基于BERT模型的人岗尚匹配混合推荐系统研究  

作　　者：彭超云[1] 姚渺波[1] 曾东晨 

机构地区：[1]温州大学信息技术中心,浙江温州325035

出　　处：《信息记录材料》2025年第4期236-238,共3页Information Recording Materials

基　　金：浙江省教育厅一般课题项目(Y202351735)。

摘　　要：在大数据时代,推荐算法有效缓解了信息过载问题,尤其在岗位推荐领域展现出重要价值。然而,针对高校毕业生的人岗推荐面临数据冷启动和数据稀疏性挑战,需综合考量专业、实习经历和就业意向等因素。本文提出基于Transformer的双向编码器表示(bidirectional encoder representation from Transformers,BERT)模型的混合推荐模型,设计冷启动与热启动双路径推荐策略。冷启动路径基于BERT模型计算岗位与学生嵌入向量的相似度,解决新用户历史数据缺失的困境,热启动路径基于既有用户行为数据,采用加权平均融合策略整合岗位相似度与用户相似度评分矩阵,以提升推荐精度。用户满意度调查显示:推荐岗位数量在“3~10个”时,符合预期或引起足够兴趣的百分比超70%,验证了该系统满足毕业生就业服务需求的有效性。

关 键 词：BERT模型 冷启动 岗位推荐 高校大学生 

分 类 号：TB18[一般工业技术]