针对传统就业推荐算法不能够对每一个毕业生进行精准的推荐的局限性，论文提出一种结合TF-IDF算法和K-means++算法的双向推荐系统，一方面对毕业生信息使用K-means++算法进行聚类，对新用户根据其初始信息与行为信息进行用户画像建模，并计算与往届毕业生的相似度；另一方面使用TF-IDF算法对各个招聘网站所发布的招聘信息中的关键词进行统计转换词频等操作。实验结果表明，该双向就业推荐系统比起之前单向就业推荐提高了毕业生就业推荐的满意度，提升推荐效率。
科研之友
微信
新浪微博
Facebook
分享链接
