智能校園兼職平臺的設計與應用

駱汛楓 張永康 林宏濠 唐嘉浩

摘要：隨著信息技術的迅速發展，“互聯網+”的應用極大程度上方便了人們日常的生活。兼職是大學生認知社會的一個途徑，許多大學生都有兼職的經歷，其中大部分人認為存在找兼職難，找兼職途徑較窄，與店家溝通麻煩等問題。

根據以上需求設計與實現基于智能校園兼職平臺——工園。該項目采用了VUE.JS和MUI結合的前端技術，基于Spring Boot框架的后臺技術結合上協同過濾算法開發而成的一款專門為解決大學生找兼職問題而開發的移動web網站。在該平臺上，學生可根據自身需求結合協同過濾算法找到合適自己的兼職崗位;商家則可以在平臺上發布兼職進行招聘，大大簡便了招聘流程，從而節約了時間與金錢，實現了雙贏局面。

關鍵詞：Java;Spring Boot;協同過濾算法;兼職平臺;移動Web

中圖分類號：TP311? ? ? ? ?文獻標識碼：A

文章編號：1009-3044（2019）28-0076-04

According to the above requirements， design and implement a part-time platform based on intelligent campus - industrial park. This project adopts the front-end technology combining VUE.JS and MUI. The background technology based on Spring Boot framework is combined with the collaborative filtering algorithm to develop a mobile web site specially developed to solve the problem of college students looking for part-time jobs. On this platform， students can find their own part-time jobs according to their own needs and collaborative filtering algorithms; merchants can release part-time recruitment on the platform， which greatly simplifies the recruitment process， thus saving time and money and achieving a win-win situation.

Key words： Java; Spring Boot; collaborative filtering algorithm; part-time platform; mobile web

1 背景

為響應科技強國號召，我國大學生人數逐年遞增，大學生作為一個新興的經濟體，也迅速刺激了附近的校園經濟。大學生人數的增加意味著日后競爭的加劇，為了早日適應社會，在校大學生早已不滿足單一的社會實踐活動，強烈要求參與更廣泛的社會實踐活動，其中大學生進行兼職活動是首選。但不少大學生反映存在找兼職難，找兼職途徑較窄，與店家溝通麻煩等問題。

隨著“互聯網+”的發展，機器學習等新興技術的崛起，一些傳統招聘模式受到了沖擊，在互聯網的世界里，可以滿足“足不出戶便知天下事”的需求，結合當下“重”個性化的社會需求，開發一款專門解決大學生找兼職困難的移動Web網站刻不容緩。

本移動Web網站將會收集學校周邊的商家發布的兼職信息，結合當下火熱的機器學習算法以及個性化的需求為廣大大學生提供了各類兼職信息。平臺通過機器學習算法進行了職位推薦，極大簡便了學生的操作;使用興趣標簽篩選職位也滿足了個性化的需求;同時，商家可通過平臺發布兼職信息，學生亦可通過平臺查閱兼職信息，還可以與商家進行溝通，雙方各取所需，實現了雙贏的局面。

2 系統分析

2.1 平臺設計

工園平臺從設計大體上來分類，主要劃分為前端和后臺兩大類，前端主要的功能是展示數據，獲取后臺的數據加以渲染顯示以及將收集到的數據提交到后臺。后臺的主要功能是數據的傳輸與處理，接收前端的數據以及響應前端的請求。

2.2 平臺功能

本平臺的主要功能結構，如圖1所示。

本平臺主要功能模塊如下：

1）機器學習算法職位推薦功能模塊：

通過統計不同用戶的點擊行為，并結合余弦相似度的度量方法，計算出用戶之間的相似度，運用基于用戶的協同過濾推薦算法，將相似度較高的用戶的項給展示出來。

2）在線留言功能模塊：

只需使用Web端即可實現在線接收回復留言，用戶通過點擊心儀的職位進入該職位詳情頁，在詳情頁面中點擊“留言”按鈕給店家留言，實現了線上交流，省去了安裝APP的時間，讓溝通更加便捷。

3）職位詳情展示功能模塊：

在職位詳情頁面中，用戶可瀏覽到職位的薪酬、人數、要求及其發布方的信息，為了方便用戶操作，還加入了“看了又看”一欄，讓用戶無須返回即可瀏覽與之類似的職位。

4）標簽篩選職位功能模塊：

用戶在注冊階段完善詳細信息時，選擇合適的興趣標簽后，系統便會記錄用戶的興趣愛好;當用戶下次登錄至首頁時，首頁下方的職位列表則會根據用戶的興趣標簽自行進行職位的篩選。

5）首頁信息聚合功能模塊：

在首頁中集中顯示了廣告欄、圖標標簽、搜索欄以及個性化的職位列表等信息，將系統最為常用的信息以及功能都集中在首頁，方便了用戶操作。

3 平臺系統設計

3.1 平臺基本架構

本平臺采用了Browser/Server的架構進行設計。B/S架構如圖2所示。

互聯網時代實質是信息互通的時代，信息的發布方通過該移動Web網站發布信息，瀏覽該移動Web網站的用戶皆可接收到信息，展現了B/S平臺便捷的優勢。

當用戶使用瀏覽器發送請求的時候，云端的服務器會根據請求做出相應的處理并得到相應的處理結果，該請求結果會以JSON串的形式通過服務器返回到瀏覽器中，瀏覽器根據所得到的內容渲染出效果。

3.2 平臺邏輯設計

本系統采用MVC模式（Model-View-Controller）進行開發。其中，頁面發送請求給控制器，控制器調用業務層處理邏輯，邏輯層向持久層發送請求，持久層與數據庫交互，后將結果返回給業務層，業務層將處理邏輯發送給控制器，控制器再調用視圖展現數據。

3.3 界面流程設計

工園平臺的界面流程設計如圖3所示。

4 平臺設計與實現

本平臺主要采用B/S架構進行開發，由瀏覽器、服務器以及數據庫組成。

4.1 平臺的前端設計

本平臺前端主要運用了VUE.JS技術，結合當下較為流行的MUI框架，讓用戶在Web中體驗到APP般的操作感覺，同時，MUI框架能在不同分辨率的設備下做出不同的響應，體現了良好的適應性。采用了MVVM的設計模式，即雙向數據綁定，加快了開發的進度。

其中，前端通過Ajax請求進行數據的獲取，并將返回到的數據渲染出來在前端顯示，職位詳情頁面部分代碼如下所示。

4.2 平臺的后臺設計

本平臺后臺主要采用Spring Boot框架進行開發，MyBatis負責數據庫中與代碼實體類的交互，Spring Boot則負責數據的傳輸;用戶通過點擊事件發送一個請求，后端將會根據前端請求來處理數據，經過逐層傳遞，最終找到想要的數據，并返回給Controller層，前端會根據后臺展示的數據進行渲染。

其中以更新用戶信息為例，@PostMapping為一個映射路徑，@RequestBody可以將信息轉化為JSON的格式，HttpServletRequest為一個頁面請求，請求一個訪問的數據，方法內部則為一些業務的邏輯。具體代碼如下所示其中，loginToken用于判斷用戶是否登錄，獲取的Token需與緩存中的值相匹配，當匹配不成功時，則認為用戶登錄失敗，將跳回上一步操作，匹配成功時，將用戶實例化用于下一步修改用戶信息操作。

4.3 平臺的主要功能的實現

工園平臺核心功能有機器學習算法職位推薦功能、在線留言功能、標簽篩選職位功能、職位詳情展示功能以及首頁信息聚合功能。

在本項目中，使用了一個基于用戶的協同過濾算法對職位進行個性化推薦，主要是依據用戶或者項之間的相似性，給用戶推薦一些新鮮事物，挖掘用戶的其他興趣。

基于用戶協同過濾推薦的原理如下：

1）計算并分析每個用戶對項的評估（評估度量可以是瀏覽記錄、購買記錄等），得到用戶和項之間的矩陣。

2）根據用戶對項的評估通過數學公式計算出所有用戶之間的相似度（本項目采用余弦相似度度量公式）。

3）從中所有用戶中選出與當前用戶行為最相似的 前N 個用戶。

4）將這 N個用戶評估最高并且當前用戶又沒有瀏覽過的項推薦給當前用戶。

其中以機器學習算法職位推薦功能為例，其中，currentUid用于獲取當前用戶的id，userActiveDTOList用于獲取用戶瀏覽記錄，activeMap用于存儲每個用戶的行為記錄，similarityUserList用于計算用戶之間的相似度， positionCategoryList為獲得推薦的職位分類。算法思想為通過統計用戶的瀏覽記錄，使用RecommendUtils對相應的數據進行計算，計算出與該用戶瀏覽記錄相似的用戶，通過統計以及對比相似用戶的記錄，獲得被推薦的職位分類并將其推薦給用戶。

5 結束語

在“互聯網+”的浪潮沖擊下，使用快速便捷的B/S架構開發的移動Web網站將會是一個不錯的選擇，而在強調個性化的時代里擁有個性化推薦的產品將會成為人們的首選。隨著需求的變化以及時代的發展，相信在人工智能和大數據等高新技術的帶領下，推薦系統的推薦效果將會越來越好，在日后能夠更好地服務于人們的日常生活。

參考文獻：

[1] 孔曉靜. 大學生兼職行為研究報告[J]. 法制博覽， 2019（3）： 285-287.

[2] 潘志宏， 羅偉斌， 柳青. 基于HTML5跨平臺移動應用的研究與實踐[J]. 電腦知識與技術， 2013（17）： 3992-3995.

[3] 俞偉， 徐德華. 推薦算法概述與展望[J]. 科技與創新， 2019（4）： 50-52.

【通聯編輯：謝媛媛】