数据类岗位招聘需求信息研究

发布时间：2021-03-23 23:16

　　随着高等教育的发展与普及,我国高校毕业生数量逐年增加,屡创历史新高;在大数据与人工智能的发展进程中,数据类岗位的供需缺口也日渐加大。但是,由于人才招聘中存在结构性招聘矛盾和招聘信息不对称的问题,常出现毕业生难以找到理想工作、企业难以招聘到理想人才的困境。在此背景下,互联网招聘打破了地理空间的限制,扩大了供需双方的范围,成为招聘者发布信息与应聘者获得信息的重要渠道。得益于网络招聘的广泛应用,互联网招聘信息的实时发布使人才招聘中的信息不对称问题得到改善,但招聘文本仍具有海量、非结构化的特点,在文本统计分析中具有一定的技术困难。提取网络招聘文本的主题词,分析大数据时代数据类岗位的招聘需求,对广大数据科学相关专业的高校毕业生更高质量和更充分的就业有积极的促进作用。基于此,本文利用互联网招聘数据对数据类岗位招聘需求信息进行系统研究,文章首先选取互联网招聘平台中全国范围内的数据类岗位招聘数据,运用自然语言处理技术对非结构化的招聘信息进行文本预处理;进而结合LDA主题模型与word2vec词嵌入技术构建了招聘需求主题词提取模型,将招聘需求分解为教育背景、工作经验、知识技能与个人素质四个主题,提取出各... 

【文章来源】：兰州财经大学甘肃省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

LDA概率图模型

图 4.3 K=3 时的交互式主题模型可视化由图 4.3 知，当 K=3 时，LDA 模型在文档中提取出 3 个明显的相互区别的主题。其中，主题 1 所占比重最大，其中词项分布包含了“经验”、“三年”、“数

图 4.3 K=3 时的交互式主题模型可视化由图 4.3 知，当 K=3 时，LDA 模型在文档中提取出 3 个明显的相互区别的主题。其中，主题 1 所占比重最大，其中词项分布包含了“经验”、“三年”、“数


本文编号：3096584