毕业设计（论文）开题报告

1、课题的目的及意义（含国内外的研究现状分析或设计方案比较、选型分析等）
1.1本课题背景与研究目的
随着高校毕业生数量连年增长，高校毕业生的就业形式日趋严峻。然而我国各所高校的毕业生就业工作目前尚不足以为每一名毕业生提供有效的就业指导和就业推荐，大学生就业渠道的增多，企业招聘的渠道也在增多。但是渠道增多的负面影响也随之出现了。绝大部分高校的就业网仅提供企业招聘信息发布的功能，无法向毕业生提供信息推荐的功能，就如我校目前正在使用的就业网站，虽然提供了不同企业发布的招聘信息，但仍然无法实现针对每一名毕业生推荐不同招聘信息的功能。大学生的精力是有限的，很多职位仅仅通过一些检索功能是不能够进行精准覆盖的，而且很多毕业生也并不是计算机专业毕业，搜索能力不强。如何在众多的招聘信息中进行合理筛选，找出适合大学生自身特点的专业需求的岗位，成了一个关键的问题。
同百度、Google 等传统的搜索引擎注重结果相比，推荐系统表现出了更多优势。它还要研究用户模型和用户喜好，将用户感兴趣的内容呈现给用户，满足个性化的信息需求，为用户提供更好更快捷的服务。使用传统的搜索引擎获取信息时，用户键入关键词后，呈现给用户的是包含关键词的一系列信息，用户在这一系列信息中查找自己需要的内容，在信息超载时代，这一系列信息仍然是海量的。而推荐系统需要着重考虑用户的兴趣爱好，根据用户的偏好来做个性化计算，发现用户潜在的需求，挖掘出用户最可能感兴趣的内容呈现出来。目前，推荐系统主要应用于电子商务领域，电商公司根据用户的爱好、购买历史或商品浏览痕迹推荐给用户可能感兴趣的商品，或者发现用户潜在需要的商品，以此提高销量。现在不仅仅是电子商务领域，我们也要在大学生就业领域上应用精准推荐系统。如果能有效的让“工作来匹配人”， 通过“高校毕业生精准就业服务与分析系统”实现符合个人情况的就业信息推荐，那么大学生就业难的问题或许能得到很大程度的缓解。
1.2国内外研究现状分析
推荐系统的研究开始于 20 世纪 90 年代，1995 年 3月，卡耐基•梅隆大学的Robert Armstrong 等人在美国人工智能协会上提出了个性化导航系统 Web Watcher；斯坦福大学的 Marko Balabanovic 等人在同一会议上推出了个性化推荐系统 LIRA。1997年，AT&T 实验室提出了基于协同过滤的个性化推荐系统 PHOAKS 和 Referral Web。随着电子商务的兴起，个性化推荐系统逐渐成为电子商务 IT 技术的一项重要研究内容，2001 年，IBM 公司在其电子商务平台 Websphere 中增加了个性化功能，以便商家开发个性化电子商务网站。ACM 自 2007 年在美国举办了第一届推荐系统国际会议（ACM Conference on Recommender systems，简称 Rec Sys）之后又连续举办了 5 届。在实际应用方面，国外的较为著名的推荐系统有 Grouplens 网上新闻过滤系统、Jester笑话推荐系统、Ringo 音乐推荐系统、Amazon 的图书推荐系统、Netmx 网络视频推荐系统和 Youtube 视频推荐系统等。其中最为著名的是 Amazon 的推荐系统，釆用基于项目的协同过滤（Item-based collaborative filtering）推荐技术，利用用户对物品的评分来计算与用户历史喜好物品相似的最近邻集合，然后选取推荐值最高的前 N个物品推荐给用户。与国外相比，国内对推荐系统的研究起步较晚，然而随着国内互联网的广泛普及，伴随着网络用户数量逐年快速上升，特别是电子商务的快速发展，推荐系统尤其是个性化推荐系统获得了研究学者和企业应用者的更多青睐，越来越多的公司将推荐系统应用到各自的应用系统中，以提高用户的体验效果来获取用户的更长久地持续性关注。在电子商务方面的表现尤为突出，较为著名的有京东商城、当当网、阿里巴巴等购物网站的推荐系统，多媒体方面则有优酷网、土豆等视频网站的推荐模块，腾讯、新浪等也在各自的社交应用中使用了相应的推荐系统。
教育部、各级人民政府以及各高校都积极为扩宽大学生就业渠道、为提高大学生就业质量费心劳力。网络平台上针对大学生就业的服务网站也越来越多。比如智联招聘、前程无忧、应届生求职网、中华英才网等。
经过调查发现，这些就业服务网站现有的就业信息推荐形式单一，没有根据求职者的简历或偏好给出有针对性的信息推荐，个性化程度不高，常见的方式有两种：一种是关键字匹配或求职意向匹配进行信息推荐，有一定的针对性。另一种是无差别的信息推荐，推荐的是以需求最大或关注度高的职业为主。因此，在个性化就业信息推荐方面，还有很大的发展空间。
由于人才库信息量巨大，人才信息特点各异，用人单位对人才的需求各不相同，在海量的信息下信息精准匹配难度很大，个性化推荐成为网络招聘的趋势之一。
1.3本课题简介
 本课题是“高校毕业生精准就业服务与分析系统的设计与实现”，是为了更好的服务毕业生选择自己心仪的企业，提高就业率，促进高质量就业。
 具体需求主要有：用户选定关键信息权重模块、关键信息匹配检索模块、企业发布文本解析模块、推荐企业信息排序模块等
（1）用户选定关键信息权重模块：用户进行对地域，职业，薪资，学历等关键字进行权重排行。
（2）关键信息匹配检索模块：对用户选出的关键字和企业的文本中的关键字进行匹配。
（3）企业发布文本解析模块：对企业提供的招聘信息文本进行解析抽出其中的关键字。
（4）推荐企业信息排序模块：将匹配结果根据得分进行从高到低排序进行企业招聘信息的推荐。
1.4本课题意义
通过搭建基于移动终端的就业服务的分析和基础信息系统，将高校毕业生的求职需求信息与用人单位岗位需求进行智能化匹配，进行信息点对点推送并开展帮扶工作，精准把握高校就业管理服务工作方向，促进高校毕业生更加充分和更高质量就业，构建高校精准就业服务体系与就业指引体系。
2、课题任务、重点研究内容、实现途径
2.1课题任务与内容
本课题的任务是高校毕业生精准就业服务与分析系统的设计与实现，具体需要达成的系统功能如下：
当采用基于内容推荐时：

 （1）用户登录界面：此系统用来判断该用户是否是重庆大学的学生还是负责就业网更新信息的老师，因此来赋予权限，通过学生账号或者教师账号和密码登录，要求界面简洁，美观。
 （2）就业网管理主系统：此系统就是信息量最丰富的系统，根据时间排序对所有企业发布的宣讲会或者招聘公告进行更新，并显示企业预定召开宣讲会的时间地点。要求界面条理清晰。
 （3）学生个性化选择系统：用户进入个性化选择系统初始阶段是进行对用户意向的调查，会有几个关键意向的选择框：地域、职业、薪资、学历等等，并对此进行优先排序，之后再在各个选项中选择更具体的意向，作为当前用户此次需要匹配的关键字。要求界面简洁，美观。
 （4）企业文本解析系统：系统预先会准备一些地域，薪资，职业，学历等具体关键字去对企业发布的文本信息进行匹配，将关键字匹配到的次数存入数据库中。要求数据库设计合理规范。
（5）关键字匹配记分系统：对于用户选出的关键字，到数据库中进行匹配，权重计算得出每个文本的总分，再进行优先度排序。
（6）用户个性化推荐显示系统：最终在用户界面上会排序出他所选择的推荐结果。要求界面清晰，美观。
 当使用协同过滤推荐算法时：
（1）基于用户的推荐系统：对学生进行信息收集，例如：姓名、学院专业、性别、分数、地域、学历等，采用基于用户的协同过滤推荐，用户的分类模型对用户进行分类，识别出用户所属类别，搜索该类别的用户最近邻居，根据他们的浏览记录进行推荐企业，产生对应的推荐列表。
2.2主要技术
学习前端基本的html，CSS，JavaScript等开发基本知识，选择熟悉的前端框架如Bootstrap或jQuery；
对比Java Web框架Spring Struts2 Hibernate （SSH）和Spring SpringMVC MyBatis（SSM）优缺点，对比后选择技术方案（可不限于SSH，SSM）。
研究方法：运用向量空间模型，基于内容推荐算法，字符匹配文本检索技术，协同过滤算法等进行研究。
基于用户的推荐算法是的基本思想是如果用户A喜欢物品a，用户B喜欢物品a、b、c，用户C喜欢a和c，那么认为用户A与用户B和C相似，因为他们都喜欢a，而喜欢a的用户同时也喜欢c，所以把c推荐给用户A。该算法用最近邻居（nearest-neighbor）算法找出一个用户的邻居集合，该集合的用户和该用户有相似的喜好，算法根据邻居的偏好对该用户进行预测。

第一步：求最近邻用户。相似性度量的方法有很多种，常用的有皮尔逊（Pearson）相关系数、欧氏距离（euclidean metric）、余弦相似性度量法（CSM，cosine measure similarity）等，推荐系统中常用的是 Pearson 相关系数。给定评分矩阵 R，用户 a 和用户 b 的相似度 sim（a，b）可以用下列公式来表示。

式中，𝑟𝑎表示用户 a 的平均评分，𝑟𝑥,𝑦表示用户 x 对物品 y 的评分。
第二步：最近邻选择。选择当前用户与其他用户相似度最高的前 N个用户作为当前用户的最近邻。
第三步：进行推荐。使用公式（2.3）来计算最近邻用户与用户 a 平均评𝑟𝑎的偏差，用户 a 对物品 p 的偏好预测值：

式中，𝑠𝑖𝑚(𝑎, 𝑛)表示用户 a 和第 n 个最近邻用户的相似度值，𝑟𝑎表示用户 a 的评分均值，𝑟𝑛,𝑝表示第 n 个最近邻用户对物品 p的评分值。
3、进度计划
进度计划
序号 起止周次 工作内容
1 第1周至第4周 查阅文献资料，完成开题报告。熟悉基本的html，CSS，JavaScript等Web前端开发基本知识，了解、对比SSH等开发框架。
2 第5周至第6周 学习前后端开发相关技术，学习开源框架，熟悉功能需求
3 第7周至第11周 开发系统各功能模块
4 第12周至第13周 测试各功能模块
5 第14周至第15周 完成译文、论文撰写
6 第16周至第16  周 PPT制作，答辩准备

            学生签名
               
年  月  日

4、指导教师意见

指导教师签名：

年  月  日

说明：
1、开题报告应根据教师下发的毕业设计（论文）任务书，在教师的指导下由学生独立撰写，
在毕业设计（论文）开始后两周内完成。
2、本页不够，请加页。