买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：本发明公开了一种基于用户对岗位流行度偏好的个性化岗位推荐方法，该方法基于用户流行度偏好的岗位推荐方法，将利用用户对不同流行度岗位的偏好程度不同，为其筛选出不感兴趣的岗位作为负面样本集合并应用于生成对抗网络的负采样训练中，引入了用户的个性化偏好，通过计算用户交互岗位记录的平均流行度作为用户对流行度的偏好值，以及岗位被交互的平均流行度，为偏好高流行度岗位的用户找出未交互岗位中可能不感兴趣的岗位集合作为负面样本集合，同时找出偏好低流行度岗位的用户找出负面样本集合，然后将这些负面样本集合应用于生成对抗网络的推荐模型训练过程中，从而到达提高推荐精确度的效果。

主权项：1.一种基于用户对岗位流行度偏好的个性化岗位推荐方法，其特征在于，所述方法包括如下步骤：步骤1：遍历计算出求职者u与岗位i的每条交互记录的当前流行度，以交互记录时间点为t，时间间隔长度k，计算时间段[t-k,t]内岗位i被交互的次数vi，以及在该时间段内所有岗位的交互次数v[t-k,t]，岗位i的当前流行度获取推荐平台用户与岗位的交互记录表，时间间隔k设置为2，计算出求职者u与岗位i的每条交互记录的当前流行度wui；步骤2：将wui用以下公式进行归一化处理：其中wui_min是所有交互记录流行度中的最小值，wui_max是所有交互记录流行度中的最小值；步骤3：遍历计算每个求职者的所有交互岗位平均流行度作为求职者的流行度偏好值pu；步骤4：遍历计算每个岗位的被交互记录平均流行度作为岗位的全局流行度pi；步骤5：计算出全部求职者流行度偏好值的平均值pu_mean和方差pu_std；步骤6：计算出全部岗位全局流行度的平均值pi_mean和方差pi_std；步骤7：为特定求职者筛选不喜欢的岗位作为负面样本集合，如果求职者的流行度偏好值pu大于参数pu_max＝pu_mean+pu_std，则该求职者喜欢流行度高的岗位，筛选出全局流行度pi小于参数Pi_min＝Pi_mean-Pi_std的岗位作为该求职者的强负面样本集合，如果求职者的流行度偏好值pu小于参数Pu_min＝Pu_mean-Pu_std，则认为该求职者喜欢流行度低的岗位，筛选出全局流行度pi大于参数Pi_max＝Pi_mean+Pi_std的岗位作为该求职者的负采样候选集的强负面样本集合，随机选择部分每个求职者未交互且不在强负面样本集合的岗位作为弱负面样本集合，对于流行度偏好值pu介于Pu_max和Pu_min之间的求职者，则该求职者对流行度岗位感知并不明显，对求职者采用随机负采样的方式获取负面样本集合；步骤8：在每一个训练迭代，将上述负面样本集合应用于生成对抗网络的推荐模型训练过程中，用于零构造和部分掩蔽，然后训练生成器G使负面样本集合接近于零；步骤9：训练完成后，用生成器G为每个求职者对每个岗位生成一个偏好值，将每个岗位的偏好值从高到低排序，取出前N个项目推荐给用户。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于用户对岗位流行度偏好的个性化岗位推荐方法