打开文本图片集

摘要：在高等教育体系中，大学生职业规划教育作为贯彻国家以人为本素质教育战略方针的关键环节，不仅彰显了高校对于学生个性化发展的重视，更成为提升大学生就业竞争力与未来职业发展潜力的有效手段。然而，当前众多高校在职业规划教育体系的构建上尚显不足，多数教育形式仍局限于传统的课堂教学、讲座和网络课程等，这些方式往往过于注重知识传授的过程，而未能充分关注其对学生职业规划实践能力的实际影响。鉴于职业规划本身的动态性和长期性，单纯依赖课堂教学或讲座已难以满足学生全面、深入的职业规划需求。因此，构建更加系统、全面且富有实效性的大学生职业规划教育体系，已成为当前高等教育领域亟待解决的问题，而职业规划推荐算法可以一定程度上弥补现行职业规划教育的不足，为学生提供一套完整且全面的规划方案，并将目标细分到每个学期、每一周，将职业规划落实到学生的学习生活中去，提高就业竞争力。

关键词：毕业生；就业；职业推荐；混合模型

一、研究背景

随着社会的不断发展和经济的快速增长，大学生就业问题备受关注。大学生作为国家未来的栋梁之材，其就业问题直接关系到国家的发展和未来。然而，在当前复杂多变的就业市场环境下，大学生面临着诸多挑战和困惑，如何更好地匹配个人特质与职业需求成为亟待解决的问题。因此，本研究旨在通过构建基于混合模型的大学生职业推荐算法，旨在更精准地为大学生提供个性化的职业推荐，帮助他们更好地规划职业发展道路，实现人才与需求的优化匹配。本研究研究推荐算法混合模型，探索多维度的大学生素质评价体系，并构建适用于不同专业背景、兴趣爱好的个性化职业推荐模型，为大学生的职业规划提供科学依据和可行建议。

智联招聘发起的2021大学生就业力调研显示：毕业后就业的应届生较上一年收缩幅度较大。主要原因有：“人岗不匹”，企业找不到合适岗位的人才，主要体现在我国经济在转型阶段出现了结构性的失业，既有职位空缺又有失业，专业化人才不足。劳动力市场供求“冷热不均”，毕业生“求职难”与制造业“招工难”并存，说明劳动力专业供给结构与劳动力行业需求结构错配问题依然突出。新冠疫情显著降低劳动力市场的配置效率，就业与招工的难度大大提升，网络面试为选择合适的人才增加了难度。在持续疫情的几年里，学生与外界社会有一定程度的脱节，实习经历的减少，造成岗位认知不足与就业的匹配度下降。目前劳动力市场问题的核心在于人才结构，专业化的人才需求才是发展的趋势。

二、研究目的

（一）招聘平台繁杂，跟不上劳动力市场变化

目前，市面上职业规划软件或者平台很多，包括就业创业宝典，千职鹤，职前通，掌上生涯，以渔有方实训平台，贤于测评，雅课，哪尚学平台，职联社，职升梯等等，但这些系统大部分都各自为阵，功能，目标群体都较为分散，形成集数据为一体、功能丰富且新颖的软件不仅有利于大学生得到一套完整且全面的职业规划方案，而且方便他们将职业规划落实到自己的学习生活当中去，切实提高就业竞争力。

（二）高校缺乏有效的就业信息管理与专业指导功能

在高等教育体系中，部分高校已经设立了就业指导中心或就业办公室，其核心职责在于向学生提供全面的就业信息服务，并辅助学生高效完成毕业、就业等关键流程。然而，在就业信息的处理方面，当前多数高校仍普遍依赖传统的人工方式，如通过收集、整理和分析三方协议等手段来统计学生的就业情况。这种传统方式虽然在一定程度上满足了基本的就业信息统计需求，但对于毕业生实际就业去向的长期跟踪与统计却显得效率低下，且耗费大量的人力、物力和财力资源。因此，探索更高效、精准且经济的就业信息处理方式，已成为高校就业指导工作面临的重要挑战。

三、研究创新

本项目设计的推荐系统功能十分全面，包括职业规划、目标细分、监督执行、就业指导、招聘信息推送、交流互动、升学信息推送等多个功能。首先，根据用户的情况进行精准的职业推荐与目标设定，将目标细分并具体化，帮助用户将职业规划落实到日常学习中。其次，建立监督机制，连接学校相关信息系统，实时分析用户的现状和进度，并展示给用户，使他们能够及时了解自己的学习情况和状态，并定期进行总结分析，以帮助用户更好地完成职业规划。此外，提供精准推送的招聘信息和升学信息，节约用户信息查询的时间，高效满足用户的需求。针对毕业生用户，我们还提供就业指导服务，包括职业期待、简历制作、面试技巧等，以避免毕业生对就业期待过高而出现心理挫败感。最后，为用户提供校友沟通交流的平台，让就职用户可以自主选择将其内部的招聘信息进行公开分享，以便为求职用户，特别是毕业生，提供更多的就业机会和发展空间，为他们搭建一个更宽广的求职平台。这种信息共享的方式，旨在通过资源的有效整合与传递，为毕业生创造更多的职业选择和发展可能性。

在模型融合创新方面，采用混合式推荐算法来推荐结果。然而，由于无法确定最佳推荐结果，设计多粒度权重混合系统来综合评估推荐结果。这个系统包括权重计算模块、模型融合模块和推荐结果模块。首先，在权重计算模块中，采用FRMV-FCM（特征约简的多视角模糊聚类算法）算法来计算模型权重。该算法可以学习出各个视角的特征权重，从而避免不重要特征和冗余特征对聚类的影响。同时，在特征权重小于设定阈值时，该算法还能自动删除这些特征，以提高聚类质量和速度。接下来，在模型融合模块中，根据输入的预测评分数据、视角权重和特征权重，通过加权和的方式计算推荐算法预测评分与对应权重的混合结果。最后，在推荐结果模块中，我们对混合结果进行过滤和排序，为用户生成个性化的推荐结果。

此外，希望与企业合作，为企业预培养人才。企业可以将职位需求和所需要的技能发布到平台上，并获取预求职该职位的学习者的资料。通过实时了解学习者的成长变化，并对有潜力的学习者进行帮助，企业可以直接挑选符合要求的人才，从而降低招聘和培养的成本。同时，学习者也可以通过与企业的沟通联系更好地进行职业学习，加强与企业的合作关系。

综上所述，本项目的推荐系统功能全面，包含多个特色功能，并具有广泛的信息汇总功能。同时，在模型融合方面进行了创新，设计了多粒度权重混合系统来评估推荐结果。此外，与企业合作，为其预培养人才，提供了更好的就业机会和发展机会。这些特点将使设计的平台成为学生职业规划和就业指导的有力工具，并为企业提供高质量的人才资源。

四、个性化职业推荐系统设计与算法实现

（一）系统总体框架构建

1.效果反馈层

基于用户反馈，召回策略，A/Btest， 离线评估。

2.应用层

应用层是该系统的非常重要的组成部分，是对信息处理的重要环节，按功能的不同可以分为：职业规划、监督执行、交流互动、资源推荐。

3.业务逻辑层

业务逻辑层位于数据库之上，专门处理软件业务需求，包括制定业务规则和实现业务流程。

4.推荐算法层

基于内容推荐；基于协同过滤推荐；基于跨域推荐。

5.数据处理层

基于用户信息、职业标签、招聘信息、公司岗位信息、管理员信息、用人单位信息、学校信息进行分析和加工。

6.数据计算层

使用MapReduce、Hive-Sql、Spark-Sql、Spark-Streaming完成分析、计算、统计。

7.数据储存层

使用Hbase、RDS、Redis、Hadoop、Kafka完成数据存储。

8.数据采集层

使用FileBeat、Kafka、Logstash、ElasticSearch完成数据采集。

基金项目：成都信息工程大学大学生创新创业训练计划项目（202310621235蓝图——大学生职业规划APP）资助

（二）基于数据收集的系统功能模块设计

本项目以大学生职业规划为主题，为了促进大学生能够迅速且有效地获取与未来职业相关的关键信息，并提前进行职业规划，我们构建了一个综合性平台，为学生和企业招聘会之间建立了直接的便捷通道。该平台旨在为学生提供全方位的就业指导，助力他们找到最适合自己的职位。其功能模块包括：注册登录、首页、监督执行、交流互动、升学、就业信息、就业指导、招聘信息、“我的”。

1.注册登录模块

用户下载软件后，登录并完善个人信息，系统将根据职业爱好和现状推送职业规划信息。

2.首页模块

首次进入页面后会弹出调查问卷，用户需要做性格测试、自身情况与职业期待调查问卷。平台分析结果后进行职业推荐，基于混合式推荐算法实现。

3.监督执行模块

建立监督机制，连接学校相关信息系统、对用户进行实时现状分析、完成进度显示等功能。

4.交流互动模块

该模块主要为毕业生用户搭建相互沟通交流的平台。

5.升学模块

该模块主要为大学想要考研的用户提供考研的相关信息，含有大学的报考条件，择校条件，报考时间，报考流程。在该页面中下部设置有备考攻略，给需要备考的用户带来最新的相关备考信息。

6.就业信息模块

该模块放置最新的招聘新闻。

7.就业指导模块

该模块致力于为大学生提供全方位的就业指导服务，涵盖三个核心子模块：职业期待、简历制作、面试技巧。职位信息模块，此模块旨在为用户提供与其求职意向相匹配的职位信息，校园招聘会模块，此模块实时更新不同时间段内举办的校园招聘会信息，方便学生及时了解并参加。招聘简讯模块，此模块根据用户的个人信息和求职意向，对海量招聘信息进行精准筛选，并推送给用户，确保信息的针对性和有效性。

8.招聘信息模块

该模块专注于将企业的招聘信息和岗位信息实时推送给毕业生用户，确保用户能够迅速获取到最新的招聘动态，为求职提供便利。

9.“我的”模块

我的模块主要包括基本信息、职业规划、简历、收藏、投递、关注公司、企业认证等。

（三）基于混合模型的职业推荐算法设计

1.算法选择

混合式推荐算法结合了多种策略，以协同过滤为主体，辅以基于内容和跨域推荐的方法。协同过滤采用用户-用户、物品-物品两种方式，并结合隐语义模型进行模型推荐。通过知识图谱加强模型与邻域算法的联系。最终，混合各种算法实现准确且多样化的推荐效果。

2.协同过滤算法

系统追踪并记录用户对招聘信息的多种互动行为，包括点击浏览（作为隐式反馈）、收藏和投递简历（作为显式反馈）。基于用户所展示兴趣的招聘信息，系统会寻找与之相似的其他招聘信息，并将这些相似的职位信息推荐给用户。

3.基于内容的推荐算法

基于内容过滤是推荐领域的一种流行技术，这里的“内容”指的是用户喜欢事物的内容或属性。系统会通过收集的信息，如用户信息、职业标签、招聘信息等特征，然后对这些信息进行整理推荐，根据用户的特征和喜好来向用户推荐其可能喜欢的职业。

4.基于跨域推荐的算法

在传统推荐系统中，推荐通常基于单一领域内的用户历史行为数据来预测用户的兴趣并进行推荐，比如抖音app根据用户之前观看的视频来推荐新的视频内容。然而，跨域推荐则采取了不同的策略，它整合了多个领域的数据，并利用其他领域（即源领域）的信息来辅助目标领域的推荐过程，从而在单一领域或跨多个领域实现更精准的推荐。值得注意的是，跨域推荐并非简单地结合不同领域的数据，而是要求这些领域间存在一定的信息重叠。在本次研究中，我们特别关注于公司岗位信息、管理员信息、用人单位信息以及学校信息等特征，通过深入分析和加工这些特征，以实现更为有效的跨域推荐。

5.混合推荐方式

（1）权重计算模块

基于FRMV-FCM（特征约简的多视角模糊聚类算法）算法计算模型权重。同时根据FRMV-FCM特征选择修正模型。

（2）模型融合模块

该模块主要负责计算混合结果。模型融合模块根据输入的预测评分数据、视角权重（视角权重参数根据调查和专家设置），特征权重，并且添加专家赋权计算推荐算法预测评分与对应权重的加权和。

（3）推荐结果模块

根据模型融合模块的结果，对混合结果进行过滤、排序，为用户生成个性化推荐结果。

（四）系统开发

1.开发环境

经过深入的市场调研，发现大多数高校学生倾向于使用搭载安卓操作系统的手机。因此，为了覆盖更广泛的用户群体并便于后期的推广和应用，最终决定采用Android作为大学生职业规划APP的开发平台。

该系统由管理员后台和用户移动端两部分构成。移动端基于Android平台进行开发，采用Java作为主要的开发语言，并选用技术成熟的Spring Boot框架进行快速开发，同时使用MySQL作为系统数据库。服务端则采用Spring Boot框架，结合html5、CSS以及SQL Server数据库进行开发。

2.开发要点

在Spring Boot的开发环境下，大学生职业规划APP分为客户端和服务端两大部分。客户端的主要功能包括实现职业规划、发送简历、搜索和浏览就业的相关信息、发布留言以及设置个人信息等。服务端则主要负责提供职业规划信息、招聘信息、就业指导、岗位信息、考研信息等信息的浏览服务，并且能对这些信息进行精准分类和推送。此外，服务端还需要根据用户的个人信息精准推送适合用户的职业规划计划和求职岗位的信息。

在服务端，通过Spring Boot的Controller层来获取请求参数，并调用Service层进行处理。Service层会进一步调用DAO层来与数据库进行交互，从而实现了Controller层对数据库的间接访问，以获取客户端所需的所有数据。

后台会收集并保存职业规划信息、岗位信息、就业指导和政策、招聘信息等信息到数据库中，并在客户端进行展示供用户浏览和查询。移动端软件会将用户的个人信息发送到服务器，然后从服务器获取到相应的职业信息、岗位信息等进行展示，并将用户交流等数据发送回服务器。服务器会对所有接收到的信息进行处理然后存储到数据库中。

3.数据库设计

为了实现基于Spring Boot的大学生职业规划系统的所有功能模块，我们在数据库中创建了用户表、职业规划表、简历表、公司信息表、关注公司表、收藏表、签到打卡表、留言表和投递记录表等数据表。这些表格能够提供必要的数据支持，以确保系统的顺畅运行。

五、讨论与展望

在毕业生就业面临诸多挑战的当下，劳动力市场的错配和结构性失业问题亟待得到解决。新冠疫情的影响使得劳动力市场的配置效率降低，同时也加剧了人才供需之间的矛盾。针对这一现状，大学生职业规划系统的推出为专业化人才的培养提供了新的途径，为毕业生和企业搭建了一个更有效的沟通平台，促进就业环境的改善，为国家经济的快速发展和稳定做出应有贡献。

参考文献

[1]韩丽东.大学生职业规划学习资源推荐平台设计与应用研究[D].云南师范大学，2022.DOI：10.27459/d.cnki.gynfc.2022.000950.

[2]薛妍.高校学生就业推荐算法研究及应用[D].西北大学，2019.DOI：10.27405/d.cnki.gxbdu.2019.000040.

[3]胡凯达.基于混合推荐算法的个性化新闻推荐系统设计与实现[D].北京邮电大学，2021.DOI：10.26969/d.cnki.gbydu.2021.001283.

[4]谢一敏.基于用户画像和职业标签的职业推荐技术及其系统实现[D].杭州电子科技大学，2022.DOI：10.27075/d.cnki.ghzdc.2022.000845.

[5]薛亮，冯尊磊，凌兴宏等.基于标签聚类和协同过滤算法的就业推荐系统设计[J].微型电脑应用，2024，40（01）：1-4.

[6]巩云飞.大学生就业服务APP的设计与研究[J].现代信息科技，2020，4（12）：88-89+92.DOI：10.19850/j.cnki.2096-4706.2020.12.027.