计算机毕业设计springboot+vue.js招聘推荐系统 招聘大数据 招聘数据分析 协同过滤算法(基于物品+基于用户) 招聘可视化大屏 就业推荐系统(源码+LW文档+PPT+视频1对1讲解)

温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！

温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！

温馨提示：文末有 CSDN 平台官方提供的学长联系方式的名片！

作者简介：Java领域优质创作者、CSDN博客专家 、CSDN内容合伙人、掘金特邀作者、阿里云博客专家、51CTO特邀作者、多年架构师设计经验、多年校企合作经验，被多个学校常年聘为校外企业导师，指导学生毕业设计并参与学生毕业答辩指导，有较为丰富的相关经验。期待与各位高校教师、企业讲师以及同行交流合作

主要内容：Java项目、Python项目、前端项目、PHP、ASP.NET、人工智能与大数据、单片机开发、物联网设计与开发设计、简历模板、学习资料、面试题库、技术互助、就业指导等

业务范围：免费功能设计、开题报告、任务书、中期检查PPT、系统功能实现、代码编写、论文编写和辅导、论文降重、长期答辩答疑辅导、腾讯会议一对一专业讲解辅导答辩、模拟答辩演练、和理解代码逻辑思路等。

收藏点赞不迷路  关注作者有好处

                                         文末获取源码

感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助更多的人

介绍资料

课题题目：基于spark的校园招聘数据的推荐系统设计与实现

完成课题的基本要求：

本课题任务是设计一个针对应届生的招聘系统，实现符合毕业生能力的职业推荐，便于应届生找到合适的工作，主要任务和要求包括：

1. 基于企业对应届生的招聘信息结合求职者的要求进行数据分析 ，完成一款有针对性的就业推荐系统；
2. 要求独立完成毕业设计任务，包括需求分析，设计及功能实现细节；
3. 要求对数据进行保存；
4. 要求功能设计合理，在规定时间完成毕业设计任务。
5. 论文撰写条理规范，格式符合规范。

功能方面，要求：

1. 用户注册登录，页面实现；
2. 爬取招聘应届生的相关数据（参考各招聘网站或者校园招聘信息）
3. 实现数据分析并保存相关数据，实现分析结果的可视化，即初始页面的设计； 
4. 收集各专业的培养方案，完成求职者的信息匹配功能；
5. 了解求职者的需求，对求职的特征进行提取（如工资，地址，兴趣偏好等）
6. 当用户有浏览数据时，根据浏览数据分析后完成推荐；
7. 保存推荐数据，再次登录时，显示之前推荐信息；
8. 掌握相关算法和技术，完成实现；
9. 实现可视化界面，操作流畅；

毕业设计（论文）进度安排：

2021.10.21 - 2021.10.31   师生见面，确定毕业设计题目，完成课题申报

2021.11.10 - 2021.11.20   进行系统的功能设计

2021.11.20 - 2021.11.27   进行环境搭建，完成课题实现准备工作

2021.11.27 - 2021.1.10     完成主要功能实现，进行中期检查

2022.1.10 - 2022.1.30    完善系统，进行系统整合和测试
2022.1.30 - 2022.3.11      完成论文初稿

2022.3.1  - 2022.3.30      修改论文，定稿

2022.4.1  - 2022.4.10      完成毕业设计其余工作并准备答辩
2022.4.15  - 2022.4.19    论文答辩

1 引 言

近些年来,基于互联网大数据的应用已经涉及各行各业,网上商城、政府办公、大数据智能分析等服务内容层出不穷。那么基于互联网大数据的招聘数据智能分析平台会对现存的海量招聘职位信息数据进行数据采集，数据统计与分析，最终以可视化图表的形式展示给广大用户，解决了以往费时费力的人工收集与分析工作。我们这一款招聘数据智能分析平台是依赖以大数据为背景开发出的项目，那么就要先了解什么是大数据。

• 在这个大数据火爆的年代，利用其可以处理更多的数据，有时还可以处理和某一个特殊现象有关的一切数据，而不简单地依靠随机采样。与受约束在小数据领域相对比，使用大量的数据为我们带来了更可靠的准确度，也使得我们观察到了一些从未发现的细致之处。总而言之相比于以往的人工招聘数据分析，我们所采用的数据信息会更广阔，计算速度也会更快更加准确，为用户带来更值得信赖的服务体验。第二、就是“大数据就等于风向标”，在之前的统计计算中，因为数据量不是过于庞大，那么精确度就成为了相关领域人员所推崇的目标。当我们拥有大量的招聘数据时，十分精确的准确度不再是我们的主要指标。我们不再需要对一个现象一探究竟，主要知道大致的发展方向就好了。当然，我们也不会彻底放弃正确性，只是不再过度地追求它。第三、不再过度地去找到他们的相关联的地方，而是去寻找他们之间的独有的联系。大数据告诉我们“这个是什么”，而不是“怎么样产生这样的结果"。在大数据时代，我们不需要对底层的事物一探究竟，只需要让数据告诉我们分析得到的结果就好。

随着时代的发展，社会的进步，越来越多的企业建立、发展、壮大、成熟。企业是国民经济的基本单元，企业发展得越好，经济进步就越快。然而随着企业的发展，所需求的人员的数量增加、人员类别增多，每年人力资源的招聘成本也在不断地增加，这一问题一直困扰着人力资源管理部门。研究招聘成本可以使企业高层管理者重视招聘成本，可以帮助企业清楚地认识到什么是招聘成本，影响招聘成本的因素有哪些，采取哪些措施可以降低招聘成本。让企业从实际出发，实事求是的考虑怎么样才可以低成本高效率的招聘到优秀的人才。这不仅可以增加企业的竞争力，还可以提高资源的利用率，使有限的资源发挥最大的力量。

我们这一款基于互联网大数据的招聘数据智能分析平台会通过scrapy爬虫来爬取各大招聘网站的招聘数据，然后对我们的招聘信息数据进行规范化，然后对我们爬取到的信息去除污垢，也就是数据清洗。过滤掉没有用的信息数据集，例如过滤掉职位名称为空的记录，再对于不属于“数据集定义”的取值范围内的数据，自动随机填充一个字典值，检查是否有重复数据，如果有再进行删除。然后将清洗过滤好的招聘信息数据集导入到大数据系统中，利用Spark框架进行数据抽取，多维分析等并行计算从而得出决策图表。将分析好的结果传送给MySQL数据库以方便前端可视化系统中数据明细查询模块的读取与调用，最终以Echarts可视化图表的的形式将分析好的招聘数据结果清晰地展示给用户。

2 可行性分析与需求分析

2.1 研究的目的及意义

随着大数据时代的到来，在今天这个高度竞争的经济环境下，之前采用人工进行数据采集，之后进行统一数据分析的工作所带来的效果已经不能满足人们对于职业分析的要求了，现在需要通过一种实时对海量招聘数据进行分析的软件来帮助求职者或相关领域工作人员解决对现有各个行业的疑惑。通过大数据智能分析所取得的成果可以应用与各行各业，社交媒体网站和其他公共服务领域。以一种开放的姿态展现在万千用户面前，这种关于职业招聘数据信息分析之后所取得的理论可以帮用户解决一些切实的问题，例如薪资，公司规模等信息，并且能够切实地帮助用户解决对于求职道路上的一些疑惑。

2.1.1 系统研究目的

随着大数据时代的到来，在今天这个高度竞争的经济环境下，之前采用人工进行数据采集，之后进行统一数据分析的工作所带来的效果已经不能满足人们对于职业分析的要求了，现在需要通过一种实时对海量招聘数据进行分析的软件来帮助求职者或相关领域工作人员解决对现有各个行业的疑惑。通过大数据智能分析所取得的成果可以应用与各行各业，社交媒体网站和其他公共服务领域。以一种开放的姿态展现在万千用户面前，这种关于职业招聘数据信息分析之后所取得的理论可以帮用户解决一些切实的问题，例如薪资，公司规模等信息，并且能够切实地帮助用户解决对于求职道路上的一些疑惑。

2.1.2 国内研究现状

  一方面，我国人力资源管理较发达国家起步晚，现在正处于发展初期，各种人力资源管理制度还不够完善，还需要人力资源管理人士继续努力探索、补充和纠正，而招聘成本作为人力资源管理中招聘的一部分，正处于刚被发展阶段，各位专业人士已经对其进行各种调查研究，但是很少得到企业的重视。

另一方面，由于我国仍处于劳动力市场发育时期，各项法规政策还不足够完善。国内的一些行业和企业虽然已经开展对人力资源成本的统计工作，但许多企业对人力资源成本仍没有完整的概念，未对人力资源成本进行总量控制和核算,更缺乏对人力资源成本的分析和控制。调查显示，64.18%的企业没有计算过每招聘1名员工所花费的成本，只有35.82%的企业做过这方面的计算。

另一方面，由于我国仍处于劳动力市场发育时期，各项法规政策还不足够完善。国内的一些行业和企业虽然已经开展对人力资源成本的统计工作，但许多企业对人力资源成本仍没有完整的概念，未对人力资源成本进行总量控制和核算,更缺乏对人力资源成本的分析和控制。调查显示，64.18%的企业没有计算过每招聘1名员工所花费的成本，只有35.82%的企业做过这方面的计算。

中国人力资源开发网2005年中国企业招聘现状调查报告指出,我国企业招聘存在的普遍问题主要体现在:规划性的欠缺、科学性的不足、专业性的差距。我国多数中小企业,招聘更多的时候是一种应急措施而不是企业策略。虽然大部分企业对招聘的具体操作非常重视，然而在成本预测及控制意识上却表现不足。

综上所诉，招聘成本还未得到大家的认同，但是作为一种成本，它的高低已经影响到企业的利润。在竞争激烈的当今社会，低成本无疑是增强企业竞争力的一大砝码。

2.1.3 国外研究现状

国外对招聘成本的研究比我国早，根据美国人力资源管理协会1997年调查显示,目前企业招聘工作的关切点按重要程度排序为1.录用质量（Qualityof the Hire）2.顾客满意度(Customer Satisfaction)3.时间投入(TimeInvested）4.成本(Cost）招聘成本尚未得到足够重视[2]。但是，一些财务总监、首席财务官(Chief Financial officer)和公司总裁已经发现了这一问题,他们开始向人力资源部门索要招聘成本这种数据以对其工作价值进行评估。

除美国外，我们可以再看一下日本在控制招聘成本方面的做法，一个曾留学于国际日本语学院、东京第一经理专门学校现任十和田电子有限公司(SONY在中国华南地区的生产基地)总务经理的蔡容生的观点，蔡先生主张不要盲目地选择招聘途径，并及时做好对招聘管理的评估工作，其中包括:招聘成本评估、录用人员的评估等。蔡容生认为:招聘成本的评估是评价招聘效率的一个重要指标，成本低、录用人员质量高，则招聘效率高;反之则效率低。通过评估招聘成本可以实现对招聘途径的合理组合，做到“物美价廉”。而对于录用人员的评估，则可以针对录用人员的质量和数量进行评价，包括:录用比、招聘完成比、应聘比，对每一次招聘进行全程细化，以最大限度地降低企业的招聘成本。

发达国家对招聘成本控制的概念比我国企业要强。从他们的劳动立法中就可以看出，如，在发达国家的劳动立法中，特别强调反对在人员招聘中所发生的学历歧视。简单的学历歧视的招聘政策，对个别企业是有些好处的，比如，它能减少人员招聘过程中的甄选成本等。

2.1.4大数据分析 

在过去，“智能分析”这一技术被应用于商业智能世界，提供理论方法和高效的解决速度，通过迅速、一致和能够交互地访问各种类型的信息透视图来得到对应的结果。与分析的基本理论十分相似，数据挖掘已经实施于商业，从而对大量的数据进行分析。现在最困难的就是怎么获得躲在大数据底层的知识。分析传统的数据存储与各公司的海量数据,我们会得到相比之前不一样的特殊结果,慢慢的智能分析的道路于传统理论分析道路会相差更大。

传统的分析是对已经存在于很久的数据范围进行分析处理。大多数数据存储空间都有一个极为繁琐的提取、转换和加载过程和数据空间限制，这就是说上传到数据空间的分析结果会更加简易易懂。大数据的最为优秀的长处是，除了可以用之前的操作来捕获数据，它还可以对结构复杂的数据进行处理。这也就是在告诉我们大数据所要分析的数据可以是各种各样的。这也会使这项技术实施起来更有难度，但是同时相比于传统方法我们会见到不一样的效果。

传统的分析会依赖于一个已经产生的数据结构体，在这个结构体中，事物与事物之间的大致关系已经存在，并在原有的关系中进行分析。因此，对于大数据分析，一个已经存在已久的世界里，很难找到事物与事物之间的独特关系，因此，在大数据分析中会考虑到图像、视频、运动生成的信息、射频识别等形式的结构化信息。这会使得大数据分析更有远见。

传统的分析方法是按照一定次序进行的，在获得不可缺少的知识理论前，我们必须每天晚上等待提取、加工和装载以及加工工作的完成。大数据分析任何时间任何地点都可以分析的，只需要使用一些特定工具即可。在传统的分析系统中，实时分析是非常麻烦的，费钱费时间，如大型并行处理系统或对称多处理系统。而大数据则是通过一些大数据分析软件进行数据分析，从而获得对应的理论知识。

2.2 可行性分析

（1）招聘数据获取流程和处理流程

针对于采用爬虫爬取的招聘信息数据集的过程以及采用大数据分析系统对于招聘数据信息集的处理过程如下图2-1所示。

6 系统测试

6.1 系统测试工作概要

在这部分主要是通过以下几方面对系统进行测试，测试类型其中包括：安全测试：对用户的非法请求例如用户名输入错误进行测试。压力测试：爬取庞大的电影数据信息，然后让系统进行分析，看系统能否正常运行。功能测试：对系统各个功能进行全面的测试，测试每一模块是否能正常运行。

6.2 测试的意义

软件要进行正式的应用前，一定要经过许多次的测试，主要测试软件的内容是否和最初的设计符合，目前所有的功能是否好用，信息的展示是否正确，页面的展示是否美观，系统的操作是否简便，是否符合用户操作网站的习惯。如果系统无法通过测试，则该系统无法进行应用，系统可以经过测试，测试出许多的缺陷，从而进行完善，让系统更加的具有使用价值。

6.3 测试方法

单元测试：将系统分割为各个大模块，每个模块都对其进行测试，主要测试模块内的功能是否符合预期要求。

循环测试：将测试后的内容，再次进行测试，应用不同的形式进行测试。

集成测试：将整个系统统一的进行测试，根据各个业务的联通，测试数据的流通是否正确。

7 总 结

通过本次的毕业设计让我在诸多方面都收获了很多知识，其中包括增长了独立搭建项目的能力和丰富了相关专业额外的大数据知识，令我收获颇多，具体的我会通过以下几个方面进行总结。

首先，我的毕业设计研究题目是基于互联网大数据的招聘数据智能分析平台，针对于此课题，我大致完成了以下几个方面。首先是前期对大数据智能分析由浅入深的理解，通过网上的快速培训学会了Python开发语言，为后期搭建项目打下了基础。然后就是系统地将整个招聘数据分析系统分成了三大模块，分别是数据收集，数据处理与分析，数据展示。那么在数据收集阶段，我主要学习scrapy爬虫框架，利用此框架来爬取51同城上面的职位招聘信息，作为整个招聘数据分析系统的数据源。然后就是数据处理与分析层次，我从相关的项目中了解到，大数据分析一般都会使用spark计算框架来对大数据进行分析，然后就通过论坛以及网络课程的学习来学习如何应用spark框架，然后并将其运用到我的项目中。在最后的数据展示方面，我选用的java语言开发，因为在校期间，老师带领我们完成了很多Java前后台交互的案例，所以说在这方面还有一定的基础，通过echarts工具来完成分析结果的可视化展示。因为个人的技术掌握的不太牢靠，只是完成了基础的项目功能，不能对招聘数据更细致的功能进行深究，其中在数据的存储与安全方面，我感觉做的不够好。因为我对于数据的保护层次只能依赖于数据库原有的数据加密，那么外界很容易就会获得招聘数据的明确信息，所以还要通过后期的学习来完善数据安全。

通过此次毕业课程设计，让我不再小看在校所学到的知识。举例来说，在校所学关于软件工程的知识帮我有条理地解决了一团乱麻的程序，我花了几天时间好好琢磨了一下软件工程所提到的总体设计，与概要设计。将我的招聘数据大数据分析系统的整体项目分成了若干详细说明的模块，对于我的后期编程帮助颇多，方便了我对整个项目的理解与编写。按部就班地完成了每一个模块，并将每一个功能模块都能够有所联系，在后期的代码整合过程中，就变得十分简易，就像按照说明书将一个机器组装起来一样。

总结来说，通过此次毕业设计让我真的收获颇多，让我认清自身还有诸多方面不足，对于代码的理解能力还需要加强。通过此次课题的研究与编程让我也习得了有关大数据的知识理论，以便于能顺利地完成此次毕业设计，为大学生涯画上一个完美的句号。还有就是通过此次毕业设计证实我还有多方面技术需要加强，我希望今天会是一个新的起点，在之后通过自己的学习来完善自己的弊端。

致 谢

大学四年光阴转瞬即逝，还清晰记得刚登入大学殿堂的样子，仿佛就如昨天刚刚发生。在这里感谢我的母校，给予我浓厚的学习氛围，使得我在大学四年能有所收获，更离不开诸位老师的谆谆教诲。是他们敦促平时慵懒散漫的我，让我勤奋好学。在这里，我要郑重地感谢我的毕业设计指导老师刘敏娟老师，刘敏娟老师给人一种和蔼可亲的形象，所以说我对刘敏娟老师印象就特别好，把他当做我的良师益友。当我有什么难以解决的问题时，我就会向刘敏娟老师请教，刘敏娟老师在课下时间就会立即为我提出的问题作答，真的十分感谢刘敏娟老师为我做的详细解答。再就是我也要感谢我的同学们，因为在课下的闲余时间，陪伴我度过了大学生涯的绝大部分时光，我们有说有笑，同样我们在课堂获取知识的劲头也绝不含糊。正是如此，我们互相在获取知识的道路上赛跑，遇到难以解决的问题时互帮互助，互相勉励，克服了一个又一个的难题。

回首整个毕业设计阶段，真是饱经风霜但又雨后见彩虹。最开始的我对于毕业设计课题很迷茫，因为在之前从没有接触过大数据的相关课题研究，只是简单了解过相关的知识。这时刘敏娟老师及时出现为我指点迷津。帮助我选题，有的相关资料也帮我整理好统一发给我，帮我解决了毕业设计初期所遇到的很多问题。没有刘敏娟老师的帮助，我的项目很难坚持到最后，没准就会夭折在摇篮里。因为没有太接触过关于大数据对招聘数据智能分析的研究，首先就会到网上寻求帮助，在CSDN或者博客园等相关知识领域论坛寻求相关的技术帮助，但是有一些专业理论知识我很难理解其中的意味，通过网络的帮助对于我的理解也没有什么成效。这时我就向刘敏娟老师请教，老师通过一段时间的思考便会将专业理论知识用通俗易懂的语言或者示例告诉我，对我在了解整体架构上帮助很大。

然后就是在中期论文的修改，后期论文格式的调整上对我帮助也很大。刘敏娟老师向我传授了许许多多关于论文规划的知识，让我的论文变得井井有条，以致于缩小后期论文的修改量。在论文书写中期，也就是写到总体设计部分我很迷茫，因为我不会议论文的形式来介绍我的毕业设计项目。这时刘敏娟老师就以他丰富的专业经验为我将整体项目拆分为几个详细的部分，告诉我在总体设计部分就针对这几部分展开介绍就可以了，使得我从迷茫中逐渐找到方向。特别感谢刘敏娟老师在此次毕业设计过程中对我的帮助。

最后所要感谢地就是默默支持我的父母，是他们将我抚育长大，给予我读书的机会，教我如何成为一个积极向上的人。如果没有父母的努力，我也不会有如此好的学习环境，是他们让我有了今天的成绩。我希望之后可以通过自己的努力学习与工作让他们感到欣慰。

参考文献

[1]田啸.大数据环境下计算机应用技术研究[J.电脑知识与技术]2019(14):246-247.

[2]侯聪聪.计算机软件技术在大数据时代的应用[J.电脑知识与技术]2018(14):240-241.北京:清华大学出版社,2016.335-340

[3]于知言.计算机应用技术在大数据时代的运用前景研究[J.知识文库]2017(15):107.

[4]李超科.计算机大数据分析及云计算网络技术发展探究[叮.计算机产品与流通]2019(11):12

[5]吴晓玲,邱珍珍.基于云存储架构的分布式大数据安全容错存储算法[J.中国电子科学研究院学报]2018,13(6):720-724.

[6]张若愚.Python 科学计算[M].北京:清华大学出版社.2016

[7]RobertCimman,Eduart Rohan-Multiscale finite element calculations in Python using SfePy.-2019.vol.45

[8]Linwei He,Matthew Gibert-A Python script for adaptive layout optimization of trusses. -2019.vol.69

[9]Elservierjournal-Python programming on win64.-2016.6.2

[10]xuezhisdc[CSDN].Spark基础知识-2019.07.31

[11]烟雨任平生[CSDN].Spark工作原理及基础概念-2020.11.24

[12]罗东健.大规模存储系统高可靠性关键技术研究[D].华中科技大学2016

[13]cangyu2013[CSDN].SparkStreaming原理-2018.12.15

[14]蒲公英上的尘埃[CSDN].爬虫的原理和思路-2018.07.26

[15]zhusongzhiye[CSDN].Python分布式爬虫原理-2018.05.25

[16]风雨飘摇[CSDN].Spark基本架构及原理-2017.03.08

[17]black_hnu[CSDN].Spark原理:概念与架构,工作机制-2018.09.03

[18]mokingone[CSDN].Mybatis快速入门和重点讲解-2018.07.23

[19]llgeoywq[CSDN].Spark高级数据分析-2016.11.21

[20]lkkskdf[CSDN].Spark SQL内部解析-2018.0

运行截图

推荐项目

上万套Java、Python、大数据、机器学习、深度学习等高级选题(源码+lw+部署文档+讲解等)

项目案例

优势

1-项目均为博主学习开发自研，适合新手入门和学习使用

2-所有源码均一手开发，不是模版！不容易跟班里人重复！

🍅✌感兴趣的可以先收藏起来，点赞关注不迷路，想学习更多项目可以查看主页，大家在毕设选题，项目代码以及论文编写等相关问题都可以给我留言咨询，希望可以帮助同学们顺利毕业！🍅✌

源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，拉到文章底部即可看到个人联系方式。🍅

点赞、收藏、关注，不迷路，下方查看👇🏻获取联系方式👇🏻