Doc2vec在薪水预测中的应用研究  

Application of doc2vec on job salary prediction

作　　者：潘博[1] 张青川[1] 于重重[1] 曹帅 Pan Bo;Zhang Qingchuan;Yu Chongchong;Cao Shuai(College of Computer&Information Engineering,Beijing Technology&Business University,Beijing 100048,China)

机构地区：[1]北京工商大学计算机与信息工程学院,北京100048

出　　处：《计算机应用研究》2018年第1期155-157,共3页Application Research of Computers

基　　金：国家社科基金重大资助项目(14ZDB156);国家自然科学基金资助项目(61170102);国家教育部人文社会科学研究规划基金资助项目(16YJAZH072)

摘　　要：针对互联网中在线招聘的工作广告,建立准确的薪水预测模型有助于求职者选择合适的职位。目前的研究方法都是通过词频或词向量平均化计算来获取职位的文本描述信息特征,无法全面理解文本语义。针对上述问题,利用文本深度表示模型doc2vec计算文本的特征向量,能更深入地表征出文本语义特征。实验将多种组合模型进行对比,结果表明相比于目前已有方法,doc2vec提取文本特征可以使薪水预测误差率至少降低5%。Establishing an accurate Job Salary Prediction model for online job advertisements on the Internet can help job seekers apply for the satisfactory job.The current research methods extracted feature from the text description of the job by word frequency or the average of word vectors,which could not fully understand the text semantics.In order to solve these problems,this paper used Doc2vec which was a deep text representation model to get the text vector for expressing the semantic feature of the text more deeply.Compared with the state-of-the-art methods,Doc2vec extract text feature can reduce the job salary prediction error by at least 5%.

关 键 词：薪水预测 doc2vec 文本特征 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]