面向IT行业个性化简历推荐算法研究

摘要

网络招聘成本低，效率高，是目前IT（Information technology）企业招聘人才的主要方式。面对海量的网络求职者，IT企业的招聘人员需要花费巨大的精力从中筛选适合的人才。在IT企业中，招聘人员不仅需要依据现有的知识判断求职者的学历等信息是否符合招聘要求，还需要依据复杂的计算机知识综合考虑求职者简历中的工作经历是否符合职位要求和描述，费时费力。个性化简历推荐算法是一种可行方案，但目前的推荐算法中，没有一种推荐方案适用于IT行业。因此本文针对IT企业的招聘特点，提出了一种面向IT行业的个性化简历推荐方案。主要研究内容包括：

1.提出了一种面向IT行业的个性化简历推荐方案。首先，本文依据IT行业求职者简历和企业招聘公告中不同属性模块的特点，将其划分为结构化文本和非结构化文本。接着，对于不同的类型文本之间的匹配，本文采用分而治之的策略：对于结构化文本的匹配，采用基于本体领域知识和数值匹配算法；对于非结构化文本信息，采用基于深度学习算法的语义相似度计算。最终，根据IT企业对求职者简历不同属性的偏好，对不同属性的匹配值加权求和，依据计算的结果对简历进行排序匹配。实验结果证明，本文提出的推荐方案推荐结果的质量，要远远高于其他推荐算法。

2.基于上述的推荐方案，本文提出基于深度学习的非结构化文本匹配计算方法。传统的文本语义相似度计算中，提取的特征大多是基于字词级别的语义特征，忽略了文本中语句级别的语义特征，导致相似度计算精度不高。本文将深度学习算法应用于简历和招聘复杂信息相似度计算中，提取更加抽象、完整、高级的语义特征。实验结果证明，本文提出的基于深度学习的非结构化文本的语义推荐算法的准确率远远高于其他算法。

3.设计并实现面向IT行业的简历个性化推荐系统原型，不仅使得本文提出的推荐方案得以落地，而且为IT行业的招聘人员提供了自动推荐服务。

关键词：个性化推荐，深度学习，本体领域

I

II