基于大数据的岗位画像和求职者画像设计
②第二个是用户画像它是一种模型，是通过分析挖掘用户尽可能多的数据信息得到的，它是从数据中来，但对数据做过了抽象，比数据要高，后面所有用户画像的内容都是基于这个展开的。①当求职者输入学历、专业、学校、求职地、工作年限、技能、岗位名称等基本信息后，系统将智能分析出该职位的待遇水平、求职者的待遇区间、可能去的公司、公司性质和规模、行业、匹配概率等信息。①个人信息：真实姓名， 性别（男女其它），出生日期（
A07 基于大数据的岗位画像和求职者画像设计
资源下载地址：https://download.csdn.net/download/sheziqiong/88852959?spm=1001.2014.3001.5501
资源下载地址：https://download.csdn.net/download/sheziqiong/88852959?spm=1001.2014.3001.5501
-
需求分析流程
(1) 了解‘岗位画像’和‘求职者画像’
(2) 查找同类型产品(各大招聘网站)
(3) 分析本项目的基本流程
(4) 分析爬虫需要设置的初始条件
(5) 分析爬虫需要爬取的公司信息和职位信息（根据各大招聘网站分析）
(6) 查找如何结构化处理数据的资料
(7) 提取‘可能’的岗位工资影响因素
(8) 设计‘岗位需求能力图谱’的属性
(9) 分析求职者如何匹配公司（或根据求职者的信息如何推荐公司给求职者）
(10) 设计‘岗位画像’与‘求职者画像’
(11) 分析如何展示分析结果及两个画像
(12) 如何双向智能化推荐
(13) 利用大数据预测,为用户做后期的合理规划,以应聘成功
(14) 利用大数据预测,为公司做后期的人才检验,以筛选出最合适的职员 -
用户画像：https://www.cnblogs.com/cescyang/p/6017608.html
(1) 用户画像是对现实世界中用户的数学建模，它包括两方面：
① 一方面是描述用户，没有说人，是说明它跟业务密切相关，它是从业务中抽象出来的，因此来源于现实，高于现实。
② 第二个是用户画像它是一种模型，是通过分析挖掘用户尽可能多的数据信息得到的，它是从数据中来，但对数据做过了抽象，比数据要高，后面所有用户画像的内容都是基于这个展开的。比如刚刚说的月光族，这个肯定是挖掘分析出来的，不是说原来的数据中包含月光族这个标签，所以说这是它的两层含义。
(2) 理解：
① 画像对应类，分为岗位画像、求职者画像
② 显性属性对应爬取信息
③ 隐性属性对应分析结果 -
基本流程：
(1) 设置爬虫条件（页面）
① 管理员对网站列表增删查改
- 选择爬取的招聘网站（可多选，网站是确定的）
- 增加、修改爬虫的职位或单个url：
a. 当管理员输入职位关键字时，异步获取相关的url，爬取并显示职位目录列表 - 删除爬虫的职位及其相联url或仅删除单个url
- 显示结果：
a. 显示url，爬取成功显示√，失败显示‘爬取失败’。
b. 爬取失败的url移入‘黑名单’，服务器空闲时重新爬取‘黑名单’的url,若成功则移除出黑名单。
② 设置开始爬取的时间、爬取的频率（每天一次或者每天两次等）
③ 爬虫支持深度优先或广度优先策略，要求提供自研算法。
(2) 爬取数据（网络爬虫）
① 提取出其中的关键数据，包括但不限于职位名称、职位待遇、 职位描述、公司介绍、公司规模、公司性质等信息。
注：comp全称为company
-
公司名称（compName）：根据公司名去爬取百度百科的信息 -
公司性质(compNature) -
公司规模(compSize) -
公司行业(compIndustry) -
联系方式(contactInfo):电话/邮箱都可以 -
公司介绍(compIntroduce) -
公司链接(compLink) -
职位名称(workName ) -
工作地点（省市结合）(workPlace) -
工资待遇(workSalary) -
福利待遇（五险一金、补充医疗保险等） -
职位信息(workInfo)：根据职位要求的关键字（设置权值）匹配 -
招聘人数(workNeed) -
发布时间(releaseTime ) -
学历要求(educationRequire) -
经验要求(experienceRequire ) -
专业技能要求(skillRequire) -
职位招聘链接(workLink)
(3) 结构化处理数据（结构化）
(4) 分析、挖掘数据（算法分析,利用大数据平台）
① 数据分析流程：
- http://python.jobbole.com/81133/
- 数据导入
- 导入本地的或者web端的CSV文件；
- 数据变换；
- 数据统计描述；
- 假设检验;
- 单样本t检验；
- 数据可视化；
- 创建自定义函数。
② 提供优质挖掘算法或解析规则
③ 分析： - 岗位工资可能的影响因素
a. 公司规模（规模越大，可能工资越高）
b. 工作地点（所在城市越好工资可能越高）
c. 融资阶段（只有部分招聘网站有,不同融资阶段对求职者的吸引力不同）
d. 公司行业（高新技术行业可能工资高于传统行业）
e. 公司性质（国企、民企、外企等,是创业公司还是传统垄断型巨头公司）
f. 岗位性质（全职、兼职or实习）
g. 招聘人数与求职人数（供求关系分析） - 岗位能力需求图谱(玫瑰图)
a. 专业技能
b. 工作经验
c. 学历要求
d. 是否相关专业
e. 个人品质（团队协作能力等）
f. 获奖经历（待定） - 岗位的招聘企业画像
a. 公司性质
b. 公司规模
c. 公司行业及行业发展前景
d. 同类型公司排名
e. 公司介绍
f. 公司成立时间
g. 公司投资方
h. 福利待遇
i. 公司长远规划及目标
j. 公司的人才培养计划及投入
(5) 智能推荐岗位（算法推荐）
① 当求职者输入学历、专业、学校、求职地、工作年限、技能、岗位名称等基本信息后，系统将智能分析出该职位的待遇水平、求职者的待遇区间、可能去的公司、公司性质和规模、行业、匹配概率等信息。要求提供：求职者画像及岗位个性化推荐算法。
② 岗位画像
- （显）职位的待遇水平：所有公司该岗位的平均待遇水平
- 建表打分（五险一金 补充医疗保险 交通补贴 餐饮补贴 通讯补贴 定期体检等）
③ 求职者画像 - （隐）求职者的待遇区间（岗位的隐形+求职者的显性得出）
- 根据岗位能力需求图谱（岗位的隐性属性）进行评分
(6) 展示分析、推荐结果（页面）
-
问题
(1) 是否只需要大数据相关职位
(2) 对每个招聘信息的展示方式不同，不好提取 -
技术
(1) 版本控制(github)
(2) 开发语言：python
(3) 网络爬虫（python+scrap+mysql）
(4) 大数据挖掘
(5) 大数据分析（分析算法）
(6) python的后端框架（Django）
(7) 前端框架（angular,bootstrap,easyui(后台页面),jQuery,html+css+js）
(8) 数据库（mysql+redis）
(9) 日志记录 -
整理需要学习的东西（文档、视频）发布到群公告
(1) python学习教程链接、github教程链接
(2) 题目文档、画像介绍的博客、python日志使用 -
问题
(1) 爬虫自研算法，怎样提高效率，如何优化？
(2) 快速匹配，精准推荐给用户岗位
(3) 如何结构化数据，爬取的数据构建成表（python提供）
(4) 前端的效果，页面的构成部分
(5) 匹配算法（消耗时间）
(6) 求职者画像（ 提供标签自选，录入基础数据（ 薪资，地点 ） ）
(7) 展示页面的数据，几个页面 -
封面效果
-
界面
-
前后端成功交互
(1) 首页
① 导航栏 + 轮播（广告，网站公告（java培训广告， 热门职业（用户搜索最多））， ） + 推荐同类型求职者的职位匹配
(2) 个人详情
① 个人信息：真实姓名， 性别（男女其它）， 出生日期（日历本）， 联系方式， 地点（接口）， 邮箱， 学历（多选标签自选）。
② 工作经验：工作年限（单选），职位（手动输入），公司（手输入）
③ 学历模块： 毕业学校（手输入） 学历（多选） 毕业年限（多选） 专业（手输入） 外语水平（暂时英语四六级）， 获奖（不匹配，投简历可用）
(3) 匹配数据页面
① 岗位名称 – 地点 – 薪资 – 公司
(4) 注册页面
昵称，手机号， 密码， 邮箱， 手机验证码。跳至个人信息完善页面
10. 用户数据的采集,存储,分析及展示
11. H3C DataEngine大数据平台的安装部署
12. 帮助求职者生成用户简历或者由用户自行个性化制作,然后上传投给对应公司的人事部
13. 系统对用户的求职提供一些有用的建议,更加人性化
资源下载地址：https://download.csdn.net/download/sheziqiong/88852959?spm=1001.2014.3001.5501
资源下载地址：https://download.csdn.net/download/sheziqiong/88852959?spm=1001.2014.3001.5501
永洪科技，致力于打造全球领先的数据技术厂商，具备从数据应用方案咨询、BI、AIGC智能分析、数字孪生、数据资产、数据治理、数据实施的端到端大数据价值服务能力。
更多推荐
33
0- 0
已为社区贡献14条内容
所有评论(0)