基于Django的人才岗位需求数据可视化爬虫系统的设计与实现_外文翻译.doc

毕业设计（论文）外文文献翻译

院系：

年级专业：

姓名：

学号：

附件：AnalysisandEvaluationofEngineering

JobDemandBasedonBigDataTechnology

指导老师评语：

指导教师签名：

年月日

基于大数据技术的工程岗位需求分析与评价

【摘要】

本文开展了基于大数据技术的工程岗位需求分析与评价研究。通过采集招

聘网站上工程职位的半结构化或非结构化招聘信息，利用文本挖掘技术，挖掘

隐藏在市场中的知识模型，构建相对完善的工程职位专业技能词典。基于大样

本数据，构建全面、多维度、高精度的后需求特征模型。该模型不仅可以解读

现有招聘市场，阐述不同职位的具体技能需求，还可以结合具体岗位职责特征

对模型进行预测分析，估算所需技能，不仅可以使候选人合理提交简历，并为

高等院校或其他相关就业机构准确、全面、深入洞察市场需求，为各单位开展

有效的人才培养提供建议。通过实验结果分析，证明所建立的工程岗位需求分

析模型与实际情况相符，对当前经济社会招聘现象具有一定的解释意义，模型

具有参考价值。

1.简介

1.1研究背景

进入21世纪以来，国家越来越重视人才培养，对教育的投入越来越大。人

们也更加注重自身和下一代文化水平的提高，从而导致高校招生规模不断扩大

[1-4]。近年来，全国毕业生数量呈线性增长。这些现象导致等待就业的人越来

越多，但就业岗位却有限且趋于饱和，就业形势越来越严峻[5-7]。因此，开展

工程岗位需求分析与评价的研究十分必要。

如今，在线招聘已成为企业人才招聘部门最流行的招聘方式[8-13]。在线

招聘不受时间和空间限制，成本低、效率快。企业只需在网页上发布招聘信息

，全世界的应聘者都可以看到，覆盖面积巨大。

网络招聘公告包含大量的文字信息。一般来说，招聘信息包括企业提供的

职位描述、职责要求、薪酬福利等与招聘相关的信息，以及企业的注资情况、

业务经营情况、企业规模、工作场所等信息[12、13]。然而这些信息在网页

中都是以文本的形式存在，基本上属于非结构化或半结构化的形式，传统的针

对结构化数据的统计分析方法已经不适合了。

1.2研究意义

本文基于计算机、统计学、信息学等学科知识，综合运用统计分析、文本

挖掘、机器学习等方法对工程类岗位招聘信息进行挖掘，旨在从招聘信息中找

出隐藏的相关信息。提取出的需求特征，进一步拓展文本挖掘技术在现实生活

中的应用。

从研究方法上看，本文研究的数据来自网络招聘数据，与单一研究和问卷

调查获得的数据不同。从在线招聘网站得到的数据是，招聘企业遍布中国各大

省份，涵盖了各种企业规模，从几十人的私营企业到数十万员工的国有企业和

上市公司。企业领域涉及方方面面，完全弥补了简单问卷调查带来的片面结论

。其次，本文利用中文文本挖掘技术，从大量招聘信息中智能高效地提取关键

特征词，大大节省了人工编码和分析的成本和时间。

从研究结果来看，本文利用中文文本挖掘技术对招聘信息的需求特征进行

挖掘和分析。从结果中我们可以得到相应的结论：对于高校来说，一方面应结

合市场真实的人才需求和高校的教学优势制定具体专业的培养计划，另一方面

，为培养全方位、高素质应用型人才提供参考，学校可以设立专门的就业部门

，随时关注社会上的招聘信息。一旦有适合学生应聘的职位，就业信息将及时

转发给学生，以便学生更准确地定位自己的就业方向；对于学生来说，面对海

量的招聘信息，学生可以快速定位关键信息，找到自己适合应聘的职位，并在

日常学习和生活中自觉培养自己的职业素养，针对某一类型的企业或某一特定

职位。进步;对于企业来说，根据岗位要求发布招聘公告，将更有利于合适人

选投递简历，企业也能招聘到合格的人才。

2.相关理论与技术

2.1文本挖掘定义

文本挖掘涉及的领域非常广泛。根据不同的知识结构体系和研究方向，学

者们对文本挖掘的理解和定义会有所不同，各个领域的核心技术也有所不同。

但一般来说，任何领域的专家提出的定义基本上都是基于文本数据、文本信息

、文本知识定义来解释的。文本数据是由人们可以理解但不能充分利用的自然

语言文本集组成的，因此文本数据也具有语言本身的模糊性和歧义性；文本信

息是指通过一定的方法和手段对文本数据进行处理，将数据编码成一组计算机

可以识别的、结构化的、明确的格式化数据；文本知识是指从文本数据中提取