本技術(shù)屬于人工智能，具體地說是一種基于人工智能的學(xué)生工作崗位推薦方法和系統(tǒng)。

背景技術(shù)：

1、隨著教育和就業(yè)市場的快速變化，學(xué)生與企業(yè)之間的匹配變得愈發(fā)重要。傳統(tǒng)的招聘方式多依賴線下校園招聘會，這類活動面向全體畢業(yè)生，導(dǎo)致學(xué)生需要花費大量時間篩選合適崗位。由于職位種類繁多，學(xué)生可能會浪費時間在不相關(guān)的崗位上，錯失真正合適的機會，而且不同崗位對學(xué)生專業(yè)技能要求不同，學(xué)生在選擇時不能完全判斷出與崗位的契合度，現(xiàn)有技術(shù)崗位匹配過程中，只考慮了學(xué)生成績與崗位之間的聯(lián)系，而忽略了學(xué)生課程之間的隱含特征與崗位的聯(lián)系，從而導(dǎo)致忽略了課程與崗位發(fā)展的聯(lián)系，對學(xué)生求職和崗位發(fā)展造成了困擾。

2、本技術(shù)提出一種基于人工智能的學(xué)生工作崗位推薦方法和系統(tǒng)，旨在提高學(xué)生與企業(yè)之間的匹配效率，實現(xiàn)智能化推薦。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本技術(shù)提出了一種基于人工智能的學(xué)生工作崗位推薦方法和系統(tǒng)，本技術(shù)獲取學(xué)生個人學(xué)習(xí)課程信息和企業(yè)招聘需求信息，同時獲取對應(yīng)工作崗位員工的項目信息，構(gòu)建特征提取模型，將學(xué)生個人學(xué)習(xí)課程信息、企業(yè)招聘需求信息和對應(yīng)工作崗位員工工作項目信息導(dǎo)入特征提取模型進行對應(yīng)特征提取，構(gòu)建關(guān)聯(lián)度評估模型，將提取得到的對應(yīng)特征導(dǎo)入關(guān)聯(lián)度評估模型中進行評估，構(gòu)建學(xué)生工作崗位推薦模型，將學(xué)生課程綜合技能特征向量、招聘崗位綜合技能特征向量和項目綜合技能特征向量導(dǎo)入學(xué)生工作崗位推薦模型，生成推薦結(jié)果，通過所學(xué)課程、招聘崗位和崗位發(fā)展所需技能綜合分析，為學(xué)生提供更加匹配的崗位，提高了學(xué)生專業(yè)與崗位的匹配度。

2、為實現(xiàn)上述目的，本技術(shù)提供如下技術(shù)方案：

3、一種基于人工智能的學(xué)生工作崗位推薦方法，其包括以下具體步驟：

4、獲取學(xué)生個人學(xué)習(xí)課程信息和企業(yè)招聘需求信息，同時獲取對應(yīng)工作崗位員工的項目信息；

5、構(gòu)建特征提取模型，將學(xué)生個人學(xué)習(xí)課程信息、企業(yè)招聘需求信息和對應(yīng)工作崗位員工工作項目信息導(dǎo)入特征提取模型進行對應(yīng)特征提取；

6、構(gòu)建關(guān)聯(lián)度評估模型，將提取得到的對應(yīng)特征導(dǎo)入關(guān)聯(lián)度評估模型中進行評估；

7、構(gòu)建學(xué)生工作崗位推薦模型，將學(xué)生課程綜合技能特征向量、招聘崗位綜合技能特征向量和項目綜合技能特征向量導(dǎo)入學(xué)生工作崗位推薦模型，生成推薦結(jié)果。

8、在此需要具體說明的是，所述獲取學(xué)生個人學(xué)習(xí)課程信息和企業(yè)招聘需求數(shù)據(jù)，同時獲取對應(yīng)招聘崗位員工的項目信息包括以下具體步驟：

9、s11、通過學(xué)校的學(xué)生管理系統(tǒng)獲取學(xué)生的學(xué)習(xí)課程信息，整理學(xué)生個人學(xué)習(xí)課程信息，包括所學(xué)課程、課程得分；

10、s12、獲取招聘企業(yè)的招聘需求信息，整理招聘崗位數(shù)據(jù)，包括崗位要求、崗位招聘條件；

11、s13、獲取對應(yīng)招聘崗位的員工工作項目信息，包括項目名稱、項目發(fā)表論文。

12、在此需要具體說明的是，所述構(gòu)建特征提取模型，將學(xué)生個人學(xué)習(xí)課程信息、企業(yè)招聘需求信息和對應(yīng)工作崗位員工工作項目信息導(dǎo)入特征提取模型進行對應(yīng)特征提取包括以下具體步驟：

13、s21、構(gòu)建標(biāo)準(zhǔn)化的特征詞典，特征詞典中包含課程和崗位描述中的所有技能特征；

14、s22、遍歷學(xué)生每門課程大綱，將課程大綱內(nèi)容與詞典中的標(biāo)準(zhǔn)化技能特征進行匹配，并且記錄課程大綱中與標(biāo)準(zhǔn)化技能特征含義相同的關(guān)鍵詞出現(xiàn)次數(shù)，構(gòu)建每門課程的技能特征向量，?其中，第a門課程的技能特征向量為：，其中，cap表示第a門課程的第p個技能特征，而p屬于1至n中的任一項，若第a門課程不包括第p個技能特征，則cap=0；

15、s23、遍歷企業(yè)招聘需求信息，將每個崗位的招聘需求文本與特征詞典中的標(biāo)準(zhǔn)化技能特征進行匹配，構(gòu)建招聘崗位的技能特征向量，其中，第j個招聘崗位的技能特征向量為：，其中，cjp表示第j個招聘崗位的第p個技能特征，而p屬于1至n中的任一項，若第j個招聘崗位不包括第p個技能特征，則cjp=0；

16、s24、通過遍歷員工參與項目信息，提取技能關(guān)鍵詞，將項目信息與詞典中的標(biāo)準(zhǔn)化技能特征進行匹配構(gòu)建項目的技能特征向量，其中，第d個項目的技能特征向量為：，其中，cdp表示第d個項目的第p個技能特征，而p屬于1至n中的任一項，若第d個項目不包括第p個技能特征，則cdp=0。

17、在此需要具體說明的是，所述構(gòu)建關(guān)聯(lián)度評估模型，將提取得到的對應(yīng)特征導(dǎo)入關(guān)聯(lián)度評估模型中進行評估包括以下具體步驟：

18、s31、將每門課程的特征向量代入課程標(biāo)準(zhǔn)化特征值計算公式計算課程標(biāo)準(zhǔn)化特征值，其中，第a門課程的第p個技能的標(biāo)準(zhǔn)化特征值計算公式為：，其中，za為第a門課程的標(biāo)準(zhǔn)化成績，tp為第p個技能的關(guān)鍵詞出現(xiàn)次數(shù)，t為總關(guān)鍵詞出現(xiàn)次數(shù)，其中，第a門課程的標(biāo)準(zhǔn)化成績計算公式為：，sa,i為第i個學(xué)生第a門課程的分?jǐn)?shù)，ma為第i個學(xué)生所在專業(yè)所有學(xué)生第a門課程的平均分?jǐn)?shù)，為第i個學(xué)生所在專業(yè)第a門課程分?jǐn)?shù)的標(biāo)準(zhǔn)差，其中，第i個學(xué)生所在專業(yè)第a門課程分?jǐn)?shù)的標(biāo)準(zhǔn)差計算公式為：，g為第i個學(xué)生所在專業(yè)的學(xué)生人數(shù)；

19、s32、獲取a課程的所有的技能特征值生成課程標(biāo)準(zhǔn)化特征向量，其中，課程標(biāo)準(zhǔn)化特征向量為：，其中，為第a門課程的第p個技能的標(biāo)準(zhǔn)化特征值，而p屬于1至n中的任一項，將每門課程的標(biāo)準(zhǔn)化特征向量代入綜合技能特征向量生成公式中生成課程的綜合技能特征向量，其中，課程對應(yīng)的綜合技能特征向量生成公式為：，其中，為課程對應(yīng)的第p個綜合技能特征值，而p屬于1至n中的任一項，課程對應(yīng)的第p個綜合技能特征計算公式為：，其中，ba為第a門課程的學(xué)分，c為所修課程的總學(xué)分，n為課程數(shù)量；

20、s33、將招聘崗位的特征向量代入招聘崗位對應(yīng)的綜合技能特征向量生成公式中生成招聘崗位對應(yīng)的綜合技能特征向量，其中，招聘崗位對應(yīng)的綜合技能特征向量生成公式為：，其中，為招聘崗位對應(yīng)的第p個綜合技能特征值，而p屬于1至n中的任一項，其中，招聘崗位對應(yīng)的第p個綜合技能特征值計算公式為：，其中，k1為根據(jù)語義分析中技能出現(xiàn)的次數(shù)，w1為得出的語義分析中技能出現(xiàn)的次數(shù)的權(quán)重，k2為歷史數(shù)據(jù)中技能出現(xiàn)的次數(shù)，w2為歷史數(shù)據(jù)中技能出現(xiàn)的次數(shù)的權(quán)重；

21、s34、將項目技能特征向量代入項目對應(yīng)的綜合技能特征向量生成公式中生成項目綜合技能特征向量，其中，項目對應(yīng)的綜合技能特征向量生成公式為：，其中，為項目對應(yīng)的第p個綜合技能特征值，而p屬于1至n中的任一項，其中，項目對應(yīng)的第p個綜合技能特征值的計算公式為：，其中，cdp為第d個項目的第p個技能特征，l為總參與項目數(shù)；

22、s35、將課程綜合技能特征向量和招聘崗位綜合技能特征向量代入關(guān)聯(lián)度計算公式中計算課程綜合技能與招聘崗位綜合技能的關(guān)聯(lián)度，其中，課程綜合技能與招聘崗位綜合技能的關(guān)聯(lián)度計算公式為：，其中，p為第p個技能特征，?而p屬于1至n中的任一項；

23、s36、將課程綜合技能特征向量和項目綜合技能特征向量代入關(guān)聯(lián)度計算公式中計算課程綜合技能與項目綜合技能的關(guān)聯(lián)度，其中，課程綜合技能與項目綜合技能的關(guān)聯(lián)度計算公式為：，其中，p為第p個技能特征，?而p屬于1至n中的任一項。

24、在此需要具體說明的是，所述構(gòu)建學(xué)生工作崗位推薦模型，將學(xué)生課程綜合技能特征向量、招聘崗位綜合技能特征向量和項目綜合技能特征向量導(dǎo)入學(xué)生工作崗位推薦模型，生成推薦結(jié)果包括以下具體步驟：

25、s41、將課程綜合技能與招聘崗位綜合技能的關(guān)聯(lián)度和課程綜合技能與項目綜合技能的關(guān)聯(lián)度代入崗位推薦計算公式中計算崗位推薦度，其中，崗位推薦計算公式為：，其中，為課程綜合技能與招聘崗位綜合技能的關(guān)聯(lián)度權(quán)重，為課程綜合技能與項目綜合技能的關(guān)聯(lián)度權(quán)重，且，對所求推薦度列表進行排序，選取推薦度最高的前十位，生成工作崗位推薦列表。

26、一種基于人工智能的學(xué)生工作崗位推薦系統(tǒng)，其基于上述所述一種基于人工智能的學(xué)生工作崗位推薦方法實現(xiàn)，其具體包括：

27、數(shù)據(jù)獲取模塊，用于獲取學(xué)生個人學(xué)習(xí)課程信息和企業(yè)招聘需求信息，同時獲取對應(yīng)工作崗位員工的項目信息；

28、特征提取模塊，用于提取學(xué)生個人學(xué)習(xí)課程信息、企業(yè)招聘需求信息和對應(yīng)工作崗位員工工作項目信息的特征；

29、關(guān)聯(lián)度評估模塊，用于評估提取得到的對應(yīng)特征之間的關(guān)聯(lián)度；

30、崗位推薦模塊，用于計算推薦度生成推薦結(jié)果，向?qū)W生推薦崗位。

31、一種電子設(shè)備，包括：處理器和存儲器，其中，所述存儲器中存儲有可供處理器調(diào)用的計算機程序；

32、所述處理器通過調(diào)用所述存儲器中存儲的計算機程序，執(zhí)行上述一種基于人工智能的學(xué)生工作崗位推薦方法。

33、一種計算機可讀存儲介質(zhì)，其特征在于，儲存有指令，當(dāng)所述指令在計算機上運行時，使得計算機執(zhí)行上述的一種基于人工智能的學(xué)生工作崗位推薦方法。

34、與現(xiàn)有技術(shù)相比，本技術(shù)的有益效果是：

35、本技術(shù)獲取學(xué)生個人學(xué)習(xí)課程信息和企業(yè)招聘需求信息，同時獲取對應(yīng)工作崗位員工的項目信息，構(gòu)建特征提取模型，將學(xué)生個人學(xué)習(xí)課程信息、企業(yè)招聘需求信息和對應(yīng)工作崗位員工工作項目信息導(dǎo)入特征提取模型進行對應(yīng)特征提取，構(gòu)建關(guān)聯(lián)度評估模型，將提取得到的對應(yīng)特征導(dǎo)入關(guān)聯(lián)度評估模型中進行評估，構(gòu)建學(xué)生工作崗位推薦模型，將學(xué)生課程綜合技能特征向量、招聘崗位綜合技能特征向量和項目綜合技能特征向量導(dǎo)入學(xué)生工作崗位推薦模型，生成推薦結(jié)果，通過所學(xué)課程、招聘崗位和崗位發(fā)展所需技能綜合分析，為學(xué)生提供更加匹配的崗位，通過所學(xué)課程、招聘崗位和崗位發(fā)展所需技能綜合分析，為學(xué)生提供更加匹配的崗位，提高了學(xué)生專業(yè)與崗位的匹配度。