基于混合深度神经网络的就业推荐方法

摘要：

针对就业推荐中交互数据极其稀疏的问题,提出一个基于多头自注意力机制和特征交叉网络的混合深度神经网络模型.对学生行为序列属性进行定义,将学生基本属性、学生行为序列属性、职业基本属性、职业描述属性的独立嵌入作为模型输入;使用多头自注意力机制挖掘学生行为序列属性与职业描述属性中的序列特征;分别使用特征交叉网络和深度神经网络实现特征交互和数据的深度拟合.基于真实数据集的实验结果表明,与目前已有方法相比,该模型在HR@50与MRR@50指标上达到了最优性能,验证了模型的有效性.

关键词：推荐算法、就业推荐、深度神经网络、多头自注意力机制、行为序列、特征融合

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部国家留学基金;重庆市教委科学技术研究基金项目;重庆市教委科学技术研究基金项目;重庆邮电大学博士启动基金项目

在线出版日期：2022-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：995-1001