智联_51job招聘需求挖掘采集和分析

智联_51job招聘需求挖掘采集和分析,数据采集时间截止到2018年12月28日,数据条数为15万条,平台为智联和51_job,算是给要找工作的自己一个方向,具体的流程可以参考右边的PPT

Python Web爬虫

详细介绍

数据采集和统计(结构化和非结构化的分析)

数据采集时间截止到2018年12月28日,数据条数为15万条,平台为智联和51_job,算是给要找工作的自己一个方向

结构化分析:对采集的数据进行全国性的统计

cl cl cl cl cl cl cl cl

非结构化分析:对科技类人才招聘需求挖掘

主题挖掘作用:用于主题发现与热点分析,主题挖掘任务的本质是将输入的文本流划分到不同的主题类中,并且在必要时候建立新的主题类。

招聘主题挖掘技术能从复杂的数据中识别出招聘单位的需求,通过词权的方式对文本关键字进行提取,并利用主题模型对主题进行聚类,以达到提炼需求的目的。本文对招聘主题挖掘进行了问题描述和任务框架梳理,通过智联招聘信息采集、文本预处理、主题挖掘算法和主题建模四个方面进行主题挖掘。

处理框架为

框架

相似度计算结果为

相似度计算

基于词频的LDA主题聚类为

聚类3 聚类4

基于词权的LDA主题聚类为

聚类3 聚类4 结论:基于词频的可视化LDA的方法得出来的主题关键字无法反应低频信息,造成词频关键信息缺失,而使用TF-IDF的方法进行向量化之后,既考虑频次又考虑权重,能反应低频关键信息,弥补了频次带来的的误差。

推荐源码