高校精準推送就業服務平臺模型設計研究

趙思佳 尹 婷

（湖南環境生物職業技術學院，湖南 衡陽 421001）

0 引言

在互聯網時代背景下，高校學生面對的市場就業信息呈爆發式增長，然而大量的就業推送信息呈碎片化形式傳播，完整性不強且存在信息邏輯混亂、可信度不高等問題，難以直接為畢業生就業提供有效支持[1]。以上因素極易引發高校學生對社會實際就業市場需求產生困惑，直接影響高校畢業生的就業決策。基于以上問題，該文設計研究了一款針對高校畢業生精準推送就業服務的平臺模型。通過分析高校畢業生的就業喜好或現實需求，整合了系統功能模塊、數據信息采集、數據信息匹配、數據信息推送及算法分析體系，系統構建了一套高校精準推送就業服務平臺模型，旨在推進高校大學生在面對繁雜數據信息的背景下能高效地對各類重復無效信息進行篩選辨識，以此提升高校畢業生個人就業決策能力，實現高校畢業生精準就業。

1 高校精準推送就業服務平臺模型設計

高校畢業生在擇業就業過程中很容易出現供需結構矛盾現象。一方面，高校畢業生人數眾多，但招聘企業不易招到所需人才；另一方面，高校畢業生就業困難，部分高校畢業生雖然有實習經驗，但真正面臨畢業時仍需要再次面向社會尋找工作。基于以上現實需求，設計高校精準就業推送服務平臺模型可有效解決高校畢業生與用人單位供需結構的矛盾。

1.1 模型架構

精準推送就業服務平臺模型推薦系統主要包括人才市場與畢業生需求關聯的規則、數據信息內容的采集以及協同過濾實現精準推送等[2]。向高校畢業生推送相關就業信息資源的過程中，借助大數據算法分析可有效規避就業數據推薦不精準、指向不明確等問題。該文根據高校畢業生用戶的實際就業需求，一改傳統的就業服務模式，設計了一款高校畢業生精準推送就業服務平臺模型，面向高校畢業生進行有針對性的精準就業服務，以滿足高校畢業生的就業需求，幫助高校畢業生成功實現精準就業。該系統由用戶模型、可視化展示和數據保存等子系統組成。其應用架構如圖1 所示。

圖1 高校畢業生精準推送就業服務系統應用架構

在用戶模型中，系統對大量采集到的用戶基本數據與瀏覽行為進行信息篩選提取，形成高校畢業生用戶個人標簽屬性。借助數據分析，系統將不同用戶群劃分成不同類別群體，利用個性推送平臺提取用戶畫像的標簽模型，然后經過濾，以調用接口數據的方式向用戶推送信息，最終將高校畢業生的就業需求數據呈現在用戶面前[3]。

1.2 功能模塊

對系統進行功能模塊化設計的核心意義在于分離職責，降低高校精準推送就業服務平臺模型實現的難度，同時建立相應的視覺和交互規范，這是必不可少的工作環節，對一些復用性較高的組件，可以將其模塊化。組件功能模塊有助于高校精準推送就業服務平臺保持系統輸出的一致性，提高平臺設計效率，在一定程度上可提升高校精準推送就業服務平臺模型的開發效率，降低該系統模型在后期使用或維護中的工作難度及工作量，便于用戶及系統操作人員協同操作，實現高校畢業生就業數據信息的個性化推送。高校精準推送就業服務平臺模型設計架構如圖2 所示。

圖2 用戶模型模塊架構

根據圖2 可知，高校精準推送就業服務平臺模型模塊由用戶信息、可視化展示和管理配置3 個部分組成。用戶信息主要收集高校畢業生用戶的個人信息，主要用于搜集畢業生就業方向偏好及具體需求，其中包括基本信息和就業需求；可視化展示是該系統模型架構的核心，對就業周期、市場數據以及用戶就業喜好等數據的分析，為用戶提供可視化服務，幫助決策者對就業信息細節有更深層的了解；配置管理可實現對高校精準推送就業服務平臺數據有組織的檢查，對就業服務需求的數據研究具有重要作用，同時便于對模型后期實施優化及管理[4]。

2 高校精準推送就業服務平臺的運行與實現

打通就業崗位資源，開辟精準化、智慧化的高校畢業生就業管理新模式，可通過數據采集、配置管理、數據匹配、數據推送和數據運算等方式實現針對高校畢業生就業需求的個人發展診斷及就業崗位推薦。

2.1 數據采集

高校精準就業資源推送平臺需要基于有效的就業資源數據、高校用戶數據及畢業生用戶行為數據等基礎信息數據。基于此，建立服務平臺模型前需要建立有效的大數據基礎平臺，用以匯集人才市場就業信息數據、畢業生用戶需求等多方信息，利用數據處理算法，幫助畢業生獲得就業最優選項[5]。

采集用戶數據是建立高校精準推送就業服務平臺模型最基本、最重要的步驟，用戶信息數據由數據庫進行保存，數據庫的建立主要包括用戶信息數據庫及可視化就業信息數據庫2 個方面。數據采集流程如圖3 所示。

根據圖3 可知，在頁面初始化階段，獲取初始化頁面URL 地址，當所述URL 地址處于第一預設URL 地址時，向服務器發送用戶行為信息采集插件的獲取請求，接收所述服務器基于所述獲取請求返回的用戶行為信息采集插件和配置文件，并調用所述用戶行為信息采集插件采集用戶行為信息。收集到相關數據信息后，系統判斷所述用戶行為信息中的用戶標識是否處于所述配置文件的名單，如果在所述標識處進行配置，則可將所述用戶行為上傳至數據庫備用[6]。

圖3 數據采集流程圖

2.1.1 用戶信息采集

高校畢業生在該平臺進行首次注冊后填寫個人基本信息，為服務平臺提供自身的相關專業及就業喜好數據，隨后交由數據庫對個人信息進行評測，對用戶輸入的個人基本信息、個人就業喜好等各類拓展信息進行二次整理，為后續及時推送相應職位奠定基礎。

2.1.2 可視化就業信息數據

2.1.2.1 就業周期

就業周期信息需要對多方數據進行收集，如通過抓取社會面發布的各層次就業信息，了解學生在相應企業或某崗位的就業狀況。

2.1.2.2 市場數據

學生登錄就業服務平臺后，平臺采集的所有市場就業數據信息均能夠作為高校畢業生的有效就業資源，為學生逐級進行篩選做準備。企業搜索與評價的相關信息可作為市場數據信息庫的主要來源，在搜索相應資源后，利用數據分析平臺對這些市場數據信息進行分類整合，使其數據信息直觀地呈現在用戶面前[7]。對就業市場數據資源信息庫進行補充與采集，需要多次搜集或更新人才市場多方面的信息，以此保證數據資源的準確性及新穎性，便于平臺實時根據人才市場變動對推送信息做調整，進而滿足不同高校畢業生用戶的就業需求。

2.2 配置管理

配置管理數據庫的作用在于收集所有與配置相關的信息資源，并利用采集獲取到的有效信息實現對系統評價結果的變更，為系統配置管理過程提供管理數據信息。配置管理數據庫后臺操作流程如圖4 所示。

圖4 管理配置后臺操作流程圖

管理配置后臺的作用主要在于后期對預設值可隨時進行增刪或修改操作。該數據庫配置管理模塊采用Web工程構建，應用Tomcat7 軟件對該模塊進行部署，使其具有可視化的編輯能力。完成人工配置預設值工作后，新錄入的數據可及時對各模塊進行任務生效，如個別信息不需要即時生效，可設定定期任務，在下次執行過程中根據新發布數據運行。

基本需求：僅能夠對用戶模型中的基礎需求等級數據進行判斷，可對判定邏輯中的數值進行修改。

拓展需求：對用戶模型的拓展需求進行修改，可隨時對用戶需求、需求等級、用戶喜好和用戶標簽等不同的信息內容進行增刪。

信息管理：用于增刪相應的企業崗位，包括具體崗位名稱、企業介紹和企業招聘時間等信息。

用戶管理：將人才就業市場招聘崗位同用戶需求及用戶拓展需求信息相關聯，并進行等級化排序，將其作為精準推送就業崗位的匹配依據。

黑名單：將被系統過濾后的無效信息進行自動處理，如企業發布的無效崗位、過期信息等。

通過設置以上配置管理信息，優化系統模型后期管理工作，為平臺的持續開發應用做鋪墊。

2.3 數據匹配

根據用戶的個人基礎信息與行為數據可準確推測出用戶個人就業喜好，平臺通過相應的評分算法可為高校畢業生用戶提供匹配性更優的就業數據[8]。用戶需求匹配流程如圖5 所示。

圖5 用戶需求模型構建流程圖

進行數據匹配期間，平臺通過提取用戶個人信息或行為數據，確定用戶就業數據結構，標注用戶模型標簽，并為用戶進行打分服務。確定用戶就業數據評分后，選擇用戶需求就業數據，直接為用戶進行推送，由平臺計算用戶提供數據的相似度，推送相應的就業服務信息。如果標簽模型需要根據用戶拓展興趣評分進行推送，可按照以上流程持續進行。如果平臺對用戶數據不確定，則再次對必要的用戶行為、用戶偏好及個人基本屬性等基礎數據進行分析。維護用戶狀態數據期間，如果沒有該用戶的狀態數據，則在數據庫對其個人數據進行新增。如果用戶狀態數據有變更，則對用戶數據進行更新。

2.4 數據推送

協議是推送服務的核心。應用XMPP 前端、中間層和HTTP 前端構成了完整的協議架構。XMPP 前端用于維護與客戶端之間的長連接，使用EJabberd 項目來處理來自客戶端的XMPP 請求，同時通過XMQ 模塊來處理推送服務特有的XMPP 消息協議。中間層即業務邏輯層，主要用于將消息請求異步化、創建和維護消息隊列以及處理客戶端的一些命令請求（注冊、設置別名和設置topic 等）。HTTP 前端負責對接來自第三方App 服務器發消息的HTTPS 請求以及來自客戶端生成賬號的HTTPS 請求。基于大數據及算法技術的信息智能推送，提升了信息傳輸的精準效應。其推送服務流程如圖6 所示。

根據使用數據信息，對用戶大量基本信息或行為數據進行推算，得出分析結論，可挖掘出高校畢業生對某個或某類就業數據的喜好程度。結合用戶在注冊期間提交的個人基本信息、個人需求及喜好等信息，對用戶的綜合信息進行篩選，為不同畢業生推送準確的個人就業服務資源。每位用戶所接收到的就業信息同用戶個人瀏覽、搜索的就業信息資源頻率呈正相關。數據推送根據用戶瀏覽職位市場及個人行為特點挖掘用戶自身需求，實現將就業數據定向推送至高校畢業生，用戶可對相應的就業數據資源或區域進行評分。通過評分數據，大數據能更為直接有效地精準判定用戶需求，了解用戶對相似崗位的喜好程度。此外，用戶參與評價或評分，可為數據信息庫增加其他子集內容，將用戶的評價反饋進行歸納整理后，能夠更加精準地推送有效的就業服務信息，為數據庫資源的持續更新提供了一定的保障[9]。

2.5 數據算法

設高校畢業生用戶為ui，ru-I為高校用戶ui在參與瀏覽就業數據后對各類推送數據的評分，計算高校畢業生用戶ui給出的評分平均值raverage。以評分均值作為數據篩選依據，保留綜合評分高于均值的職位推送數據選項，結合崗位具有的不同屬性及其評分數值，為單個推送就業崗位生成描述性文檔DocI。組合所有評分高于均值的就業推送數據，生成相應的推送文檔，得到高校畢業生用戶ui的個人就業喜好文檔Docui。高校畢業生用戶就業推送評分數據整合示意圖如圖7 所示。

圖7 就業推送評分數據整合示意圖

應用數據算法分析獲取高校畢業生用戶的就業喜好屬性文檔Docui后，對高校畢業生用戶的喜好屬性文檔進行歸納匯集。平臺對ui屬性文檔集合進行運算分析，得出不同高校畢業生用戶在使用平臺期間推送的不同就業崗位屬性喜好分布，而后針對不同用戶的就業崗位喜好進行相似性比較推送。通過利用主題領域模型LDA（Latent Dirichlet Allocation）對用戶就業信息文檔集合進行處理運算，獲取高校畢業生用戶的喜好屬性文檔被應用于在不同主題的偏好分布值，實現應用相應值域內容的精準推送。

3 結語

互聯網技術的不斷發展推動了高校畢業生面對市場大環境下就業選擇的渠道及方式，實現了面向大數據背景下龐大就業信息資源的收集存儲、定向分析、挖掘整合及應用服務。高校畢業生借助精準化的就業信息資源服務管理平臺，能夠有效應用數據平臺提供的就業信息對個人的職業發展方向做甄選，通過應用數據平臺信息提供的資源，不斷地對自身就業需求做精細化調整，能夠促進高校畢業生同用人市場需求接軌。該文通過設計研究高校精準推送就業服務平臺模型，能夠為高校畢業生用戶提供大量的就業支持。通過利用大數據信息資源，對龐大的數據信息系統持續優化，能夠實現就業數據信息資源的精準化推送，提升高校畢業生參與就業服務的精準性及成效性，有助于節約高校畢業生的求職成本及企業招聘成本，提升高校畢業生與用人單位之間的互動效應，滿足高校畢業生精準化、高質量的就業需求。