申请/专利权人：陕西青叶海棠网络科技有限责任公司

申请日：2023-12-20

公开（公告）日：2024-06-14

公开（公告）号：CN117436830B

主分类号：G06Q10/1053

分类号：G06Q10/1053;G06F16/9535

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.02.09#实质审查的生效;2024.01.23#公开

摘要：本发明涉及数据处理技术领域，具体涉及一种毕业生就业企业鉴别系统，包括：根据企业每个分组数据中点赞数量与评论数的比值获得低评参数，根据分组评论数量和点赞数量的均值与每个分组评论数量和点赞数量的差异结合分组序列、邻域分组差异性获取分组数据低评参数的权重，用低评参数权重对低评参数进行加权获取差评程度，将企业分组数据根据时间序列分为两部分并计算期望参数，结合期望参数与差评程度综合判断企业推荐程度。本发明可以更准确的判断企业是否优质，以便于求职者更高效准确的选择优质企业，降低就业风险。

主权项：1.一种毕业生就业企业鉴别系统，其特征在于，所述系统包括以下模块:数据采集模块，用于采集招聘平台中求职者对各个企业的评价信息；数据分析模块，用于根据每个企业的每个分组数据中点赞数量与评论数量的比值可以获得每个企业每个分组数据对应的低评参数，包括的具体方法为： 式中，Lrax,c表示第x个企业中第c个分组数据对应的低评参数,Zx,c表示第x个企业第c个分组数据中差评的点赞数量，qx,c表示第x个企业第c个分组数据中差评的条数，Q表示预设的时间范围，单位是年，T表示预设的时间节点,单位是天；根据所有分组评论数量和点赞数量的均值与每个分组评论数量和点赞数量的差值大小获取每个分组数据对应低评参数权重因子；包括的具体方法为： 式中，Wefx,c表示第x个企业中第c个分组数据对应的低评参数权重因子，zx,c表示第x个企业第c个分组数据中差评的点赞数量，qx,c表示第x个企业第c个分组数据中差评的条数，Zx,i表示第x个企业第i个分组数据中差评的点赞数量，qx,i表示第x个企业第i个分组数据中差评的条数，Q表示预设的时间范围，单位是年，T表示预设的时间节点，单位是天，表示分组数量；根据数据分组序列结合分组数据对应低评参数权重因子获取分组对应评参数权重系数，包括的具体方法为： 式中，Weix,c表示第x个企业中第c个分组数据对应的低评参数权重系数，Wefx,c表示第x个企业中第c个分组数据对应的低评参数权重因子，Q表示预设的时间范围，单位是年，T表示预设的时间节点，单位是天，c表示分组序列；根据每个分组对应分组低评参数与前后邻域分组低评参数的差异获取每个分组低评参数可信度因子，包括的具体方法为： 式中，Crex,c表示第x个企业中第c个分组数据对应的低评参数可信度因子，Lrax,c-1表示第x个企业中第c-1个分组数据对应的低评参数，Lrax,c表示第x个企业中第c个分组数据对应的低评参数，Lrax,c+1表示第x个企业中第c+1个分组数据对应的低评参数，上述公式当且仅当Lrax,c-1Lrax,c∧Lrax,c+1Lrax,c时成立，当条件不满足时，Crex,c取所有满足条件的分组对应低评参数可信度因子计算值的最小值；数据运算模块，用于根据每个企业中每个分组数据对应低评参数权重系数和每个分组低评参数可信度因子获取每个企业中每个分组数据对应低评参数的权重，包括的具体方法为： 式中Wetx,c表示第x个企业中第c个分组数据对应的低评参数权重，Crex,c表示第x个企业中第c个分组对应的低评参数可信度因子，Weix,c表示第x个企业中第c个分组数据对应的低评参数权重系数，Crex,j表示第x个企业中第j个分组对应的低评参数可信度因子，Weix,j表示第x个企业中第j个分组数据对应的低评参数权重因子，Q表示预设的时间范围，单位是年，T表示预设的时间节点，单位是天，c表示分组序列，表示分组数量,加0.1是为了避免分母为0；根据每个企业每个分组低评参数结合分组对应低评参数权重可以获取每个企业的差评程度，包括的具体方法为： 式中，Extx表示第x个企业的差评程度，Lrax,I表示第x个企业第I个分组数据对应的低评参数，Wetx,I表示第x个企业中第I个分组数据对应的低评参数权重，Q表示预设的时间范围，单位是年，T表示预设的时间节点，单位是天，c表示分组序列，表示分组数量；数据处理模块，用于将每个企业所有分组数据分为前序分组数据和后序分组数据两部分，包括的具体方法为：以时间节点的时序中心作为分割，将每个企业所有分组数据分为前序分组数据和后序分组数据两部分；根据每个企业后序分组数据对应低评参数均值与前序分组数据对应低评参数均值的差异情况获取每个企业的期望参数，包括的具体方法为： 式中，Eptx表示第x家企业的期望参数，Lrax,k表示x个企业中第K个分组数据对应的低评参数，Lrax,J表示x个企业中第J个分组数据对应的低评参数，Q表示预设的时间范围，单位是年，T表示预设的时间节点，单位是天，c表示分组序列，表示分组数量，表示前序分组数据中的最后一个分组序列表示后序分组数据中第一个分组序列，N为企业数量，角标Nmn,x,N表示将N个企业数据带入公式中计算出值并记录最大值和最小值，再根据最大值最小值的取值范围将第x个企业的计算值映射在0.1-1之间，记为期望参数Eptx的取值，若计算得到的分组数量为奇数，则刨除中间序列分组，以刨除的中间序列的前一序列作为前序分组数据中最后一个分组序列，以刨除的中间序列的后一序列作为后序分组数据中第一个分组序列；根据每个企业的差评程度和每个企业的期望参数获取每个企业的推荐参数；根据每个企业的推荐参数对企业进行排序展示，包括的具体方法为：Recx＝Extx×Eptx式中，Recx表示第x个企业的推荐参数，Eptx表示第x个企业的期望参数，Extx表示第x个企业的差评程度。

全文数据：

权利要求：

百度查询： 陕西青叶海棠网络科技有限责任公司 一种毕业生就业企业鉴别系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD