政大機構典藏-National Chengchi University Institutional Repository(NCCUR):Item 140.119/113992
English  |  正體中文  |  简体中文  |  Post-Print筆數 : 27 |  全文筆數/總筆數 : 113311/144292 (79%)
造訪人次 : 50935078      線上人數 : 977
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
搜尋範圍 查詢小技巧：
  • 您可在西文檢索詞彙前後加上"雙引號"，以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋，建議至進階搜尋限定作者欄位，可獲得較完整資料
    •  進階搜尋


    請使用永久網址來引用或連結此文件: https://nccur.lib.nccu.edu.tw/handle/140.119/113992


    題名: 結合內容及協同過濾於個人化求職推薦
    作者: 蔣聖文
    黃謙順
    關鍵詞: 推薦系統;協同過濾;內容過濾;線上工作媒合
    recommender system;collaborative filtering;content-based filtering;online job hunting
    日期: 2006
    上傳時間: 2017-10-23 14:57:26 (UTC+8)
    摘要: 近年來隨著資訊產業及網際網路蓬勃發展，傳統透過平面媒體求職的時代已經式微，反之經由網路線上化的方式已取而代之。透過線上化可以即時查詢所喜愛的工作項目，節省了時間及金錢上的成本。不過由於求才項目眾多，對於求職者來說依舊必須透過傳統方法循序地尋找喜愛的工作或是經由系統幫助，透過求職者履歷進行工作媒合的服務。而本研究導入推薦系統的概念，提出結合內容及協同過濾個人化推薦模型來進一步提升工作媒合效能以及提供個人化推薦服務，並應用於國內某知名人力銀行進行推薦媒合驗證。本研究模型首先透過使用者喜好輪廓資料(profile)進行內容篩選過濾，產生候選推薦清單，並透過使用者求職記錄將使用者分群，最後應用項目為主(Item-based)協同過濾技術並透過求才項目的求職數來導出結合項目協同相似性以及項目內容相似性迴歸方程式，進而來產生出推薦清單。
    本研究透過準確度(Precision)、喚回度(Recall)以及F1評估準則與過去研究方法及人力銀行應用方法進行比較。其實驗結果顯示，本研究所提出的模型顯著地優於傳統結合內容與協同過濾技術、個別過濾技術以及人力銀行現行應用技術。
    With the rapid development of information technology and popularization of the internet, traditional job-finding services have declined and replaced by the on-line job service. Job seekers can query job vacancy information they like easily and economically by using on-line job finding service. However, due to huge job vacancy information, job seekers still have to examine those jobs manually or through matching system which provides job matching service based on resumes. In this paper, we introduce recommender system concept, propose a hybrid model-based recommender that achieves better performance of job matching and provides personalized service. We use data from a famous domestic job hunting company to evaluate our model. Our hybrid model first processes content filtering using user profile to produce candidate recommendations. We also partition users based on submitting resume records. Then, we use item-based collaborative filtering to compute item similarities and content item similarities. Finally, we find a regression formula to combine the similarities to produce top N recommendations. The experimental results show that our system can improve the recommendation performance significantly. Besides, our system also achieves better performance when comparing with other combining approaches.
    關聯: TANET 2006 台灣網際網路研討會論文集
    網際網路創意與應用
    資料類型: conference
    顯示於類別:[TANET 台灣網際網路研討會] 會議論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    628.pdf960KbAdobe PDF2136檢視/開啟


    在政大典藏中所有的資料項目都受到原著作權保護.


    社群 sharing

    著作權政策宣告 Copyright Announcement
    1.本網站之數位內容為國立政治大學所收錄之機構典藏，無償提供學術研究與公眾教育等公益性使用，惟仍請適度，合理使用本網站之內容，以尊重著作權人之權益。商業上之利用，則請先取得著作權人之授權。
    The digital content of this website is part of National Chengchi University Institutional Repository. It provides free access to academic research and public education for non-commercial use. Please utilize it in a proper and reasonable manner and respect the rights of copyright owners. For commercial use, please obtain authorization from the copyright owner in advance.

    2.本網站之製作，已盡力防止侵害著作權人之權益，如仍發現本網站之數位內容有侵害著作權人權益情事者，請權利人通知本網站維護人員(nccur@nccu.edu.tw)，維護人員將立即採取移除該數位著作等補救措施。
    NCCU Institutional Repository is made to protect the interests of copyright owners. If you believe that any material on the website infringes copyright, please contact our staff(nccur@nccu.edu.tw). We will remove the work from the repository and investigate your claim.
    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - 回饋