刘西祥

摘要：分析了传统的基于用户的协同过滤推荐算法和改进的基于用户的协同过滤推荐算法的算法思想和算法步骤，并对2种推荐算法在高职院校就业推荐系统中的应用结果进行了对比，证实了改进的基于用户的协同过滤推荐算法更适用于高职院校就业推荐系统，提高了相似学生推荐的准确性，推荐的结果也更加符合实际。

关键词：协同过滤推荐算法；就业推荐系统；聚类分析

中图分类号：TP391文献标志码：A文章编号：1008-1739（2020）23-68-4

0引言

就业推荐系统的推荐算法是整个推荐系统中最核心、最关键的部分，目前关于就业推荐系统的算法研究主要有：吴迪的基于经验公式的算法、魏丽芹的基于历史信息的就业推荐算法、陈玉峰的ID3算法以及基于内容和Item-based协同过滤的组合推荐算法等，他们研究的对象一般比较广泛，采用的算法也比较传统，不适用高职院校就业推荐工作。本文采用基于用户的协同过滤推荐算法（学生当作用户，就业单位当作项目）来进行就业推荐。首先根据所有学生（含往届毕业学生和应届毕业学生）对就业单位签约情况、感兴趣程度，发现与应届毕业学生对就业单位兴趣度相似的往届毕业学生最相邻学生，然后根据该相邻的往届毕业学生的签约情况，为该应届毕业学生推荐就业单位，实现就业推荐功能。

1传统的基于用户的协同过滤推荐算法

1.1相似度计算

查找最近邻居是基于用户的协同过滤推荐算法的主要工作，通过应、往届毕业学生对就业单位的评分矩阵，可以计算出他们之间的相似度，相似度越高，他们越接近。……