[发明专利]基于加权特征值的精准推荐算法

权利要求书

1.基于加权特征值的精准推荐算法，其特征在于：步骤包括：

S1：特征值的设定和权重分配；根据企业和求职者发布的信息，提取多个特征值，并根据一定的比例给所述特征值分配权重；

S2：数据匹配；根据可变的权重进行综合计算匹配，得到所述权重与所述特征值之间的匹配度，再将该匹配度与预设的阈值比较，超过阈值线，则认为匹配成功，低于阈值线，则认为匹配失败；

S3：信息的推送；数据匹配成功后，向求职者推送企业招聘信息以及向企业推送求职者求职信息。

2.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：所述特征值的选取范围包括专业、学历、特长、岗位、工作地点、工作时间、薪酬和五险一金。

3.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：所述权重分配中，将专业、学历、岗位、薪酬的权重固定为15％、15％、15％、15％，求职者在信息发布平台中勾选一个或两个特征值作为求职比较看重的要素，则被勾选的特征值的权重分配为15％，其他特征值项平分剩余的权重。

4.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：所述阈值的预设值为60。

5.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：所述匹配度的具体计算方式如下：

设定：阈值用T表示；

匹配度用M表示，根据各特征值匹配结果及权重计算得到；

匹配成功的信息数量用N表示；

权重用W表示，则特长的权重表示为WS，工作地点的权重表示为WP，工作时间的权重表示为WT，五险一金的权重表示为WI；

设置计数变量I，用于计算各特征值权重；

第一步：将WS、WP、WT、WI、M、N，I均赋值为0，T赋值为60；

第二步：判断特长特征值是否属于求职者看重要素，如果是，则WS＝15，如果不是，则WS＝0，I＝I+1；

第三步：判断工作地点特征值是否属于求职者看重要素，如果是，则WP＝15，如果不是，则WP＝0，I＝I+1；

第四步：判断工作时间特征值是否属于求职者看重要素，如果是，则WT＝15，如果不是，则WT＝0，I＝I+1；

第五步：判断五险一金特征值是否属于求职者看重要素，如果是，则WI＝15，如果不是，则WI＝0，I＝I+1；

第六步：计算除专业、学历、岗位、薪酬及求职者看重要素以外的，其他特征值的权重，W＝15+15+15+15+WS+WP+WT+WI，因求职者看重的要素小于三个，W小于100；

第七步：将剩余权重平分给赋值为零的特征值，(100-W)/I重新赋值给W；

第八步：判断WS、WP、WT、WI是否为0，如是，则将上一步计算得到的剩余平均权重值赋给它们，即WS＝W、WP＝W、WT＝W、WI＝W；

第九步：判断求职者求职信息中的专业特征值和企业招聘信息中的专业是否相同，或招聘信息中的专业为“不限”，如是，则M＝M+15；

第十步：判断求职者求职信息中的学历特征值和企业招聘信息中的学历是否相同，或招聘信息中的学历为“不限”，如是，则M＝M+15；

第十一步：判断求职者求职信息中的岗位特征值和企业招聘信息中的岗位是否相同，或求职者的岗位需求为“不限”，或招聘信息中的岗位“不限”，如是，则M＝M+15；

第十二步：判断求职者求职信息中的薪酬特征值和企业招聘信息中的薪酬是否相同，或求职者的薪酬需求为“不限”，如是，则M＝M+15；

第十三步：判断求职者求职信息中的特长特征值和企业招聘信息中的特长是否相同或企业特长是求职者特长的子集，如是，则M＝M+WS；

第十四步：判断求职者求职信息中的工作地点特征值和企业招聘信息中的工作地点是否相同，或求职者的工作地点为“不限”，如是，则M＝M+WP；

第十五步：判断求职者求职信息中的工作时间特征值和企业招聘信息中的工作时间是否相同，或求职者的工作时间为“不限”，如是，则M＝M+WT；

第十六步：判断求职者求职信息中的五险一金特征值和企业招聘信息中的五险一金是否相同，如是，则M＝M+WI；

第十七步：将M与T比较，如M>＝T，则将求职信息向企业推送，将招聘信息向求职者推送，并将N加一：N＝N+1；

第十八步：将求职信息与下一条招聘信息进行匹配度计算，从第九步重复操作，直到匹配出20条信息，结束匹配。

6.根据权利要求1所述的基于加权特征值的精准推荐算法，其特征在于：该算法的核心代码在学生端采用基于Android编程技术开发，其他客户端及服务器端均采用B/S架构开发。