请教大家个问题，我这有个应用场景，做学生与就业信息的推荐，我的思路是如下描述
0
请教大家个问题，我这有个应用场景，做学生与就业信息的推荐，我的思路是
1、从各大招聘网站上，爬取大量的招聘、实习信息；
2、将招聘实习信息进行聚类，比如利用k-means等算法；
3、每个类别提取关键字或者主题，为招聘文本打标签，比如利用LDA主题模型；
4、制作用户画像，每个用户打上一些标签，这个数据直接可以获取，比如学生所属城市、院系、专业，和用户自定义标签，比如会哪些技术或擅长哪些领域；
5、将3、4两种标签进行关联，做推荐。
大家觉得怎么样？
另外，有个至关重要的第5步，该如何做关联？利用什么算法和思路？请大家指点下，谢谢
1、从各大招聘网站上，爬取大量的招聘、实习信息；
2、将招聘实习信息进行聚类，比如利用k-means等算法；
3、每个类别提取关键字或者主题，为招聘文本打标签，比如利用LDA主题模型；
4、制作用户画像，每个用户打上一些标签，这个数据直接可以获取，比如学生所属城市、院系、专业，和用户自定义标签，比如会哪些技术或擅长哪些领域；
5、将3、4两种标签进行关联，做推荐。
大家觉得怎么样？
另外，有个至关重要的第5步，该如何做关联？利用什么算法和思路？请大家指点下，谢谢
没有找到相关结果
重要提示：提问者不能发表回复，可以通过评论与回答者沟通，沟通后可以通过编辑功能完善问题描述，以便后续其他人能够更容易理解问题.
1 个回复
SmartMining - 数据挖掘、商业智能、大数据从业者：相关产品设计、项目管理、咨询、培训 2016-01-07 回答
赞同来自: TianleCheng 、Elationguy
第一类算法，分类预测算法。我们首先需要把工作岗位分类和分级，以工作的类别或级别为目标变量，用户的标签为影响因为，建立预测模型，也即推荐模型。
第二类算法，关联分析算法，也叫购物篮分析。我们可以把历史学员选择的工作类别或者学生标识作为一个购物篮，学生的标签作为商品，一个学生找到一个工作，就好比把把一个学生的标签作为了“商品”放在这个购物篮（学生身上）里卖给了这个工作，以此作为数据基础建立关联分析模型，这就转化为了类似电商商品推荐的思路。