[发明专利]多组件增强的本科生毕业去向预测与推荐多任务方法及系统

说明书

本发明公开了一种多组件增强的本科生毕业去向预测与推荐多任务方法及系统，包括：将毕业意图形成组件、共性模式记忆组件及互惠性约束组件添加到基础毕业去向预测与推荐多任务模型中，得毕业去向预测与推荐多任务模型；基于相似度随机负采样策略获取可信负样本；利用可信负样本对毕业去向预测与推荐多任务模型进行训练；利用训练后的毕业去向预测与推荐多任务模型预测本科生毕业去向，该方法及系统能够更好预测毕业生去向，实现对就业单位的推荐。

技术领域

本发明涉及一种本科生毕业去向预测与推荐多任务方法及系统，具体涉及一种多组件增强的本科生毕业去向预测与推荐多任务方法及系统。

背景技术

近年来，大学生就业难的问题引起了社会广泛关注。毕业生数量每年激增，导致就业难度屡攀高峰。此外，与有工作经历的人不同，毕业生缺少对职场的认知和清晰的职业规划，在面临数百家公司或机构的招聘启事时往往会陷入“知识过载”，要想筛选出感兴趣的工作有着相当的难度。如果毕业生不清楚自己的毕业去向或者没有筛选出合适的就业单位，可能会陷入“广撒网”的求职误区，将时间和精力分散到过多的招聘单位，从而导致最终的就业结果不满意甚至就业失败。因此，为了提升毕业生就业的成功率和满意度，引入毕业生的去向预测与推荐算法是一个高效的途径。

毕业生的去向预测与推荐包括预测毕业去向以及推荐不同去向下的就业单位。其中，毕业去向包括“国内升学”、“出国留学”、“签约就业”等粗粒度分类，就业单位则是“xx大学”、“xx公司”等细粒度单位。比如，如果预测某学生的毕业去向为国内升学，则会向他/她推荐几所适合的高校供其参考。因此，为了帮助毕业生明确毕业去向和筛选就业单位，毕业去向预测与推荐问题可以分为两个子任务:毕业去向预测和就业单位推荐。但两个子任务之间存在着差异，毕业去向预测偏重于挖掘学生的毕业意图，而就业单位推荐则需要计算学生与就业单位间的相似度。

另外，对于面向本科生毕业去向预测与推荐问题，存在以下的场景特点：

1)两个子任务间存在关联，尽管学生的就业单位信息不能作为毕业去向预测任务的直接监督信号，但是它在很大程度上隐式的反映了学生的毕业意图。

2)在现实场景中，学生的毕业意图并不是突然形成或一成不变的，而是由行为过程动态演化而来。自我感知理论认为，一个人的目标和内在动机可以通过人的行为来推断，而行为反映出的日常生活规律被证明与工作或学业成绩有强烈的相关性，因此可以利用学生的学业成绩来进行毕业意图挖掘。

3)与目前流行的其他推荐场景(电商、视频、信息流等)不同，就业单位推荐的成功与否不仅仅取决于学生，还取决于就业单位的意愿。因此不仅需要预估学生对就业单位的偏好，还需要预估就业单位对学生的偏好，并将两种单向偏好进行聚合，从而推荐给学生最合适的就业单位。同时，为了准确的捕捉偏好，选取合适的正负样本也是重中之重。同样与普通推荐场景不同，该场景缺少反映负向偏好的显式反馈以及中性的隐式反馈数据。因此，进行训练数据挖掘(Training Data Mining)，挑选适合的数据训练模型，也是目前的难点。

应届生的毕业去向预测与推荐一直是关注度比较高的问题，但相对于其他场景的推荐问题来说研究成果较少。

现有毕业去向预测任务的研究成果都集中在利用学生的个人信息和行为数据挖掘特征，然后使用有监督模型进行预测。但这些数据仅仅只是作为静态特征使用，没有考虑毕业意图随时间动态形成，属于静态用户建模。同样，就业单位推荐任务由于缺少学生的历史就业信息，现有的研究主要集中在利用毕业生相似度的方法上。以上这些方法大多只考虑了学生与就业单位间的单向偏好。只有较少的研究考虑到了就业单位推荐任务中的互惠性约束，但在偏好聚合上有缺陷，没有做到个体层面的自适应聚合。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种多组件增强的本科生毕业去向预测与推荐多任务方法及系统，该方法及系统能够更好预测毕业生去向，实现对就业单位的推荐。