基于微博扩展的用户兴趣主题挖掘算法

为解决基于微博的用户兴趣建模存在建模不全面的问题,提出一种基于微博扩展的用户兴趣主题挖掘算法。通过结合用户自身兴趣及用户关注人的兴趣来扩充微博用户兴趣,将兴趣分为长期兴趣、过期兴趣、近期兴趣,利用改进的TF． IDF算法分析相关微博内容,利用基于时间及文档频率加权的主题词重要度计算兴趣主题词得分,得出综合全面的用户兴趣。实验结果表明,综合分析用户及用户关注人的兴趣,可以有效得到真实、全面、包含潜在兴趣的用户个人兴趣。     

基于立体数据的高校学生就业去向预测方法

随着高校毕业生数量逐年增加,高校毕业生就业形势日趋严峻,如何对毕业生就业去向进行有效预测越来越受到社会各界关注。针对传统的就业预测方法缺少对高校学生立体数据的深度利用,提出一种基于高校学生立体数据的就业去向预测算法,充分利用学生的内在数据和外在数据,进行横向比较和纵向比较,为高校学生提供具有较高参考价值的职业规划建议。通过对学生进行随机调查和历史就业数据进行评测,表明所提方法具有较高的预测准确率,可以有效地为学生提供就业去向参考,对于指导就业具有重要的价值和意义。