CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدل سازی مسیر یادگیری برای بهینه سازی وضعیت شغلی با کمک تحلیل عمیق داده های متنی شبکه های کاریابی

عنوان مقاله: مدل سازی مسیر یادگیری برای بهینه سازی وضعیت شغلی با کمک تحلیل عمیق داده های متنی شبکه های کاریابی
شناسه ملی مقاله: CITCOMP02_422
منتشر شده در دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات در سال 1396
مشخصات نویسندگان مقاله:

سعید اشرفی - گروه مهندسی کامپیوتر ، دانشکده فنی، دانشگاه خاتم ، تهران ، ایران
بابک مجیدی - استادیار گروه مهندسی کامپیوتر ، دانشکده فنی، دانشگاه خاتم ، تهران ، ایران
احسان اخترکاوان - استادیار گروه مهندسی کامپیوتر ، دانشکده فنی، دانشگاه خاتم ، تهران ، ایران

خلاصه مقاله:
از آنجایی که اهمیت در اختیار داشتن نیروی کار متخصص برای شرکت های بزرگ به رسمیت شناخته شده است، تحقیق و شناسایی مهارت های هر حوزه و صنعت، به امری مهم و تاثیر گذار در تربیت و آموزش نیروی کار جوان و دانشجویان کشور تبدیل شده است. همچنین دانشجویان و فارغ التحصیلان دانشگا ه ها دارای مجموعه ای از مهارت های آکادمیک و اولیه می باشند که شناسایی مهارت های موردتقاضای بازارکار می تواند در جهت دادن به مسیریادگیری آن ها نقش مهمی داشته باشد. مهارت های موردنیاز برای فرصت های شغلی، پارامتری متغیر و وابسته به مسایل مختلفی از جمله نوع صنعت، جغرافیا و زمان می باشد. در مقاله پیش رو ابتدا از طریق تکنیک های وب کاوی و متن کاوی، اطلاعات مربوط به آگهی های شغلی یک سایت شغل یابی مورد استخراج قرار گرفته است. در مرحله بعد با دریافت رزومه افراد و تخمین درآمد سالیانه معادل این رزومه و تجربیات از طریق ایجاد شبکه عصبی عمیق، شغلی با درآمد بیشتر به فرد جویای کار پیشنهاد می گردد. در نهایت این سیستم برای رسیدن فرد جویای کار به این موقعیت شغلی، کمبودهای مهارتی وی را معرفی و برای این مهارت ها مسیر یادگیری را معرفی می نماید

کلمات کلیدی:
داده کاوی، متن کاوی، شبکه عصبی عمیق، خوشه بندی، سیستم پیشنهادگر

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/696362/