公开(公告)号：CN113362034B

公开(公告)日：2024-06-25

申请号：CN202110661337.7

申请日：2021-06-15

Applicant: 南通大学

Inventor： 王逸嘉 ,  王春明

IPC: G06Q10/105 ,  G06Q10/067 ,  G06F16/2457 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种职位推荐方法,包含以下步骤：S0，获取所有的职位数据、用户历史行为数据及目标用户当前浏览的职位，根据所有用户历史行为数据获取各用户的职位浏览序列；S1，利用各用户的职位浏览序列结合随机游走算法生成新职位序列组；S2，采用Skip‑gram框架训练Word2vec模型生成各个职位的特征向量；S3，计算目标用户当前浏览的职位和所有职位之间的特征向量余弦相似度，并形成职位候选集。利用目标用户当前浏览的职位及所有职位之间的特征向量余弦相似度获取职位候选集作为职位推荐集，本发明职位推荐方法的实时性及准确性高，避免了马太效应和冷启动的问题。

公开(公告)号：CN113362034A

公开(公告)日：2021-09-07

申请号：CN202110661337.7

申请日：2021-06-15

Applicant: 南通大学

Inventor： 王逸嘉 ,  王春明

IPC: G06Q10/10 ,  G06Q10/06 ,  G06F16/2457 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种职位推荐方法,包含以下步骤：S0，获取所有的职位数据、用户历史行为数据及目标用户当前浏览的职位，根据所有用户历史行为数据获取各用户的职位浏览序列；S1，利用各用户的职位浏览序列结合随机游走算法生成新职位序列组；S2，采用Skip‑gram框架训练Word2vec模型生成各个职位的特征向量；S3，计算目标用户当前浏览的职位和所有职位之间的特征向量余弦相似度，并形成职位候选集。利用目标用户当前浏览的职位及所有职位之间的特征向量余弦相似度获取职位候选集作为职位推荐集，本发明职位推荐方法的实时性及准确性高，避免了马太效应和冷启动的问题。

公开(公告)号：CN112070411A

公开(公告)日：2020-12-11

申请号：CN202010965033.5

申请日：2020-09-15

Applicant: 南通大学

Inventor： 王逸嘉 ,  王春明

IPC: G06Q10/06 ,  G06K9/62 ,  G06N3/02 ,  G06N3/08

Abstract: 本发明提供了一种评估篮球联赛新球员与球队适应程度的方法，包括如下步骤：S10获取新球员a的配置参数S1，设置与新球员a同一类别的球队中已有球员数量m，当m∈[2,5]时，S1＝0.3，否则，S1＝0；S20获取新球员a的符合参数S2，使用神经网络模型对新球员a进行分类，当新球员a的类型为非常符合时S2＝0.4，当球员类型为一般符合时S2＝0.2，当球员类型为不符合时S2＝0；S30获取赛场表现参数S3，表现稳定输出为S3＝0.3，否则S3＝0；以及S40ST值越高表示新球员对球队的适应程度越高，其中ST＝S1+S2+S3。本发明的一种评估篮球联赛新球员与球队适应程度的方法，使用适应参数ST对新球员与球队的适应程度进行评价比人为的评价更加的客观、准确、真实以及实用，为球队挑选出适应程度较高的新球员。