项目实训团队博客
文章平均质量分 77
sdu2018lzq
这个作者很懒,什么都没留下…
展开
-
网站项目的搭建以及项目总结
6月5日原创 2021-06-05 21:24:03 · 302 阅读 · 0 评论 -
阶段性成果总结(5月23日)
5月23日原创 2021-05-23 16:10:46 · 108 阅读 · 0 评论 -
推荐算法的模型优化与最终实现
5月16日原创 2021-05-16 18:35:57 · 259 阅读 · 0 评论 -
阶段性成果总结(4月29日)
4月29日原创 2021-04-29 19:52:55 · 136 阅读 · 0 评论 -
匹配推荐算法的尝试与优化
我们团队关于如何实现岗位推荐的核心算法部分,不断地通过模型的学习与比较、代码编写的尝试、运行结果的调优,在多种深度学习模型的摸索中,尝试了几类匹配推荐算法的实现方式,经历了不小的思路转变过程。最终我们的算法实现在不断地优化,实现的人岗匹配模型更精确、更贴合实际。初始思路与尝试:一开始,我们的思路是对于简历数据集和岗位数据集的文字进行自然语言处理后,取出其中的关键词,再利用action表中的两者是否投递、是否成功就职这些信息数据进行计算,计算出每个关键词的权重进行排序。但是后来我们又发现了一个实际情况中可原创 2021-04-21 16:34:05 · 1484 阅读 · 0 评论 -
阶段性成果总结(4月14日)
成果总结:在近期的项目实训阶段中,我们小组主要完成的工作是对大量数据的处理,以及项目核心功能块所用技术的学习。通过深度学习的相关书籍以及技术文献的学习,我们已经确定好了项目中使用的深度神经网络为LSTM。此外,我们在小组会议中讨论好了项目的整体系统流程与核心功能需求,以LSTM网络所需要的结构需求,定义了数据的存储结构。在系统的爬虫模块方面,我们已经通过爬取51job网站获得了推荐集的数据,并且对已有数据完成了数据清洗以及存储格式设计的工作。对于训练集的数据,我们通过之前实现的关键词提取,完成了简历的解析原创 2021-04-14 21:26:05 · 168 阅读 · 0 评论 -
项目中神经网络与推荐算法的学习
近期,小组成员为解决项目中的功能需求,查找了深度学习的相关书籍以及技术文献,并学习了神经网络与推荐算法的相关知识技术,为生成各个关键词对于各项职业的权重确定技术方向。神经网络:基本模块——神经元:每一个连接都有各自的权重,如何对人工神经网络的权重进行初始化是一个非常重要的话题,这将会直接影响到之后的训练过程,以及最终整个模型的性能。连接的权重通常情况下是一些随机值,可以是负值,正值,非常小,或者非常大,也可以是零。和这个神经元连接的所有神经元的值都会乘以各自对应的权重,然后再把这些值都求和。在这个原创 2021-04-08 12:04:47 · 566 阅读 · 0 评论 -
初期成果总结(3月27日)
111原创 2021-03-27 19:45:58 · 190 阅读 · 1 评论