科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着大数据及网络科技的不断发展，互联网招聘成为招聘的一种重要方式，而如何为求职者合理提供职位等需求都是网上招聘的难题所在。为解决这一现实问题，文章从申请岗位数据推荐需求出发，基于数据挖掘和机器学习中的分类算法，依托python技术，设计与建立了由描述接近度、城市匹配度、一般工龄等指标与是否岗位申请率关联的预测模型,并对各个算法的预测准确率与可伸缩性进行分析和比较。试验结果表明，朴素贝叶斯算法具有较好的分类速度和分类效果，能更好地分析出数据中影响求职者选择岗位的因素，预测招聘岗位的申请率，为用人单位提供优质信息，缩短了筛选时间，提升了用户体验。
-
单位山东财经大学
