大數(shù)據(jù)視域下網(wǎng)絡(luò)招聘數(shù)據(jù)信息挖掘的研究

張長華

（河北建材職業(yè)技術(shù)學(xué)院，河北 秦皇島066000）

信息技術(shù)的快速發(fā)展，改變了傳統(tǒng)崗位招聘模式，從線下招聘逐漸向網(wǎng)絡(luò)招聘方向發(fā)展，大部分企業(yè)的招聘信息均借助網(wǎng)絡(luò)平臺(tái)發(fā)布[1]。隨著時(shí)間的推移，網(wǎng)絡(luò)招聘數(shù)據(jù)越來越多。目前，部分高校通過對(duì)招聘數(shù)據(jù)信息進(jìn)行統(tǒng)計(jì)分析，設(shè)計(jì)人才培養(yǎng)決策方案[2-3]。為了加深對(duì)招聘數(shù)據(jù)信息的剖析，各大高校陸續(xù)引入數(shù)據(jù)挖掘技術(shù)展開探究。本文以數(shù)據(jù)分析類崗位為例，對(duì)該崗位招聘特征信息挖掘進(jìn)行研究。

1 數(shù)據(jù)獲取

本研究對(duì)我國多家招聘網(wǎng)站進(jìn)行調(diào)研，選擇網(wǎng)站在招聘行業(yè)的權(quán)威性、崗位招聘相關(guān)信息數(shù)據(jù)量、數(shù)據(jù)抓取難度等指標(biāo)作為指標(biāo)進(jìn)行綜合對(duì)比，最終確定本次研究數(shù)據(jù)來源，包括前程無憂、獵聘網(wǎng)、智聯(lián)招聘、拉勾網(wǎng)。采用數(shù)據(jù)挖掘技術(shù)，在這4個(gè)網(wǎng)絡(luò)平臺(tái)中挖掘與崗位招聘特征相關(guān)的信息，如果某條信息符合特征信息標(biāo)準(zhǔn)，則立即抓取，并生成信息抓取統(tǒng)計(jì)表[4]。該表中含有崗位所在城市、工作經(jīng)驗(yàn)、全職/兼職、最低學(xué)歷要求、崗位領(lǐng)域、福利待遇、崗位標(biāo)簽、職位描述等關(guān)鍵詞及其相關(guān)信息。

2 研究方法

本研究根據(jù)數(shù)據(jù)字段特點(diǎn)，對(duì)崗位描述文字進(jìn)行劃分，形成多個(gè)分詞詞集，經(jīng)過聚類分析和詞頻統(tǒng)計(jì)，為TF-IDF 計(jì)算和數(shù)據(jù)可視化處理提供可靠數(shù)據(jù)。如圖1 所示，為崗位招聘特征信息挖掘研究思路。

圖1 崗位招聘特征信息挖掘研究思路

3 實(shí)驗(yàn)設(shè)計(jì)

3.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是決定了數(shù)據(jù)挖掘結(jié)果精準(zhǔn)度的重要環(huán)節(jié)，為了盡可能提高挖掘結(jié)果精準(zhǔn)度，本研究在此環(huán)節(jié)構(gòu)建了詞匯庫，將設(shè)定的信息挖掘關(guān)鍵詞匯添加到這個(gè)詞匯庫中，從而避免數(shù)據(jù)在預(yù)處理期間分解。以下為數(shù)據(jù)預(yù)處理具體流程：

第一步，添加自定義停用詞詞典。根據(jù)崗位招聘調(diào)整情況，在詞典中定義已經(jīng)停止招聘的崗位、企業(yè)等相關(guān)信息對(duì)應(yīng)的詞匯，在自定義功能欄中完成。

第二步，添加自定義詞典。根據(jù)崗位招聘調(diào)整情況，在詞典中定義新增加的崗位名稱、企業(yè)等相關(guān)信息對(duì)應(yīng)的詞匯。

第三步，分詞去停用詞。根據(jù)崗位招聘調(diào)整情況，去除崗位描述修改詞匯，避免專業(yè)短語在分詞過程中出現(xiàn)詞匯分解情況。

第四步，根據(jù)詞性不同，分別標(biāo)注。

3.2 崗位福利待遇權(quán)重

本研究在分析崗位描述性關(guān)鍵詞在文本集中的重要程度時(shí)，選取TF-IDF 算法作為研究工具，通過數(shù)據(jù)計(jì)算，得出結(jié)論。其中，TF 計(jì)算數(shù)值為詞頻，一般情況下，對(duì)此部分?jǐn)?shù)據(jù)采取歸一化處理。假設(shè)，關(guān)鍵詞為ti，則任一詞匯對(duì)應(yīng)的TF 數(shù)值計(jì)算方法如下：

公式（1）中，mk，j代表中文經(jīng)過分詞處理以后出現(xiàn)的頻率總和；mi，j代表關(guān)鍵詞出現(xiàn)的頻率。模型中，IDF 數(shù)值表示反文檔頻率，該項(xiàng)指標(biāo)計(jì)算公式如下：

公式（2）中，|{j:ti∈di}|代表文件數(shù)目，且文件中含有關(guān)鍵詞；|D|代表文件總數(shù)，其中文件來自文本集。

利用公式（1）和公式（2）計(jì)算獲取TF 數(shù)值和IDF 數(shù)值以后，計(jì)算崗位招聘關(guān)鍵詞對(duì)應(yīng)的TF-IDF 數(shù)值，計(jì)算方法：兩數(shù)值的乘積。

采用上述計(jì)算方法完成數(shù)據(jù)預(yù)處理，分別統(tǒng)計(jì)崗位招聘福利待遇字段相關(guān)信息，在詞頻統(tǒng)計(jì)端輸入這部分信息，而后計(jì)算TF-IDF 數(shù)值。按照數(shù)值大小排序，選擇排名前21 名關(guān)鍵詞作為分析指標(biāo)。為了掌握各個(gè)招聘網(wǎng)站崗位招聘特征基本情況，創(chuàng)建4 個(gè)文件，用來存儲(chǔ)各個(gè)招聘網(wǎng)站信息，形成福利待遇基本信息文件系統(tǒng)。

3.3 網(wǎng)絡(luò)招聘崗位描述

本研究對(duì)招聘崗位描述的探究，以相似性原理作為研究基礎(chǔ)，綜合對(duì)比多種崗位描述方法，最終選擇K-means 算法，主要原因是該方法的描述結(jié)果比較客觀，支持文本向量化處理。

K-means 算法在本次研究中的應(yīng)用，主要用于崗位需求詞匯的聚類分析。在應(yīng)用之前，構(gòu)建Word2Vec 模型，量化文本。而后，按照關(guān)鍵詞向量值不同，開啟崗位需求詞匯聚類分析模式。

依據(jù)相似性原理，選擇各個(gè)關(guān)鍵詞之間的向量間距作為判據(jù)，對(duì)相關(guān)詞匯進(jìn)行聚類分析。其中，向量間距的計(jì)算，本研究應(yīng)用歐式距離計(jì)算方法，設(shè)計(jì)以下計(jì)算公式：

分類中心的定位決定了聚類分析精準(zhǔn)度，為了盡可能精準(zhǔn)定位，本研究增加了迭代處理次數(shù)，采用動(dòng)態(tài)迭代方法加以處理。其中，下一次迭代處理建立在上一次迭代聚類計(jì)算結(jié)果基礎(chǔ)上，依據(jù)調(diào)整后的mean 數(shù)值，確定分類中心。關(guān)于類簇中心的計(jì)算公式如下：

公式（4）中，Ck代表編號(hào)為k 的類簇，該類簇?cái)?shù)據(jù)總和記為|Ck|。

當(dāng)算法應(yīng)用達(dá)到一定迭代次數(shù)以后，需要停止迭代。目前，應(yīng)用比較多的方法有兩種：一種為設(shè)置固定的迭代次數(shù)，在已知迭代處理次數(shù)需求情況下應(yīng)用，不適合應(yīng)用至本研究。另外一種迭代方法集準(zhǔn)則函數(shù)、誤差平方為一體，通過構(gòu)建以下函數(shù)模型：

公式（5）中，K 代表類簇?cái)?shù)量。利用此公式計(jì)算聚類數(shù)值時(shí)，向設(shè)定參數(shù)σ，對(duì)比數(shù)值σ 與數(shù)值ΔJ 數(shù)值大小，如果ΔJ＜σ，那么當(dāng)前公式（5）計(jì)算結(jié)果為最終聚類計(jì)算結(jié)果。依據(jù)此計(jì)算數(shù)值，準(zhǔn)確劃分崗位描述詞匯的類別。

4 實(shí)驗(yàn)結(jié)果分析

4.1 崗位福利待遇統(tǒng)計(jì)

關(guān)于崗位福利待遇信息的挖掘，采用TF-IDF 統(tǒng)計(jì)法挖掘數(shù)據(jù)并計(jì)算，從而掌握崗位福利待遇在權(quán)重分布情況。本次研究選取21 個(gè)關(guān)鍵詞作為信息挖掘指標(biāo)，利用公式計(jì)算TF-IDF數(shù)值，結(jié)果如表1 所示。

表1 福利待遇權(quán)重統(tǒng)計(jì)表

4.2 崗位聚類分析

本次應(yīng)用測試，在操作界面上自定義詞典，分詞去除停用詞，對(duì)“數(shù)據(jù)分析崗位”詞頻進(jìn)行統(tǒng)計(jì)，選擇頻率出現(xiàn)比較高的關(guān)鍵詞作為分析指標(biāo)，輸入K-means 算法中，有效劃分崗位需求類型。其中，類別數(shù)量設(shè)定為5 類，同時(shí)在數(shù)據(jù)挖掘界面展示高頻排名前15 關(guān)鍵詞。如圖2 所示為聚類分析結(jié)果。

圖2 中，第一類聚類分析結(jié)果涵蓋了崗位業(yè)務(wù)能力，以產(chǎn)品運(yùn)營能力為首，對(duì)分析報(bào)告、需求分析提出了一定要求。第二類聚類分析結(jié)果以學(xué)歷、專業(yè)、專業(yè)課程為主。第三類分析結(jié)果以崗位技能掌握情況作為招聘核心。第四類和第五類分析結(jié)果分別統(tǒng)計(jì)了個(gè)人能力、招聘企業(yè)信息。

5 結(jié)論

大數(shù)據(jù)時(shí)代的到來，為招聘數(shù)據(jù)信息統(tǒng)計(jì)提供了有利工具，利用數(shù)據(jù)信息挖掘軟件，開發(fā)招聘數(shù)據(jù)信息統(tǒng)計(jì)方案，使得數(shù)據(jù)信息得以最大化利用，幫助各大高校明確當(dāng)前市場招聘情況。本文以“數(shù)據(jù)分析崗位”招聘信息為例，提出招聘信息統(tǒng)計(jì)研究。統(tǒng)計(jì)結(jié)果表明，此類崗位對(duì)從業(yè)經(jīng)驗(yàn)1 年至3 年的人才需求量較大，福利待遇方面，當(dāng)前公司給予的條件與人才需求基本相符，對(duì)求職者的業(yè)務(wù)能力、個(gè)人綜合素質(zhì)、崗位技能等要求較高。