微信小程序校园招聘系统设计与研究【字数：7030】
摘要
突如其来的疫情限制了大多数的人员流动，使得企业的校园招聘的场景发生 了巨大的转变，从原来的校园宣讲、现场收取简历、现场笔试和面试、面对面沟通 等，转变为线上申请、线上筛选、线上笔试、线上面试、线上沟通，所有的招聘流 程全部迁移到了互联网上，无论是对于企业还是对于求职的毕业生来说都是巨大 的挑战。
论文主要依据企业在校园招聘中面临的实际问题，深入明确具体的需求，设计 和开发实现了企业校园招聘平台。校园招聘平台分为求职者端和企业端两个子系 统，主要应用Java Web和小程序相关技术进行开发。求职者端基于微信小程序和 Web 端进行多端开发，为求职者提供职位收藏、职位申请、个人信息编辑、展示面 试进度、职位推荐等功能。企业端基于 Web 端进行开发，主要为企业提供校园招 聘流程管理功能，包括职位管理、简历池管理、候选人管理、面试官管理、面试管 理、笔试管理、简历智能评分等。整合多年的招聘数据与招聘经验知识，在求职者 端和企业端分别实现智能化，求职者端实现了借助推荐算法根据个人信息内容、人 才测评结果、用户行为统计数据进行自动推荐职位，企业端则实现了通过求职者个 人信息进行基本评分和综合评分，并自动生成求职者特点标签，辅助进行简历筛选 和面试。
目前，本平台已经完成全部的开发，并且通过完备的微信小程序系统测试，平台已上线运 行， 能满足用户需求，用户反馈良好。 根据平台线上统计数据分析来看，平台运行 正常，能为求职者和企业职工提供了稳定的服务，未发生过线上事故，达到了预期 的目标。
关键词：职位推荐；招聘平台；微信小程序；流程管理
引言
随着信息技术的发展，企业招聘早已不再仅仅借助传统的人工招聘方式，而校 园招聘作为企业新鲜血液的主要来源，建立企业自用的校园招聘平台成为校园招 聘工作的提升点。目前现有的网络招聘综合平台较多，大多都能提供基础的招聘信 息发布、职位投递功能，少数平台结合推荐微信小程序系统能提供个性化服务，但是针对具体 某一企业、针对校园招聘这一特殊场景应用推荐微信小程序系统暂时研究还比较缺乏。本章将 从企业校园招聘平台的项目背景与意义、网络招聘和推荐微信小程序系统的国内外研究现状、 论文主要工作和组织结构等方面进行介绍。
项目背景及意义论文选题来源于某互联网企业的招聘平台实际项目。在互联网+的时代，如何 将现有的成熟技术应用于传统的行业是大家的关注点，而人力资源管理作为传统 管理行业，一直需要耗费大量的人力、物力、时间做一些简单而又重复的工作，而 求职者也需要全面评估自身的能力在资源过载的信息海洋中寻找适合自己的工作。 如何将现有的推荐算法应用到求职和招聘中，是广大互联网公司一直在思考与尝 试的。
2020 年突如其来的疫情将所有人困于家中，学校、企业很难再像之前一样举 办大型双选会和招聘会。首当其冲的就是校园招聘，大学生毕业迫在眉睫，由于限 制人员流动、学校延迟开学等防疫措施导致毕业生就业形势十分严峻。而大学学生 对自己求职意向并不很明确，也不能很好的定位到自身的优势与特点；企业的校园 招聘也困难重重，所有的校园宣讲都改用线上宣讲的方式，面试方式也从现场面试 转换为线上语音、视频面试，如何通过有限的数据对求职者进行更全面的评估，辅 助线上面试成为关键。
根据教育部公布的统计数据，2020 年应届毕业生874 万，2021 年应届毕业生 人数909 万人，近十年内高校毕业生数量以及增长趋势见图 1-1。并且目前留学生 归国就业形成趋势，庞大的应聘人员数量给企业校园招聘带来巨大的挑战。从应届 生角度上看，求职意向不明确，对岗位认知度不高，对企业招聘流程招聘制度不了 解，疫情原因导致无法到场现场面试，种种困难出现在求职路上。
对于企业，一方面是疫情原因导致取消了现场面试和校园宣讲会，宣讲和面试 完全依赖线上渠道；另一方面是岗位种类多、应届生数量巨大导致的人力资源部门 相关工作人员在筛选简历也遇到了巨大的挑战。
在此背景下，深入了解目前需求痛点，公司决定对招聘平台进行改版升级。论 文只涉及招聘平台中的校园招聘平台，包括求职者端者和企业端两端。两端分别实 现智能化，求职者端实现了根据简历内容和用户行为智能推荐职位，企业端实现了 简历评分等智能简历筛选功能。
国内外研究现状本节主要介绍网络招聘和推荐微信小程序系统的国内外研究现状，分别描述目前研究人 员对其研究的程度，以及其在各自领域目前的主要应用现状，最后说明目前存在的 问题。
网络招聘现状网络招聘由于借助了现代的互联网技术，相对于传统招聘来说，不再受到地理 位置的限制，使得招聘的覆盖区域迅速扩大，远程服务属性十分明显。其次，网络 招聘也不再要求招聘双方在时间上严格的匹配，即招聘的很多环节不再需要招聘 双方同时进行，如招聘宣讲已经不再需要求职者和招聘者同时在场，允许时间维度 的错位，大幅提高了招聘效率，更重要的是对于招聘双方来说，由于其推荐、检索 等先进技术的应用，使得招聘-求职的针对性都大幅提高，个性化服务减少了求职 -招聘的盲目性，节省双方的人力物力。
目前主要的招聘方式主要有两种，一种是人才招聘网站，即各个企业在招聘网 站上发布招聘信息，求职人员针对各个企业的职位进行投递，企业在收集到简历信 息后可以开展进一步的招聘工作；另一种是针对某一企业的招聘微信小程序系统，即企业在招 聘官网上发布招聘信息，求职者前来应聘，以下将详细介绍目前这两种招聘方式国 内外现状［1］。
Linkedln（中文名称”领英”）成立于2003年5月，已成为国外首屈一指的网络 招聘平台［2］。主要通过用户注册并维护职业人际关系网，即“人脉”，借助社交属 性推动招聘，是典型的“双边”平台。对于求职业务其主要用户群体是职场人士， 即已经拥有丰富职场经验的人，其主要优势在于全球化，可以关联不同国家不同地 区的企业与人才，对一些跨国企业来说也可以提供比较完善的招聘方案。在国内， 与 LinkedIn 相似都是借助社交属性开展招聘的产品是脉脉，其模式与 LinkedIn 相 似，但全球化程度较低，在国内发展较好。
Monster 是目前全球最大的专业招聘网站，主要提供线上招聘、人才发掘、招 聘解决方案等相关业务［3, 4］。作为网络招聘的先驱者，其目前在北美地区在为用户 提供平台性服务，即为求职者提供招聘信息，为企业提供个人信息数据库，其国际 化业务发展的也十分迅速。国内于其类似的平台包括智联招聘、前程无忧等，都能 很好的借助现代互联网技术，为用户提供十分精准的双方服务。
对于第二种网络招聘方式［5］，目前较普遍应用于大型公司，如 Google、Amazon、 腾讯、阿里巴巴等，其大多数是科技公司或互联网公司，拥有丰富的微信小程序系统开发经验， 但招聘微信小程序系统一般都比较简单，只提供单一的求职-招聘功能，只是对信息的单一管 理，并不能像招聘网站一样提供个性化服务。
根据上述关于网络招聘的现状，发现目前主要存在的问题是网络招聘网站大 多只是提供招聘信息交换的功能，并不会继续跟进处理简历收集之后的流程，还需 要公司内部微信小程序系统信息信息化，使得求职者对后续的招聘流程很难清晰，甚至流程已 经结束都很难发现，而对于企业官网的招聘网站来说，功能过于单一无法提供个性 化服务，对于企业内部员工来说繁杂的招聘流程可视化程度不高。
推荐微信小程序系统现状“推荐微信小程序系统” 一词被正式提出是在1997年，由Resnick等对其相关概念进行 了描述。谈起推荐微信小程序系统的发展，不得不提Netfix公司于2006年举办的“电影推荐 算法大奖赛”，最高奖金一百万美元，激起了研究人员对推荐算法的兴趣，使得推 荐微信小程序系统开始被广泛关注，是推荐微信小程序系统的发展史上浓墨重彩的一笔。
目前，国内研究人员关于推荐技术和相关理论的研究都取得了不错的成就，国 内关于推荐算法的研究从 2000 年开始逐渐增多，而推荐微信小程序系统的应用是从 2009 年 之后开始变得热火朝天。 2009 年 7 月百分点公司的个性化推荐研究团队的成立， 是国内各大公司开始投身于推荐领域的开端，之后百度、淘宝、美团、腾讯等各大 公司纷纷开始加入对推荐微信小程序系统的研究与应用，并取得了十分显著的成就。国内学者 对个性化推荐的研究可以从中国知网对中国学术期刊数据库中关于个性化推荐的 文献很好的体现， 2000 年至2019 年，总共发表2966 篇文献［6］。从图1-2 可以发 现， 2000年至2019年在个性化推荐微信小程序系统领域发表的论文数量逐年增高，几乎呈线 性上升趋势。其中， 2010年至2019年的发文量是2000至2009年发文量近6倍。
图 1-2 2000-2019 年以个性化推荐为主题文献数量分布
Figure 1-2 Distribution of the number of personalized recommendations from 2000 to 2019
究其原因，是 Web2.0 时代后使得信息的来源变得简单而快捷，信息大量涌入 人们的生活中，信息过载现象十分严重，使得个性化推荐微信小程序系统受到了越来越多的关 注与研究，成为了个性化推荐微信小程序系统发展与应用的催化剂。随着信息过载现象的越发 严重，用户对个性化服务需求愈发强烈，推荐也逐渐走进普通人的生活，改变了大众的衣食住行。众多的互联网公司看好推荐业务的受众广泛、业务量大、利润高等 特点，也将推荐微信小程序系统广泛应用于公司业务中，与实际背景很好的融合。目前，国内 外在各个应用领域典型的推荐微信小程序系统如表1-1 所示。
表 1-1 各个领域典型推荐微信
小程序系统详情表
Table 1-1 Detailed table of typical recommended systems in various fields
应用领域
典型推荐微信小程序系统
网页
新闻
电影 音乐 求职招聘
旅游
社交
生活 图书 电子商务
视频ProfBuilder,ifWeb,QuIC,Siteseer,Foxtrot,SOAP
Genieo,Google News,GropLens,腾讯新闻，新浪新闻MovieLens,NetFlix,Jinni,腾讯视频，芒果TV，爱奇艺，优酷Emusic,Mufin,8box,QQ 音乐，网易云音乐，酷狗音乐LinkedIn,Monster,CareerBuilder,智联招聘，Boss 直聘，前程无忧W anderfly,T ripAdvisor,携程Facebook,Twitter,新浪微博，知乎美团，大众点评，口碑
Amazon，微信读书，QQ阅读，阅文，当当网Amazon,EBay,,淘宝，京东，拼多多，唯品会BiliBil i,抖音，快手论文主要工作
本人在微信小程序系统需求分析阶段、概要设计阶段、详细设计阶段、实现阶段以及系 统测试阶段的所有工作具体如下：
在需求分析阶段，本人积极参与问卷调研、校园招聘数据统计、用户访谈， 明确本平台各类用户的具体需求，编写需求说明书以供后续设计与开发使用。首先 从产品的总体目标、必要性分析、可行性分析三方面对需求进行综述。然后根据产 品特点、用户特点，结合之前的综述，明确产品的各个功能性需求，设计各个功能 模块的用例图并进行分析，也对非功能性需求进行了分析，最后撰写了需求说明书。在微信小程序系统概要设计阶段，查阅内部及外部相关资料，对平台的技术架构、业 务架构、功能模块设计均有所参与，重点参与了平台的数据库设计，主要包括数据 库概要设计、数据库逻辑设计、数据库物理设计。在详细设计阶段，积极参与平台各模块主要功能设计，主要包括流程图、 时序图、类图以及功能描述等。本人主要参与了求职者端的职位管理模块、个人中 心模块、职位推荐模块，企业端职位管理模块、候选人管理模块、面试官管理模块、 简历智能评价模块、笔试管理模块、面试管理模块的详细设计工作。在微信小程序系统实现阶段，本人严格遵守开发代码规范、流程规范、持续集成规范 等，保证代码格式良好、可读性高、易于维护，按照前期的需求分析和微信小程序系统设计， 参与实现了校园招聘平台求职者端和企业端论文中描述的开发工作。在微信小程序系统测试阶段，依照测试规范，前后进行了多轮测试实验，从功能性测 试和非功能性测试两方面考虑测试用例，保证平台能够正常的投入使用，并在使用 阶段不出现异常。本论文构建了一个易于操作、功能全面完善的企业校园招聘平台，主要包括求 职者端和企业端，面向两大类用户。求职者端主要应用于企业进行校园招聘时，毕 业生可以通过访问求职者端对本公司提供的职位等进行浏览且申请职位，还额外 提供职位推荐功能贴合毕业生群体对求职目的性不强的需求痛点。企业端用于企 业员工对招聘全流程进行管理，针对简历众多的问题，提出简历智能评分的辅助功 能，整体来说，企业端遵守公司内部微信小程序系统统一风格，容易上手，方便高效，用户学 习成本低。
论文组织结构
本论文分为七章，详细如下：
第一章绪论。首先介绍本论文研究的背景和意义，分析了企业和求职者目前遇 到的问题，然后列举了本论文相关的国内外研究现状，最后阐述了论文的主要工作 和组织结构。
第二章相关技术综述。介绍了与研究工作相关的理论和概念，主要涉及推荐算 法和相关技术概述，介绍了常用的几种推荐算法以及选用该推荐算法的原因，后面 介绍了平台实现过程中涉及到的技术，如 Spring Boot、Bootstrap、Vue.js 框架等。
第三章是微信小程序系统需求分析，主要先对本平台的总体目标、可行性进行综述，之后 明确了平台的功能性需求和非功能性需求。
第四章是微信小程序系统概要设计，主要对校园招聘平台的业务架构、技术架构、功能模 块设计以及数据库设计进行了详细描述。
第五章是详细设计与实现，主要对校园招聘平台的求职者端和企业端的详细 设计进行了分模块的描述，并展示其部分效果图。
第六章是校园招聘平台测试，本文主要描述微信小程序系统功能性和非功能性测试，非功 能性测试包括兼容性测试和性能测试，最后给出了测试结论。
第七章总结与展望。总结本文研究工作，对本平台目前存在的不足进行下一步 的工作进行展望。
本章小结本章主要介绍了校园招聘平台的项目背景与意义，描述了目前企业和求职者 都对于校园招聘平台的需求痛点所在，之后综述了网络招聘和推荐微信小程序系统的国内外 研究现状，确定了本文的研究内容，最后对本人工作和论文组织结构进行了描述。
相关技术本章节主要介绍校园招聘平台在设计与实现过程中所涉及到的推荐算法和其 他相关开发技术。本章为两节：推荐算法和相关开发，并分别分析了选用该技术的 原因。
推荐算法为解决信息过载带来的问题，关于个性化推荐的研究逐渐变成热门的科研领 域，各大互联网公司也争相寻找解决办法。目前推荐算法主要分为以下五种：基于 内容的推荐、基于规则的推荐、基于协同过滤的推荐、基于知识的推荐以及混合推 荐算法。本节主要介绍并比较常用的推荐算法。
基于内容的推荐基于内容的推荐主要根据用户兴趣模型对物品的相关信息(一般为文本信息) 进行过滤，目前今日头条进行信息推荐主要是通过此种方式。只需要利用现有的机 器学习的方法(如神经网络、决策树)从相关内容中获取关于用户描述的文件 (profile)，之后借助用户对内容的评价进行特征学习，匹配待推荐对象与用户描 述文件。
基于内容的推荐算法主要流程如图2-1所示，首先对每个物品(Item)进行内 容分析，提取待推荐对象的特征，之后根据用户行为、用户评分等信息计算用户对 不同特征的相关性，再将待推荐的对象的特征与之前计算出的用户兴趣进行匹配， 最后根据匹配度进行排序， TopN 为需要的推荐结果。
基于关联规则的推荐基于关联规则的推荐算法主要根据历史数据统计出不同规则的关系，形如： X->Y，表示在X时间发生后，Y事件会有概率发生，此概率是根据对历史数据的统 计而来的。而关联规则的主要目的即在一个数据集中找出相关项之间的关系［7］。由 于高准确度的关联规则的发现有一定难度，因此关联规则也是此算法的关键，是最 为耗时的步骤，很容易成为算法的瓶颈，影响推荐算法的推荐结果。
基于协同过滤的推荐基于协同过滤的推荐算法是目前在工程上应用最广的推荐算法，其不需要太 多的特定领域知识，可以借助基于统计的机器学习算法就能得到比较好的推荐效 果，在工程上容易实现，因此在本文中的职位推荐时其中一种推荐算法即选用了基 于职位的协同过滤推荐算法。
基于协同过滤的推荐模型一般为x个物品，y个用户数据，但是仅有部分用户 和部分物品有对应的评分数据，其他部分评分缺失，根据已有的部分稀疏数据预测 缺失的用户与物品之间的评分关系，最终得出评分最高的物品推荐给用户［8］。基于 协同过滤的推荐算法主要分为三类：基于用户的协同过滤算法、基于物品的协同过 滤算法以及基于模型的协同过滤推荐算法。
本文中选用基于职位的协同过滤推荐算法，即根据用户的行为数据分析，如搜 索、浏览、收藏等确定对不同职位的评分，根据职位间的相似度为用户推荐与用户 评分最高的职位相似度最高的职位［9］。目前，基于协同过滤的推荐算法仍有一些难 以避免的问题，例如常见的“冷启动”问题，没有任何关于用户的数据时，即新用 户场景下，很难较好的进行推荐，但在本文场景下无需考虑此问题，在没有用户数 据时默认用户此时没有职位申请意愿，不为用户推荐职位［10, 11］。
基于知识的推荐基于知识的推荐算法并不是建立在用户兴趣模型的基础上的，从某种意义上 说，其更像是一种推理技术。与其他的推荐算法不同的是，基于知识的推荐算法更 注重某一领域的特殊需求，能借助其知识的专业性提高推荐微信小程序系统在特定领域的服 务［12, 13］。因此，其更能满足像本文中这种特定场景下的精准推荐服务。研究发现， 根据待推荐对象的参数特征等属性形成约束知识，再将用户对被推荐对象的特定 需求作为约束条件，经过对被推荐对象集合的约束满足问题的求解，即可完成满足 用户需求的推荐［14, 15］。
基于知识的推荐高度重视知识源，不存在冷启动问题，但也存在知识难以获取 的问题。本文在职位推荐时选用基于知识图谱的职位推荐算法，由于企业已经有超 过 20 年的招聘经验，并且拥有多名招聘专家，关于求职者与职位特征的抽取与匹 配工作是较好完成的［16］，这是本文在职位推荐选用此算法作为其中一种推荐算法 的主要原因。
混合推荐以上各种推荐技术都各自有其优缺点，所以综合多种推荐方式，扬长避短即为 混合推荐，工程上使用得最多的就将基于内容的推荐以及协同过滤推荐相融合，为 了能够克服各自中的缺点［17］。本文由于应用场景特殊，选用的是基于物品的协同 过滤推荐算法与基于知识的推荐算法组合的混合推荐方式。从理论上来说，推荐算 法可以任意组合，但实践发现并不是每种混合都总是有效的，应尽量采取缺点互补 的方式进行组合。关于推荐算法的组合方式，可以总结为以下几种:
（1） 变换：根据不同的上下文环境、背景和具体需求采用不同的推荐技术；
（2） 元级别：将一种推荐算法训练而成的模型作为输入，输入到另一种推荐 算法中；
（3） 特征组合：将多个不同数据源的特征信息整合起来作为另一种推荐算法
的输入；
（4） 混合：多种推荐算法进行推荐，将推荐结果均展示给用户，
原文链接：http://www.jxszl.com/lwqt/yzlw/198962.html
最新推荐
热门阅读
