招聘网站的几个新控件(3)

 

接下来我们看一下搜索列表页面:

这个页面有一个很严重的问题就是“乱”,三个硕大的无用的按钮把整个页面的重点搞乱了,重点应该是搜索结果和用户可以方便的修改搜索选项,然而这里用仅仅一个文字链来告诉用户这里可以修改搜索选项,我认为是不够的,麻烦不说(需要点击并等待页面加载),而且不明显,需要用户细心寻找和耐心阅读才能理解如何使用。这与“DON’T MAKE ME THINK”的思想有些不符。

点击搜索条件的链接,会展开搜索选项(见下图),并顺带显示了高级搜索的选项,我认为这点设计的很体贴。大多数用户搜索时,都是希望尽快看得搜索结果,如果上来就要他选择过多的搜索条件,并不明智,当用户看到搜索结果并发现需要筛选时,这时给他显示高级搜索,更加自然而贴心。在简单搜索和高级搜索的衔接上,中华英才网无疑是做的最好的。

这个高级搜索页面整体看下来很乱,文字颜色,大小,页面布局都优待改进,细节我就不说了,下面看一下高级搜索的弹出层:

呵呵,蛮复杂的交互操作啊:层+下拉菜单+复选框,可以选择不同职位大类里的职位小类,但不知道这样进行选择的需求是否足够大,以至于可以让用户承受如此复杂的交互操作。这需要比较熟悉招聘行业的人来回答,我这里也不好下结论,只是觉得挺难操作的。

另一个问题是那个“确定”,我认为他的位置有问题,他应该在页面的底部正中,并且应该稍大稍明显(但这样会增加层的加载时间,需要权衡)。现在的位置逻辑有问题也不符合用户的预期,用户可能需要仔细找一下才能找到而且容易点错,点到旁边的“关闭”。

选择地区的层允许选择多个地区,这的确是一部分用户的需求。但对于4个直辖市来说,这些用户(量并不小)进行多选的需求不大,但选起来却很麻烦。
就像下面这张图,我通过下拉列表选择了上海,但此时我其实并没有选中上海,我还需要点击下面的复选框才可以,但很多用户以为他已经选择上海了,就直接点击确定了,结果发现没有选上。

总的来说,中华英才网的搜索是功能比较强但操作也比较复杂的,他的结果排序也是功能最全的,但是有多少人会用,这里先打个问号。

经典论坛讨论
http://bbs.blueidea.com/thread-2690257-1-1.html

后续内容陆续更新,请及时关注

出处:蓝色理想
责任编辑:moby

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值