一种基于朋友关系的职位推荐冷启动方法及系统技术方案

本发明专利技术公开了一种基于朋友关系的职位推荐冷启动方法及系统，包括以下步骤：A、获取用户的朋友关系；B、构建用户i的表示，用特征向量

A cold start method and system of position recommendation based on friend relationship

【技术实现步骤摘要】
一种基于朋友关系的职位推荐冷启动方法及系统
本专利技术涉及招聘
，具体为一种基于朋友关系的职位推荐冷启动方法及系统。
技术介绍
目前，在招聘行业中，职位推荐系统首先需要获取用户的大量详尽信息，比如行业，方向，职位，技能，薪酬范围，工作地点等，然后将这些信息和职位信息(行业，方向，职位，技能要求，薪酬，工作地点等)进行匹配，将匹配度较高的职位推荐给用户。在冷启动情况下，即用户为新用户，或者用户信息部分或全部缺失时，推荐系统无法精准的匹配职位，只能给用户推荐新职位或热点职位，导致展现给大量新用户或信息缺失用户的是大部分雷同的职位信息，无法做到个性化，不能满足不同用户的需求。
技术实现思路
本专利技术的目的在于提供一种基于朋友关系的职位推荐冷启动方法及系统，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于朋友关系的职位推荐冷启动方法，包括以下步骤：A、获取用户的朋友关系：用户注册时需要上传通讯录，根据通讯录构建用户与用户间的拓扑关系，得到用户的朋友集合；B、构建用户i的表示，用特征向量表示；C、构建职位z的表示，用特征向量表示：其中，职位的特征包括：职位的静态信息：行业，方向，技能，年龄，工作地点，薪酬范围；职位的动态信息：新鲜度、点击率；D、根据双线性模型，计算用户与职位的相关性得分：基于双线性模型，用户i对职位j的兴趣得分为：其中：ui，m：用户特征向量ui中第m个元素zj，n：职位特征向量zj中第n个元素wmn：权重，用于衡量ui，m和zj，n的相互关系W：M×N大小的权重矩阵；E、根据相关性得分对职位进行排序，完成个性化推荐。优选的，所述步骤B中用户的特征包括：用户的人口统计学信息：行业，方向，技能，年龄，性别，工作地点，薪酬范围；用户的行为信息统计：每周/每月/每年的登陆次数、在网站各个位置的浏览/点击次数；朋友的人口统计学信息的统计直方图；朋友的行为信息的统计直方图，将朋友的人口统计学信息的直方图归一化后加入到特征向量中，将所有的特征向量合并起来，构成特征向量优选的，所述步骤D中双线性模型的权重参数W由历史数据学习得到，计算步骤如下：a、历史训练数据为对应的展示/点击事件rij∈{-1，1|的集合；b、用逻辑斯蒂函数作为似然度函数：则训练数据的似然度为：c、进一步假设W的先验概率满足高斯分布：d、根据贝叶斯定理，该问题转化为求最大后验概率的问题。取对数后可以转化为如下优化问题为：使用最优化数值算法，求解出式中的W。优选的，一种基于朋友关系的职位推荐冷启动系统，包括用户信息获取模块，用于获取用户信息和朋友信息；相关性分数计算模块，用于根据用户信息和朋友信息，计算职位与用户的相关性分数；职位推荐模块，用于根据相关性分数，向用户推荐职位。与现有技术相比，本专利技术的有益效果是：本专利技术能够根据用户信息和朋友信息，计算职位与用户的相关性分数，并根据相关性分数向用户推荐最相关的职位；当用户信息不全时，能够根据用户的朋友信息、职位的动态信息和双线性模型计算相关性分数，并推荐职位，解决了职位推荐的冷启动问题。附图说明图1为本专利技术流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，本专利技术提供一种技术方案：一种基于朋友关系的职位推荐冷启动方法，包括以下步骤：A、获取用户的朋友关系：用户注册时需要上传通讯录，根据通讯录构建用户与用户间的拓扑关系，得到用户的朋友集合；B、构建用户i的表示，用特征向量表示；C、构建职位z的表示，用特征向量表示：其中，职位的特征包括：职位的静态信息：行业，方向，技能，年龄，工作地点，薪酬范围；职位的动态信息：新鲜度、点击率；D、根据双线性模型，计算用户与职位的相关性得分：基于双线性模型，用户i对职位j的兴趣得分为：其中：ui，m：用户特征向量ui中第m个元素zj，n：职位特征向量zj中第n个元素wmn：权重，用于衡量ui，m和zj，n的相互关系W：M×N大小的权重矩阵；E、根据相关性得分对职位进行排序，完成个性化推荐。本专利技术中，步骤B中用户的特征包括：用户的人口统计学信息：行业，方向，技能，年龄，性别，工作地点，薪酬范围；用户的行为信息统计：每周/每月/每年的登陆次数、在网站各个位置的浏览/点击次数；朋友的人口统计学信息的统计直方图；朋友的行为信息的统计直方图，将朋友的人口统计学信息的直方图归一化后加入到特征向量中，人口统计学信息是类别特征，用binary向量表示。比如性别“男”表示为[0,1],性别“女”表示为[1,0]，如果性别信息缺失则表示为[0,0],这样信息缺失不会对双线性模型产生影响，将所有的特征向量合并起来，构成特征向量本专利技术中，步骤D中双线性模型的权重参数W由历史数据学习得到，计算步骤如下：a、历史训练数据为对应的展示/点击事件rij∈{-1，1}的集合；b、用逻辑斯蒂函数作为似然度函数：则训练数据的似然度为：c、进一步假设W的先验概率满足高斯分布：d、根据贝叶斯定理，该问题转化为求最大后验概率的问题。取对数后可以转化为如下优化问题为：使用最优化数值算法，求解出式中的W。另外，本专利技术还公开了一种基于朋友关系的职位推荐冷启动系统，包括用户信息获取模块，用于获取用户信息和朋友信息；相关性分数计算模块，用于根据用户信息和朋友信息，计算职位与用户的相关性分数；职位推荐模块，用于根据相关性分数，向用户推荐职位。综上所述，本专利技术能够根据用户信息和朋友信息，计算职位与用户的相关性分数，并根据相关性分数向用户推荐最相关的职位；当用户信息不全时，能够根据用户的朋友信息、职位的动态信息和双线性模型计算相关性分数，并推荐职位，解决了职位推荐的冷启动问题。尽管已经示出和描述了本专利技术的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本专利技术的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本专利技术的范围由所附权利要求及其等同物限定。本文档来自技高网...

【技术保护点】
1.一种基于朋友关系的职位推荐冷启动方法，其特征在于：包括以下步骤：/nA、获取用户的朋友关系：用户注册时需要上传通讯录，根据通讯录构建用户与用户间的拓扑关系，得到用户的朋友集合；/nB、构建用户i的表示，用特征向量

【技术特征摘要】
1.一种基于朋友关系的职位推荐冷启动方法，其特征在于：包括以下步骤：
A、获取用户的朋友关系：用户注册时需要上传通讯录，根据通讯录构建用户与用户间的拓扑关系，得到用户的朋友集合；
B、构建用户i的表示，用特征向量表示；
C、构建职位z的表示，用特征向量表示：其中，职位的特征包括：职位的静态信息：行业，方向，技能，年龄，工作地点，薪酬范围；职位的动态信息：新鲜度、点击率；
D、根据双线性模型，计算用户与职位的相关性得分：基于双线性模型，用户i对职位j的兴趣得分为：



其中：ui，m：用户特征向量ui中第m个元素
zj，n：职位特征向量zj中第n个元素
wmn：权重，用于衡量ui，m和zj，n的相互关系
W：M×N大小的权重矩阵；
E、根据相关性得分对职位进行排序，完成个性化推荐。


2.根据权利要求1所述的一种基于朋友关系的职位推荐冷启动方法，其特征在于：所述步骤B中用户的特征包括：用户的人口统计学信息：行业，方向，技能，年龄，性别，工作地点，薪酬范围；用户的行为信息统计：每周/每月/每年的登陆次数、在...

【专利技术属性】
技术研发人员：周华，牛章鹏，
申请(专利权)人：北京淘友天下技术有限公司，
类型：发明
国别省市：北京;11