典型文献
基于分类算法的互联网招聘岗位申请率预测分析
文献摘要：
随着大数据及网络科技的不断发展,互联网招聘成为招聘的一种重要方式,而如何为求职者合理提供职位等需求都是网上招聘的难题所在.为解决这一现实问题,文章从申请岗位数据推荐需求出发,基于数据挖掘和机器学习中的分类算法,依托python技术,设计与建立了由描述接近度、城市匹配度、一般工龄等指标与是否岗位申请率关联的预测模型,并对各个算法的预测准确率与可伸缩性进行分析和比较.试验结果表明,朴素贝叶斯算法具有较好的分类速度和分类效果,能更好地分析出数据中影响求职者选择岗位的因素,预测招聘岗位的申请率,为用人单位提供优质信息,缩短了筛选时间,提升了用户体验.
文献关键词：
朴素贝叶斯;分类算法;预测分析;机器学习;互联网招聘
中图分类号：
作者姓名：
李佳容
作者机构：
山东财经大学,山东济南 250014
文献出处：
引用格式：
[1]李佳容-.基于分类算法的互联网招聘岗位申请率预测分析)[J].山东纺织经济,2022(12):17-19,29
A类：
B类：
分类算法,互联网招聘,招聘岗位,预测分析,网络科技,聘成,何为,求职者,供职,职位,岗位数,python,匹配度,工龄,预测准确率,可伸缩性,朴素贝叶斯算法,分类效果,中影,用人单位,用户体验
AB值：
0.34685
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
