[发明专利]基于改进Canopy聚类协同过滤算法的职位推荐方法

说明书

本发明公开了一种基于改进Canopy聚类协同过滤算法的职位推荐方法，括以下步骤：步骤一、获取用户求职信息数据；步骤二、以用户求职信息数据作为数据处理对象，通过改进的Canopy聚类协同过滤算法；对用户求职信息数据进行聚类得到多个Canopy类；步骤三、对每个Canopy类中的用户进行相应的职位推荐。本发明通过改进的Canopy聚类协同过滤算法将用户对招聘信息的活跃度和评分引入计算获得用户对招聘信息的认可度，并通过认可度对用户的求职信息进行聚类进而进行职位推荐，满足了用户对多领域感兴趣的需求，对其进行相应的推荐，提高了职位推荐的准确度。

技术领域

本发明涉及计算机领域。更具体地，涉及基于改进Canopy聚类协同过滤算法的职位推荐方法。

背景技术

随着互联网的飞速发张，大数据时代的到来，大数据的高效处理在各行各业变的尤为重要，在信息过载的当代中，大量的用户开始在网络上求职，采购，社交等等，用户需要高效快速地在网络大数据中获取对自己有用的信息，这便要求相应的互联网数据分析需要达到用户的要求，为了获得更多的用户，企业的发展，大数据的处理方法也在不断改进更新。

基于网络的多资源，大信息量的特点，网络求职招聘也逐渐成为当今流行的求职招聘形式，在当今的网络求职招聘中，求职者在相应的网络招聘平台上发布个人简历，用人单位在相应的网络招聘平台上发布其需要的职位信息，网络招聘平台通过用人单位的职位信息和求职者的简历信息有针对性地对求职者进行求职信息推荐，同时向用人单位推荐其需求的求职者简历信息。网络招聘平台中的推荐系统通过建立用户和信息产品之间的二元关系，利用用户行为产生的数据挖掘每个用户感兴趣的对象并进行推荐，现有的推荐方法有：基于关键词推荐，其推荐精度通常不高，基于标准化格式输入推荐，其已经不能满足当前求职用户的多样化的需求，基于测试题推荐，其准确性不高。

因此，需要开发一种新的推荐方法，可准确有效地对求职用户的职位进行推荐。

发明内容

本发明的一个目的是至少解决上述问题，并提供后面将说明的其它优点；

本发明另一个目的是提供一种基于改进Canopy聚类协同过滤算法的职位推荐方法，能够显著提高职位推荐的精确度和准确度；以及

本发明的又一个目的是提供一种基于改进Canopy聚类协同过滤算法的职位推荐方法，能够符合同一用户可能对多领域感兴趣的情况，对其进行不同领域职位的推荐。

为了实现根据本发明的这些目的和其它优点，提供了一种基于改进Canopy聚类协同过滤算法的职位推荐方法，其中，包括以下步骤：

步骤一、获取用户求职信息数据；

步骤二、以用户求职信息数据作为数据处理对象，通过改进的Canopy聚类协同过滤算法；对用户求职信息数据进行聚类得到多个Canopy类；

其中，改进的Canopy聚类协同过滤算法包括如下步骤：

1)引入用户U₁对招聘信息I_n的活跃度A_n，用户对招聘信息I_n的评分S_n，计算用户U₁对招聘信息I_n的认可度R_n，认可度R_n的计算公式如式(I)中：

R_n＝a m(U₁,A_n)+b n(U₁,S_n) (I)