陈琛 郑亦菲 杨洁 刘小云

关键词：毕业生；就业；新冠肺炎疫情；就业率；数据挖掘

0 引言

疫情对我国经济和生产生活秩序产生了影响。一方面，部分企业受疫情影响，用工需求锐减；另一方面，近几年全国高校毕业生人数不断上升，毕业生就业压力持续增大。“稳就业”“保就业”成为高校就业工作的主要目标[1-2]。

高校网络就业系统应主动适应疫情常态化、大学扩招和就业市场不断细分发展的现状，与时俱进，建立起一套有效的大数据智能就业信息管理系统，为用人单位和毕业生搭起一个有效的桥梁。使用人单位能通过一个统一稳定的平台直接向高校的毕业生发布招聘需求信息，降低录用成本；毕业生可以通过高校平台获得真实可信的招聘信息，切实提升毕业生的就业成功率；高校可以使用该系统记录、管理和跟踪毕业生的就业签约情况和其他就业信息，对往届毕业生的就业信息进行有效的统计和分析，为应届毕业生提供就业渠道参考、职业发展方向建议和行业发展需求信息的作为就业参考。同时，在该系统内，高校也可以利用现有成熟的爬虫技术，及时获取各大招聘网站的招聘信息，实时收集就业市场的招聘信息，对海量招聘信息进行数据挖掘，实时了解劳动力市场的需求和变化，一方面，可以及时跟进市场变化，对毕业生进行切实有效的就业指导；另一方面，可以在符合学术要求的前提下适时调整教学计划，培养更加适应就业市场需要的人才。

1 目前就业信息管理系统普遍存在的问题

1.1 招聘信息分散，缺乏有效的查询和统计数据

目前部分高校招聘网站的模式主要是以信息展示为主，包括招聘企业信息发布、招聘会信息和招聘企业广告等。招聘信息分散、未归类，毕业生要在发布的招聘信息中花费大量的时间和精力去搜索和匹配，寻找合适自己的招聘信息。

1.2 高校对学生的就业信息统计普遍缺乏有效的信息化管理手段

部分高校设置了就业指导中心或就业办，主要功能为向学生提供就业信息以及帮助学生完成畢业、就业等相关手续。对于就业信息普遍采用传统人工方式，通过统计三方协议等方式进行统计，耗费大量的人力物力财力；就业信息未使用统一的电子化档案进行管理，仍以纸质保存或者散乱的零星电子档案为主，信息分散，查阅统计起来困难重重，难以对毕业生实际就业去向进行长期的跟踪和统计。

1.3 已有的就业信息系统落后于技术的进步，就业指导不能跟上劳动力市场的变化

部分高校已有的就业信息系统，但只是简单地实现信息展示的功能。一方面，缺乏对毕业生去向的统计，难以提供有针对性的专业就业路径介绍；另一方面学校提供的就业指导缺乏对实时就业市场需求数据的分析，缺乏对劳动力市场变化的实时监控，对就业市场的趋势，行业的需求情况只能大致把控，无法对毕业生进行全面实时精确的就业指导。

2 卫生人才智能就业信息系统的设计与实现

2.1 系统功能模块设计

高校智能就业信息系统主要分为3个模块，管理员管理、毕业生求职模块和辅导员管理模块。

系统主要的功能设计如图1。

2.2 管理员模块

管理员模块主要包括系统管理、新闻管理、招聘信息管理、招聘会信息管理、就业统计和就业市场信息采集系统等模块。

2.2.1 系统管理模块

对整个系统进行账号、权限管理。

2.2.2 新闻管理模块

管理员可以在该模块中发布新闻，新闻管理。

2.2.3 招聘信息模块

对招聘信息进行发布和管理，并对招聘企业信息

进行维护。

2.2.4 招聘会信息管理模块

发布招聘会信息，进行招聘会信息管理。

2.2.5 就业统计模块

该模块包括两个部分，历年就业信息统计和历年招聘信息统计两个子模块。管理员可以查询历年招聘信息统计和毕业生历年就业情况。

2.2.6 就业市场信息采集挖掘系统模块

国内众多学者的研究表明，劳动力市场的大数据具有极大的研究价值，能显示劳动力市场的需求。史珍珍的研究指出互联网的劳动力市场大数据具有动态性、及时性等特点，能用来分析传统调查数据无法分析的问题[3]；李凤春等的研究指出随着大数据网络信息时代的到来，就业创业指导工作大数据网络信息化的有效应用是未来发展的必然趋势[4]；宋齐明（2018） 通过对网络招聘信息的研究也表明高校在人才培养中重视通用性能力的同时，也需提高针对性[5]。此模块下使用网络爬虫定期获取本地常用招聘网站的招聘信息，对进行就业市场不同岗位招聘数量等情况进行统计和数据挖掘，供高校调整专业配置，改进教学计划提供参考。

2.3 毕业生求职模块

毕业生使用学号登录，查看学校发布的各项新闻公告和招聘会信息；搜索、查看和收藏招聘信息。系统会根据毕业生的个人简历和历史行为向毕业生推荐合适的就业岗位。毕业生可以维护个人简历，向感兴趣的招聘公司电子邮箱发送自己的简历，申请参加自己感兴趣的招聘会，更新自己的就业情况。

2.4 辅导员模块

辅导员对所管理学生的就业情况进行辅助更新、查看就业情况统计。

3 系统实现

3.1 系统实现

本系统使用B/S结构，后台使用主流的后台开发框架SpringBoot（SpringMVC+Spring+MyBatis），前端使用了Bootstrap 和VUE 等前端框架，数据库使用MySQL，网络爬虫和部分数据分析部分使用Python语言完成。

3.2 推荐系统算法实现

本系统采用的是基于内容和基于协同过滤的加权混合推荐算法进行TOP-N招聘信息推荐。

基于内容的推荐算法的主要是通过计算求职者求职目标和个人简历与招聘信息之间的特征匹配度，从而把匹配程度最高的招聘信息推荐给用户[6]。这种推荐方式非常适合系统中新数据的冷启动。基于招聘职位的协同过滤推荐的推荐算法则记录毕业生对不同职位进行的点击浏览、收藏和投递简历等行为信息，通过所有毕业生对某个招聘信息的历史行为信息计算招聘信息之间的相似度，根据用户的历史偏好预测当前用户还没有表示偏好的职位信息，计算得到一个排序的职位列表作为推荐。

3.2.1 基于内容的推荐算法

基于内容的推荐算法，系统选取毕业生个人简历信息和求职意愿中的意向岗位、学历、外语水平、持有技能证书、意向工作地点和最低可接受年薪等为特征，均为结构文本，匹配招聘信息中的岗位、最低学历要求、外语水平、所需技能证书、工作地点和岗位起薪等特征集合。毕业生求职意向和招聘信息之间的关系可以描述成一个m × n 的矩阵，Uij（i ∈ [1，m ]，j ∈ [1，n ]）表示在该特征时求职意向与招聘信息是否相匹配，如果相匹配，如求职地点和招聘信息工作地点一致即表示相匹配则Uij=1，否则Uij=0，那么对于每一个招聘信息，都可以用一个向量Vi = （Ui1，Ui2，Ui3，...Uin ）U来描述它。

由此可以使用余弦相似度来计算求职信息与招聘需求之間的关联度，即计算毕业生对于招聘信息的偏好程度，公式如下：

其中，Uik 和Vjk 分别表示毕业生意向模型和招聘信息向量在k 维度上的值。

3.2.2 基于招聘信息的协同过滤算法

系统记录毕业生对招聘信息的点击浏览、收藏和投递简历的行为信息，其中点击浏览是隐式反馈，收藏和投递是显式反馈，通过毕业生感兴趣的招聘信息来查找相似招聘信息，并将相似招聘信息推荐给毕业生。招聘信息之间的相似度计算公式为：

3.2.3 加权型的混合方式

通过对系统数据集及用户行为分析，决定使用基于内容和用户协同两种推荐算法的加权混合，得到TOP-N推荐，公式如下：

其中，α 为基于内容的招聘信息偏好预测的权重，（1 - α） 表示基于协同过滤算法中招聘信息预测的权重。在毕业生数量不变，招聘信息量较少时，使用基于内容算法进行的预测较为准确，招聘信息量较大时，使用基于协同过滤算法进行的预测较为准确。

4 结束语

近几年，毕业生就业难度明显提升，高校毕业生就业问题已成为一个大型的系统工程。毕业生和高校应正确、积极地面对当前就业市场的复杂局面，妥善解决毕业生就业问题需要毕业生、高校和社会的共同努力[7-10]。该智能就业信息系统的建立，有利于毕业生更精准地获取招聘信息，也有利于高校实时了解就业市场需求和学生就业情况。一方面便于高校根据就业市场变化和历年就业情况进行统计、数据挖掘，了解劳动力市场动态，在遵循学术变化的规律的前提下，适时合理地调整人才培养方案和教学大纲，更好地满足就业市场的需求；另一方面便于高校更好地为毕业生提供更加专业和个性化的就业指导。通过这个系统，招聘单位和毕业生之间也能更直接更方便地建立联系，提升毕业生的就业效率，节省大量的人力物力财力。