【正文】 分析： 去重 去噪 文本識(shí)別 文本提取 網(wǎng)絡(luò) 文本中文分詞 詞典構(gòu)建： 專業(yè)詞典 崗位詞典 知識(shí)點(diǎn)詞典 詞語(yǔ)標(biāo)注 關(guān)系構(gòu)建： 專業(yè) — 崗位 崗位 — 知識(shí)點(diǎn) 關(guān)系合并 可視化展示 Spider 提取 基于詞典分詞 關(guān)系提 取 基于詞典標(biāo)注 9 定性的崗位要求描述來(lái)招聘人才，但學(xué)生由于對(duì)本專業(yè)缺乏認(rèn)識(shí) 而無(wú)法進(jìn)一步了解未來(lái)的崗位選擇，只能盲目地學(xué)習(xí)課程知識(shí)。 。 就業(yè)知識(shí)需求，即用戶在求職過(guò)程中，招聘方對(duì)應(yīng)聘者提出的專業(yè)技能要求。網(wǎng)絡(luò)上的信息資源日益豐富，招聘信息、專業(yè)博客就是兩類很重要的就業(yè)信息資源， 。在招聘信息中，對(duì)就業(yè)市場(chǎng)需求的專業(yè)、崗位、知識(shí)點(diǎn)等都有很詳細(xì)的描述，可以很好地反映出當(dāng)前就業(yè)市場(chǎng)的人才需求；在專業(yè)博客中，博客作者擁有完善的專業(yè)知識(shí)體系，在撰寫博客時(shí)，往往蘊(yùn)含著作者所從事職業(yè)的相關(guān)知識(shí)。據(jù)此，我們提出了基于網(wǎng)絡(luò)文本挖掘的 “專業(yè)－崗位－知識(shí)點(diǎn)”的就業(yè)知識(shí)需求關(guān)系， 。該關(guān) 系從本科生專業(yè)出發(fā)，發(fā)現(xiàn)與之相關(guān)的各種職業(yè)崗位，然后從崗位要求的理論知識(shí)、專業(yè)技能等出發(fā)，對(duì)應(yīng)到具體的知識(shí)點(diǎn)。 專業(yè) 崗位 知識(shí)點(diǎn) 圖 2 就業(yè)知識(shí)需求關(guān)系 （二） 企業(yè)招聘原則 企業(yè)在做招聘需求分析中，可發(fā)現(xiàn)企業(yè)存在的具體問(wèn)題，對(duì)于招聘需求分析來(lái)說(shuō)， 。 對(duì)于招聘來(lái)說(shuō)，標(biāo)準(zhǔn)要求需是具體的、可衡量的，從而作為招聘部門在考察人、面試人、篩選人、錄用人的過(guò)程中的標(biāo)桿。 首先，要明白企業(yè)目前需要什么 樣的人。即選人是要德才兼?zhèn)?，以德為先還是要以才為先？是強(qiáng)調(diào)個(gè)性突出還是要強(qiáng)調(diào)團(tuán)隊(duì)合作？ 。 其次， 要對(duì)崗位需要人有具體的認(rèn)識(shí)。這側(cè)重于考察應(yīng)聘者的能力、素質(zhì)等。 。 （ 三 ）企業(yè)招聘 標(biāo)準(zhǔn) 人才是企業(yè)最寶貴的資源，所以，招聘是每一家企業(yè)格外看重的大事。 人力資源招聘的根本目的是獲得企業(yè)所需要的人員，減少不必要的人員流失，同時(shí)梳理企業(yè)形象。其令人生畏的“秘技”中關(guān)鍵的一點(diǎn)就是隨著企 業(yè)發(fā)展階段的不同而適時(shí)地用科學(xué)的手段調(diào)整對(duì)人才的招聘思路。 像當(dāng)時(shí)的華為這樣的企業(yè)不可能也沒(méi)有能力進(jìn)行大面積的招聘，所以華為當(dāng)初的招聘主要是通過(guò)去人才市場(chǎng)和去固定的幾個(gè)學(xué)校招聘，招聘的對(duì)象也是主要的工科技術(shù)人員 高速發(fā)展，盡攬人才 。 華為實(shí)施了掠奪性的人才策略，員工數(shù)量成倍增加。 給國(guó)際化的企業(yè)配備 國(guó)際化的人才 。 。 可以看出，華為在人才招聘方面的思路完全是根據(jù)企業(yè)在不同階段發(fā)展 的不同需要制定的，這種做法完全符合國(guó)際最先進(jìn)的人力資源引進(jìn)機(jī)制 。這個(gè)時(shí)候，企業(yè)人力資源不要輕易就與這些人才擦肩而過(guò)， 。 13 （五）雙向選擇原則 要 樹立“雙向選擇”的現(xiàn)代人才流動(dòng)觀念，與應(yīng)聘者特別是重點(diǎn)應(yīng)聘者平等地、客觀地交流，看彼此是否真正合適。 。一旦人才進(jìn)入企業(yè)，發(fā)現(xiàn)企業(yè)實(shí)際上并沒(méi)有原先設(shè)想的那樣好，就會(huì)產(chǎn)生失落，上當(dāng)受 騙的感覺(jué)，挫傷工作積極性。 三 就業(yè)知識(shí)需求關(guān)系構(gòu)建的具體實(shí)現(xiàn) （一） 數(shù)據(jù)源選取 數(shù)據(jù)源選取的標(biāo)準(zhǔn)是以較小的資源耗費(fèi)，幫助用戶獲得更高的查詢質(zhì)量。在本文中，選取的網(wǎng)絡(luò)文本數(shù)據(jù)源主要包含三類，一類為專業(yè)招聘網(wǎng)站上招聘信息；一類是企業(yè)官方網(wǎng)站上的招聘信息，；還有一類為專業(yè)博客社區(qū)中的博客。在我國(guó)招聘網(wǎng)站主要有兩種模式：中介平臺(tái)地位的傳統(tǒng)招聘模式以及近年來(lái)新興的依托商務(wù)社交的社交招聘模式，對(duì)招聘網(wǎng)站的細(xì)分如表１所示。 2020年 9月至 2020年9 月中國(guó)核心社交招聘網(wǎng)站日均覆蓋人數(shù) Top5中，大街網(wǎng)遙遙領(lǐng)先于其他網(wǎng)站，日均覆蓋人數(shù)約為 60 萬(wàn)人 [8]。 本文采集的招聘信類的網(wǎng)絡(luò)文本主要以中介平臺(tái)地位的傳統(tǒng)招聘網(wǎng)站為主，輔助以商務(wù)社交式的社交招聘網(wǎng)站。 再就是企業(yè)官方網(wǎng)站。企業(yè)官方網(wǎng)站上的招聘信息更具 有針對(duì)性，所羅列的崗位、崗位職責(zé)和崗位要求也更詳細(xì)準(zhǔn)確，是求職者獲取就業(yè)信息的一個(gè)重要渠道，如百度的招聘網(wǎng)站，不過(guò)，并不是所有的企業(yè)都已經(jīng)開發(fā)自己的官方網(wǎng)站，或者并沒(méi)用把招聘信息放到網(wǎng)站上。 最后為專業(yè)博客社區(qū)。但是有一種專業(yè)型博客，如 ITEYE、 CSDN等，原創(chuàng)博客作者撰寫的博客大多與自身任職的崗位相關(guān)，在其博客中會(huì)不由自主地涉及到許多與其崗位相關(guān)的知識(shí)點(diǎn)。因此，可以通過(guò)抓取專業(yè)博客中的網(wǎng)絡(luò)文本，提取出崗位與知識(shí)點(diǎn)的關(guān)系。 （二） 網(wǎng)絡(luò)文本分析 當(dāng)網(wǎng)絡(luò)文本的數(shù)據(jù)源確定以后，即可根據(jù)數(shù)據(jù)源的特點(diǎn)，編寫抓取網(wǎng)絡(luò)文本的爬蟲，接著抓取網(wǎng)絡(luò)文本，保存到網(wǎng)絡(luò)文檔集中。此外，與傳統(tǒng)的文本文檔相比，網(wǎng)絡(luò)文本在語(yǔ)義的內(nèi)聚性上難 以得到保證，一個(gè)網(wǎng)絡(luò)頁(yè)面中往往包含多個(gè)語(yǔ)義無(wú)關(guān)的部分 [9]。 因此需要針對(duì)網(wǎng)絡(luò)文本的結(jié)構(gòu)，借助網(wǎng)頁(yè)文本分析工具包來(lái)解析網(wǎng)絡(luò)文本，并提取出網(wǎng)絡(luò)文本中適于進(jìn)行本文文本挖掘的結(jié)構(gòu)化文本。 （三） 關(guān)系提取 以離散的形式存在的詞集并不能反映出專業(yè)、崗位和知識(shí)點(diǎn)三者之間的關(guān)系，因此，需要對(duì)該分詞詞 集進(jìn)行關(guān)系提取。例如，假設(shè)某一文本的分詞結(jié)果集中，出現(xiàn)了“移動(dòng)云計(jì)算”這個(gè)詞，這個(gè)時(shí)候根據(jù)專業(yè)詞典庫(kù)，可以標(biāo)注其為“專業(yè)”。例如，假設(shè)某一網(wǎng)絡(luò)文本中，出現(xiàn)了專業(yè)“云計(jì)算”，還出現(xiàn) 了崗位“云計(jì)算測(cè)試工程師”和“云計(jì)算研發(fā)工程師”，那么就將專業(yè)“云計(jì)算”與崗位“云計(jì)算測(cè)試工程師”和“云計(jì)算研發(fā)工程師”分別建立關(guān)系，同時(shí)，又 17 出現(xiàn)了知識(shí)點(diǎn)“ Linux操作系統(tǒng)”，這時(shí)，也分別將崗位“云計(jì)算測(cè)試工程師”和“云計(jì)算研發(fā)工程師”與知識(shí)點(diǎn)“ MySQL ”建立關(guān)系。 四 網(wǎng)絡(luò)簡(jiǎn)歷樣本的獲取與預(yù)處理 （一） 簡(jiǎn)歷樣本的獲取 本文從某人才招聘網(wǎng)站數(shù)據(jù)庫(kù)獲得簡(jiǎn)歷數(shù)據(jù) ,選取十個(gè)熱門的崗位 (會(huì)計(jì)、銷售工程師、衛(wèi)生醫(yī)療、紡織服裝設(shè)計(jì)、司機(jī)、建筑 /結(jié)構(gòu)工程師管理人員、美術(shù) /圖形設(shè)計(jì)、市場(chǎng)經(jīng)理、行政 /人事人員 ),每個(gè)崗位中抽取 50個(gè)招聘職位 ,每個(gè)職位抽取 20份簡(jiǎn)歷信息 ,每一份簡(jiǎn)歷及其相應(yīng)的招聘職位要求構(gòu)成一個(gè)樣本。 （二） 簡(jiǎn)歷樣本的預(yù)處理 考慮到本研究的挖掘目的 ,本文選取了以下幾個(gè)應(yīng)聘者的屬性與招聘公司的需求進(jìn)行匹配 ,在對(duì)數(shù)據(jù)進(jìn)行處理后 ,再應(yīng)用到數(shù)據(jù)挖掘工作中。選擇的輸入屬性是 :性別、年齡、籍貫、學(xué)歷、 18 婚姻狀況、工作年限、政治面貌、畢業(yè)院校、計(jì)算機(jī)水平、專業(yè)、工作經(jīng)驗(yàn) ,輸出屬性是 :是否被接受面試。 (1)性別 (R_Sex):不需要復(fù)雜的處理。 。 (3)婚姻狀況 (R_Married):婚姻狀況僅僅分為已婚和單身 ,因此將數(shù)據(jù)修改前的 FALSE 改為單身 ,TRUE改為已婚。 (5)工作年限 (R_WorkYear):本文將應(yīng)聘者按照工作年限的長(zhǎng)短來(lái)劃分 ,修改后數(shù)據(jù)分別變?yōu)椤?=5”、“ 510”和“ =10”。 (7)政治面貌 (R_Political):本文將是黨員的不做修改 ,將其他表述一概改為其他。 (8)畢業(yè)院校 (R_School):本文將應(yīng)聘者的學(xué)校分為五類 ,并收集了大學(xué)的排名和院校名稱 ,211重點(diǎn)大學(xué)取為 1,一般重點(diǎn)大學(xué)為 2,一般本科院校為 3,其他?？坪兔褶k院校為 4,海外大學(xué)為 0。 (10)計(jì)算機(jī)水平 (R_ComputerGrade):本研究將初級(jí)程序員用等級(jí)1 代替 ,中級(jí)用 2,高級(jí)用 3,其余的為 0。 (12)接受 (Accept):接受與否屬性是數(shù)據(jù)挖掘中唯一的輸出屬性 ,A 類樣本取作為接受 ,B類樣本取為拒絕。 五 數(shù)據(jù)挖掘技術(shù)理論方法與應(yīng)用 （一） 決策樹（ Deci