一种可解释的混合就业推荐算法

摘要

由于招聘信息的大量涌入,互联网求职平台和高校就业信息平台不可避免地出现了信息过载现象.基于现有就业推荐算法平衡预测效果不佳和无法提供推荐解释的问题,论文提出一种可解释的混合型就业推荐算法.首先挖掘用户检索数据,建立兴趣标签,得到显式的用户兴趣特征;通过职位内容相似度建立标签-职位关系;然后根据用户浏览记录,基于图模型实现就业推荐.实验结果表明,通过该方法建立的标签不仅可以很好地解释用户的兴趣分布,而且具有较好的预测效果,能够增加用户对推荐算法的信任度.