魏云东

(北京市中小企业信用再担保有限公司，北京 100010)

0 引 言

就业问题是当今社会难题之一，人力资源市场提供的信息平台成为了很多求职者选择工作和企业招聘人员选择岗位相关人才的场所之一。但是在网络大数据爆炸的今天，人工查询相关岗位或人才信息的招聘和求职方式已经不能满足日益增长的求职和人才需求[1-2]。大数据技术是以大规模数据为基础，利用各种算法挖掘数据背后隐藏的具有利用价值的信息。机器对于大数据技术开发的每一个阶段都是有帮助的，因此大数据分析的每一个阶段都涉及很多传统算法以及机器学习算法[3-4]。将大数据技术应用到人力资源市场中可以帮助提高求职和人才招聘过程的智能化程度，实现智能岗位和人才匹配，促进社会就业[5-6]。鉴于此，本文将梯度提升树算法与卷积神经网络算法相结合，用于人力资源市场的人才智能推荐，以期提高人力资源市场的信息化程度。

1 人才推荐算法模型构建

1.1 基于流式分布式的人才信息采集与预处理

本文使用分布式云集群方式进行数据采集。在进行人才信息采集时，首先与合作企业进行多数据来源渠道确认，最后将数据类型按照需求类型进行数据源分类，分配多个执行线程。系统的子服务器以任务列的形式动态收集不同类型的数据，并且实时进行更新[7-8]。图1是使用流式分布式进行数据采集的流程图。

图1 流式分布式数据采集流程图