/2

网络招聘信息的分析与挖掘模型模型体验

模型简介 技术文档 购买咨询
互联网 0 718 2 ¥399

一、模型应用

在这个信息高速发展的时代,人才市场网络化的产生,使得网络招聘越来越成为如今社会的主流趋势,它以招聘范围广、方便迅速、不受时空限制等区别于传统招聘的优势成为越来越多求职者和企业单位青睐的招聘渠道,在人力资源招募与配置方面中起着至关重要的作用。同时,随着互联网、云计算和大数据产业的兴起,面对海量的网络数据,数据分析、数据挖掘等相应行业也正快速发展。

网络招聘信息反映着各行各业的发展现状,各地区发展水平,不同职业类型对人才基本条件、能力和素质的要求,以及对新兴行业的发展动向都有着最及时有效的传达。因此,对网络招聘信息进行分析研究,了解不同职业领域的需求特点,挖掘兴起的数据类行业相应的人才需求现状及发展趋势,为广大求职者提供正确的就业指导有着重要意义。

网络招聘平台的招聘信息形式包罗万象,按照数据结构划分大致可以分成结构化的职位相关信息数据和非结构化的描述性职位要求数据。从某网络招聘平台采集了招聘信息共两个数据集,试根据这些信息对目前网络人才市场中所需职业类型进行正确划分,并分析新兴行业的人才需求现状并预测其未来短期的需求量(以大数据分析、挖掘行业为例)。

image001.png

二、实现流程

本用例的挖掘目标是正确划分职位类型以及分析新兴数据行业的人才需求现状并预测其未来短期的需求量。根据爬取的“招聘信息.csv”和“职位描述.csv”这两个数据集,针对挖掘目标完成以上分析。其中针对非结构化数据对互联网行业所需职位进行类型划分;针对结构化数据,可以分析数据类行业的人才需求现状及其发展趋势。

采用上述分析方法与思路,结合本案例的数据及挖掘目标,得出整个分析挖掘的总体流程如下所示。

image.png

网络招聘信息的分析与挖掘主要包括以下步骤:

  1. 数据获取,利用爬虫工具爬取某网络招聘平台的招聘信息;

  2. 数据预处理,针对非结构化数据进行文本分词、停用词过滤等处理,结构化数据进行数据清洗、属性变换等处理;

  3. 提取非结构化数据通过文本聚类划分职位类型;

  4. 提取结构化数据中数据类职业人才需求量进行需求分析,并利用ARIMA模型预测该行业未来短期内的人才需求量。

三、核心技术

  • 文本挖掘

  • K-Means

  • ARIMA模型

四、运行环境

Windows/Linux/macOS,64位操作系统,CPU:4GB(GPU更好),Python3.5或以上。

五、资源展示

image003.png

image004.png


您尚未登录,请登录后购买! 【马上登录

评论已有 0

模型资源列表

网络招聘信息的分析与挖掘模型

相关模型推荐

联系我们

电话:(020)22205718

热线:40068-40020

地址:广州黄埔区开泰大道36号

邮编:510000

电邮:services@tipdm.com