基于随机森林模型的互惠就业推荐算法

高境辰，丁乐，王琦

（南京工程学院 计算机工程学院，江苏 南京 211167）

0 引言

当今社会经济发展迅速，就业难的情况已经较为严重。一方面求职者不清楚自己的需求，盲目跟风进行求职，导致一些职位供不应求，但是有些职位又出现了人才短缺的情况；另外一方面是有些职位对求职者的水平要求较高，一部分求职者不能满足职位的要求，浪费了宝贵的求职时间[1]。对于已经就业的求职者，又表现出就业满意度低等情况[2]，这是岗位匹配度较低的表现。此种背景下，需要一个就业推荐系统来提高就业的成功率及满意度。

在推荐系统领域，传统的个性化推荐方案主要以协同过滤，基于内容的推荐，混合型推荐为主，推荐系统主要从用户的信息，推荐内容的信息中提取有用的部分进行推荐。这些算法主要把推荐转化成预测用户评分的问题，对预测分数较高的内容进行排序并进行推荐。传统的推荐算法往往只考虑单方面的需求，导致评分预测较为主观。互惠推荐算法同时考虑双方偏好，对用户的评分预测相比传统的推荐算法较为客观。本文主要对求职者和企业建立互惠推荐模型，把求职者对职位的满意度分成主观满意度和客观满意度两种，使用随机森林模型进行回归预测，在一定程度上提高了评分预测的精度。

1 核心技术研究

1.1 随机森林模型

随机森林模型是由Breiman和Adele研究的一种集成学习的算法[3]，随机森林利用决策树作为基础的学习器，并在众多决策树的基础上使用随机的属性选择，通过多个决策树进行投票的方式进行最后的决策。……