[发明专利]一种毕业生去向信息管理及推荐系统在审

专利信息
申请号: 201910011342.6 申请日: 2019-01-07
公开(公告)号: CN109711482A 公开(公告)日: 2019-05-03
发明(设计)人: 沈鼎;赵曙光;王建强 申请(专利权)人: 东华大学
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 上海泰能知识产权代理事务所 31233 代理人: 宋缨;钱文斌
地址: 201620 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 推荐系统 信息管理 分类 数据库 存储 贝叶斯分类器 用户相似度 分析运算 个人数据 聚类模块 数据展示 数理统计 信息特征 用户推荐 展示模块 算法 参考
【说明书】:

发明涉及一种毕业生去向信息管理及推荐系统,包括:往届毕业生数据库,用于存储往届毕业生的毕业去向,以及每位毕业生的信息特征;分类展示模块,用于根据存储在毕业生数据库往届毕业生的毕业去向进行分类;K‑means聚类模块,用于把与用户相似度高的往届毕业生的数据展示给用户;KNN分类模块,使用KNN分类算法为用户推荐相适合的毕业去向;贝叶斯分类器,根据用户的个人数据进行分析运算,通过数理统计的角度把用户划分到相应的毕业去向的分类中。本发明能够为应届生推荐准确、适合自己的毕业去向,以供其参考。

技术领域

本发明涉及数据分析挖掘技术领域,特别是涉及一种毕业生去向信息管理及推荐系统。

背景技术

绝大部分学校都有自己的毕业生就业管理系统来提高本校学生的学生就业率。但是学校的官方就业网站不过是提供了一些公司的招聘信息以及发布一些信息的功能,针对不同类型、不同情况的学生的信息推荐功能尚不具备。并且这些系统仅仅是对选择就业的学生提供了企业招聘的信息,但对于选择升学、出国留学以及选择自主创业的同学没有参考价值,学生选择的方向太过狭窄,其不能促进个性、多化就业。而且目前很多学校的就业系统开发时间相对而言比较早,只可以完成简单、常规的业务需求,不具有灵活性和扩展性。

发明内容

本发明所要解决的技术问题是提供一种毕业生去向信息管理及推荐系统,能够为应届生推荐准确、适合自己的毕业去向,以供其参考。

本发明解决其技术问题所采用的技术方案是:提供一种毕业生去向信息管理及推荐系统,包括:往届毕业生数据库,用于存储往届毕业生的毕业去向,以及每位毕业生的信息特征;分类展示模块,用于根据存储在毕业生数据库往届毕业生的毕业去向进行分类;K-means聚类模块,用于把与用户相似度高的往届毕业生的数据展示给用户;KNN分类模块,使用KNN分类算法为用户推荐相适合的毕业去向;贝叶斯分类器,根据用户的个人数据进行分析运算,通过数理统计的角度把用户划分到相应的毕业去向的分类中。

所述毕业生的信息特征包括专业成绩、绩点、获奖情况和性别。

所述分类展示模块将往届毕业生的毕业去向分为就业、录研、出国深造、创业和考公务员。

所述K-means聚类模块先依据SimRank算法计算得到往届毕业生数据库往届毕业生间的相似度,接着根据所得相似度通过K-means算法对数据库中往届毕业生数据进行聚类,并划分成K个群簇,最后通过SimRank算法计算出与用户相似度最高的群簇,并把群簇中的毕业生信息推荐给用户。

所述KNN分类模块是采用KNN分类算法找出与用户最为相似的K个节点,找出的K个节点中的毕业去向大多数属于某一个类别。

所述贝叶斯分类器是根据往届毕业生数据库中的数据通过贝叶斯分类算法制作数据统计模型,依据用户的个人数据利用数据统计模型进行分类预测用户的毕业去向并把预测结果推荐给用户。

有益效果

由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明依据往届毕业生的毕业去向状况,其相比于现有的管理系统更有实际参考价值,并且毕业去向不仅仅是就业,对于升学、出国、创业的同学也有参考价值,有利于实现个性化就业。另外,本发明添加了信息推荐功能,利用数据挖掘的相关算法能够根据用户的个人情况把有价值的信息准确、高效的推荐给用户。

附图说明

图1是本发明的模块框架示意图;

图2是本发明中的用户操作工作流程图。

具体实施方式

下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东华大学,未经东华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910011342.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top