荐算法
协同过滤
基于大数据技术的专家知识库设备画像推荐算法研究
大数据技术
设备画像
推荐
工业控制
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于大数据技术的人才智能推荐方法
来源期刊 计算机与现代化 学科
关键词 大数据技术 梯度提升树 神经网络 人才推荐
年,卷(期) 2021,(7) 所属期刊栏目 数据库与数据挖掘|DATABASE AND DATA MINING
研究方向 页码范围 60-64
页数 5页 分类号 TP393
字数 语种 中文
DOI 10.3969/j.issn.1006-2475.2021.07.011
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (149)
共引文献  (25)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(7)
  • 参考文献(0)
  • 二级参考文献(7)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(7)
  • 参考文献(0)
  • 二级参考文献(7)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(11)
  • 参考文献(0)
  • 二级参考文献(11)
2014(12)
  • 参考文献(0)
  • 二级参考文献(12)
2015(15)
  • 参考文献(0)
  • 二级参考文献(15)
2016(19)
  • 参考文献(0)
  • 二级参考文献(19)
2017(23)
  • 参考文献(1)
  • 二级参考文献(22)
2018(18)
  • 参考文献(7)
  • 二级参考文献(11)
2019(10)
  • 参考文献(8)
  • 二级参考文献(2)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
大数据技术
梯度提升树
神经网络
人才推荐
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导