CN113537922B - 一种基于大数据的科技项目人才推荐系统及方法 - Google Patents
一种基于大数据的科技项目人才推荐系统及方法 Download PDFInfo
- Publication number
- CN113537922B CN113537922B CN202110603613.4A CN202110603613A CN113537922B CN 113537922 B CN113537922 B CN 113537922B CN 202110603613 A CN202110603613 A CN 202110603613A CN 113537922 B CN113537922 B CN 113537922B
- Authority
- CN
- China
- Prior art keywords
- talent
- information
- demand
- talents
- demand information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000011160 research Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000005065 mining Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 2
- 239000000523 sample Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 238000003032 molecular docking Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000007635 classification algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据的科技项目人才推荐系统及方法,属于互联网应用技术领域,所述人才推荐方法包括:采集各科技产业技术与人才需求信息,获得人才需求信息数据;采集各科技产业技术人才信息,获得人才信息数据;对所述人才需求信息和人才信息进行标记;对所述人才需求信息和人才信息进行匹配,得到初步匹配结果;向技术人才需求方和人才方推送所述初步匹配结果,获得最终匹配结果;基于最终匹配结果,优化匹配策略;获得并展示科技人才供需信息大数据。本发明解决了现有系统和方法信息来源有限、项目与人才对接效率低、人才目标定位和匹配结果不精确、自动化程度低及对人工依赖程度高的问题。
Description
技术领域
本发明属于互联网应用技术领域,尤其涉及一种基于大数据的科技项目人才推荐系统及方法。
背景技术
长期以来,企业技术人才需求与技术专家人才无法有效对接的问题一直存在。一方面,高校与科研机构的学术与科研成果的转化率低,一些科技成果在研发完成后往往被束之高阁,得不到有效的利用,浪费了大量科研经费;另一方面,企业却缺少寻找急需的高科技人才和技术支持的渠道,缺少合适的商业项目,企业寻找合作方的成本过高。
目前国内外也有一些科技共享资源,但是技术供求信息比较分散,尤其是科技供需的完成周期、产业升级周期较长,导致现有科技资源的供需信息更新较差。而且一方面技术需求的领域较为分散,地方产业的技术升级需求比较隐蔽,另一方面科研人才、专家自带科研成果和技术,但宣传力度和公开度较少,科研成果的宣传力度小,因此对科技项目技术人才需求和专家人才进行整理和整合就变的异常困难。
现有方法对技术与人才信息挖掘深度不够,无法为科技人才供需双方搭建有效的合作桥梁,因此,长期以来技术需求信息与专家人才信息都是处于难以对接的处境,缺少完善、自动化程度高的供需匹配、对接手段。
发明内容
鉴于以上现有技术的不足,为解决粤港澳企业在供给侧结构性改革中遇到的企业升级技术问题,以及如何向合适的企业推荐合适的科研人才和专家,及科研团队的科技成果如何推荐给有需要或有潜在需求的企业,让合适的供方和需方建立联系,让地域企业和地域专家快速高效的合作的问题,本发明公开了一种基于大数据的科技项目人才推荐系统及方法,解决了现有方法信息来源有限、方法化程度低、项目对接效率低、目标定位和匹配结果不精确、对人工依赖程度高等问题。
本发明的一个方面,公开了一种基于大数据的科技项目人才推荐系统,包括:
科技项目人才供需信息展示模块,分别连接人才需求信息数据库和人才信息数据库;用于通过网络页面展示科技项目人才供需信息;
技术与人才需求采集模块,与所述人才需求信息数据库相连;用于将采集到的技术与人才需求信息存储于所述人才需求信息数据库;
人才信息采集模块,与所述人才信息数据库相连;用于将采集到的科技产业领域内的人才信息存储于所述人才信息数据库;
需求信息分类模块,与所述人才需求信息数据库和带有标签的人才需求信息数据库连接;用于将技术与人才需求信息进行分类并添加标签后存储于所述带有标签的人才需求信息数据库;
人才信息分类模块,与所述人才信息数据库和带有标签的人才信息数据库连接;用于对人才信息进行分类并添加标签后存储于所述带有标签的人才信息数据库;
重点人才匹配模块,与所述带有标签的人才需求信息数据库和带有标签的人才信息数据库连接;用于将带有标签的人才需求信息和带有标签的人才信息进行搜索匹配,输出重点推荐人才信息;
相似人才匹配模块,与所述带有标签的人才信息数据库连接,用于基于所述重点推荐人才信息和带有标签的人才信息,计算获得相似人才信息。
进一步地,所述系统还包括:信息推送模块,与所述科技项目人才供需信息展示模块相连,用于向技术人才需求方和人才方推送所述初步匹配结果;
所述初步匹配结果,包括所述技术与人才需求信息、重点推荐人才信息和相似人才信息;所述推送包括平台推荐信、平台短消息、手机短信和电子邮件。
进一步地,所述系统还包括:线上互动模块,与所述科技项目人才供需信息展示模块相连;用于基于所述初步匹配结果,建立技术人才需求方和人才方的线上交流互动通道,获得最终匹配结果。
进一步地,所述系统还包括:评估优化模块,分别与所述带有标签的人才需求信息数据库和带有标签的人才信息数据库相连;用于基于所述初步匹配结果和最终匹配结果的之间的结果偏差,对最终匹配结果中的人才供需双方信息的标签进行评估,若二者相同的标签数量少于40%,则对二者标签进行优化处理;
所述优化处理包括:添加所述最终匹配结果中的人才供需双方的共性特征信息,和/或增添共性标签,使二者相同标签数量不少于60%;
所述优化处理还包括:采用协同过滤算法对用户历史行为数据进行挖掘,挖掘用户的喜好偏向,并根据用户的喜欢偏向推荐人才或项目。
进一步地,所述重点人才匹配模块,从带有标签的人才信息数据库中搜索具有与人才需求信息标签相同或相近标签的人才信息并排序,将共性标签最多的人才信息输出为所述人才需求信息的重点推荐人才信息;所述信息标签包括:地域、产业领域、科技领域、技术关键字。
进一步地,所述相似人才匹配模块,通过以下公式获得人才i和所述重点推荐人才j之间人才相似度sim(i,j):
其中,sim(i,j)的输出范围是[0,1];Ii,j为人才i和重点推荐人才j共同参与过的项目集合;Ii和Ij分别表示人才i和重点推荐人才j有贡献度的项目集合;Si,c表示人才i对项目C的贡献度,Sj,c表示重点推荐人才j对项目C的贡献度;贡献度越高表示人才对项目的贡献度越大;表示人才i针对项目C同类型的项目的平均贡献度;/>表示重点推荐人才j针对项目C同类型的项目的平均贡献度;/>和/>由以下公式确定:
式中,n为项目总数,Sp,k表示人才p对项目k的贡献度,Tk为项目k根据优先级设定的占比,
所述相似人才匹配模块,对计算获得的相似度按从大到小的顺序进行排序,将排在前L名的人才标记为相似人才,输出相似人才信息,其中L≥0。
进一步地,所述科技项目人才供需信息展示模块,还用于实时统计、分析并展示人才供需信息大数据,并通过数据接口服务向其它网络平台或系统共享所述人才供需信息大数据;
所述人才供需信息大数据,包括:人才需求信息、人才信息、关键词搜索与统计、各项目人才的初步匹配结果、最终匹配结果和当前人才匹配状态信息;
所述人才信息,包括个人信息及其科研成果信息;
所述状态信息包括:待匹配、匹配中、推送中、意向沟通中、达成合作和已拒绝;
所述人才供需信息大数据的展示形式,包括图形、数据、视频和文字。
本发明的另一方面,公开了一种基于所述人才推荐系统的科技项目人才推荐方法,其特征在于,包括:
步骤S1,采集各科技产业技术与人才需求信息,获得人才需求信息数据;
步骤S2,采集各科技产业技术人才信息,获得人才信息数据;
步骤S3,对所述人才需求信息和人才信息标记标签;
步骤S4,对所述人才需求信息和人才信息进行匹配,得到初步匹配结果;
步骤S5,向技术人才需求方和人才方推送所述初步匹配结果,获得最终匹配结果;
步骤S6,基于最终匹配结果,优化匹配策略;
步骤S7,获得并展示科技人才供需信息大数据。
进一步地,所述采集各科技产业技术与人才需求信息的方法,包括采集来自科技产业企业及机构的实际技术需求信息与人才需求信息;所述需求信息通过PC或移动端的需求信息采集表的形式由技术与人才需求方填表提交,和通过程序直接从合作的全国范围的科技产业系统中采集;获得所述人才需求信息数据存储于人才需求信息数据库中;
所述采集各科技产业技术人才信息的方法,包括采集来自高校、科研、医疗单位的技术专家人才信息和粤港澳百万专家人才信息;所述信息通过PC或移动端的人才信息采集表的形式由人才方提交,和通过程序直接从合作的全国范围的科技人才系统和第三方百万专家数据库中采集;获得所述人才信息存储于人才信息数据库中;
所述标记标签的方法,包括通过智能信息分类方法与人工审核交叉进行的方式,对技术与人才需求信息和人才信息进行分类并添加标签;其中,所述智能信息分类方法包括现有基于信息数据特征的智能信息分类方法。
进一步地,所述初步匹配结果,包括技术需求信息、重点推荐人才信息和相似人才信息;
所述对所述人才需求信息和人才信息进行匹配的方法,包括:对人才信息数据库中进行搜索匹配,当某条人才信息的标签与被匹配的人才需求信息的标签完全相同或二者相同的标签最多,该人才定为被匹配的人才需求信息的重点推荐人才;基于所述重点推荐人才信息搜索确定所述相似人才信息;
所述最终匹配结果的确定方法,包括:基于所述初步匹配结果向技术人才需求方和人才方推送推荐的合作方,当人才供需双方确认进行合作后,初步匹配结果改为最终匹配结果;
所述优化匹配策略的方法,包括:基于所述初步匹配结果和最终匹配结果的之间的结果偏差,对所述最终匹配结果中的人才供需双方的标签进行评估,若二者相同的标签数量少于40%,则对二者标签进行优化处理;
所述优化处理,包括:添加最终匹配结果中的人才供需双方的共性特征信息,和/或增添共性标签,使二者相同标签数量不少于60%;
所述优化处理,还包括:采用协同过滤算法对用户历史行为数据进行挖掘,挖掘用户的喜好偏向,并根据用户的喜欢偏向推荐人才或项目。
本发明有益效果如下:
本发明解决了科技人才信息来源有限、项目与人才对接效率低、人才目标定位和匹配结果不精确、自动化程度低及对人工依赖程度高的问题。
本发明可以为科技人才供需提供深度服务,通过高精度的科技产业人才供需匹配,为企业需求提供一站式人才、专家对接服务,创新技术合作与交易方式,打造市场化运作、线上与线下深度融合的协同创新系统,从而实现科技成果更高效地转化。
本发明可以向合适的企业推荐合适的科研人才和专家,将科研团队的科技成果推荐给有需要或有潜在需求的企业,让合适的供方和需方建立联系,解决地域企业和地域专家快速高效的合作的问题。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。显而易见地,下面描述中的附图仅仅是本发明实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种基于大数据的科技项目人才推荐系统结构示意图;
图2为本发明实施例的一种基于大数据的科技项目人才推荐方法流程图;
图3为本发明实施例的技术人才需求信息界面示意图;
图4为本发明实施例的技术人才信息界面示意图;
图5为本发明实施例的技术人才供需匹配结果信息界面示意图。
具体实施方式
为了使本领域的人员更好地理解本发明实施例中的技术方案,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。应该理解,这些描述只是示例性的,并非用于限定本发明的范围。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明公开的概念。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的系统或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
系统实施例
本发明的一个具体实施例,公开了一种基于大数据的科技项目人才推荐系统,所述系统包括:科技项目人才供需信息展示模块、技术与人才需求采集模块、人才信息采集模块、需求信息分类模块、人才信息分类模块、重点人才匹配模块、相似人才匹配模块、信息推送模块、线上互动模块和评估优化模块。
所述系统还包括:人才需求信息B1数据库、人才信息B2数据库、带有标签的人才需求信息D1数据库和带有标签的人才信息D2数据库。
具体地,如图1系统结构示意图所示,所述技术与人才需求采集模块、人才需求信息B1数据库、需求信息分类模块、带有标签的人才需求信息D1数据库、重点人才匹配模块顺序相连;
所述人才信息采集模块、人才信息B2数据库、人才信息分类模块、带有标签的人才信息D2数据库、重点人才匹配模块顺序相连;
所述相似人才匹配模块,与所述带有标签的人才信息D2数据库相连;
所述评估优化模块,分别与所述带有标签的人才需求信息D1数据库和带有标签的人才信息D2数据库相连;
所述科技项目人才供需信息展示模块,分别与所述人才需求信息B1数据库和人才信息B2数据库、信息推送模块和线上互动模块连接。
以下对本发明系统实施例做详细说明。
所述科技项目人才供需信息展示模块,分别与人才需求信息B1数据库和人才信息B2数据库、信息推送模块和线上互动模块连接,用于通过网络页面展示科技项目人才供需信息。
所述科技项目人才供需信息,包括当前人才匹配及合作过程中的状态信息,包括:待匹配、匹配中、推送中、意向沟通中、达成合作和已拒绝等,使用户能够清晰的获知到科技人才供需项目的进展情况。
所述科技项目人才供需信息展示模块,还用于包括实时统计、分析并展示人才供需信息大数据,并通过数据接口服务向其它网络平台或系统共享科技人才供需信息大数据,实现科技人才供需信息跨平台共享。
所述科技人才供需信息大数据包括:当前的所述人才需求信息B1、人才信息B2、关键词搜索与统计、各项目人才的初步匹配结果F和最终匹配结果G等各项统计分析数据。
所述科技人才供需信息大数据的展示形式,包括图形、数据、视频和文字。本实施例为其他系统提供共享数据接口服务,接口是标准的微服务接口,更安全。
所述科技项目人才供需信息展示模块,除了在页面上进行一系列展示,让用户能够清晰的捕捉到科技项目的进展情况,同时也辅助线上完成对接,为线下对接做基础的数据保留与意向互信,利用所述科技项目人才供需信息展示模块的线上功能和线下组织推动合作达成,真正的打通线上线下。
所述技术与人才需求采集模块,与人才需求信息B1数据库连接;用于对科技产业领域内的科技项目技术与人才需求信息进行采集,将采集到的科技项目技术与人才需求信息存储于所述人才需求信息B1数据库。
基于各领域的产业技术需求特点,对技术与人才需求信息进行采集和整理,包括来自各产业企业及机构等单位的实际技术需求信息和人才的需求信息,依据关键字对需求信息提炼技术与技能要素,以及项目特征要素,构成所述人才需求信息B1,并将所述信息存储于大数据库中。
优选地,所述对科技产业领域内的科技项目技术与人才的需求信息进行采集,可以通过PC或移动端的需求信息采集表的形式由技术与人才需求方填表提交,也可以通过程序直接从合作的全国范围的科技产业系统中采集。
图3为本发明实施例的技术人才需求信息界面示意图。
所述人才信息采集模块,与人才信息B2数据库连接,用于对科技产业领域内的人才信息进行采集,将采集到的人才信息存储于人才信息B2数据库。
基于各领域的产业技术人才特点,对技术人才信息进行采集和整理,依据关键字提炼信息要素,包括来自高校、科研、医疗等单位的技术专家人才信息,还包括粤港澳100万专家人才大数据,构成所述人才信息B2,并将所述信息存储于大数据库中。
优选地,所述对科技产业领域内的人才信息进行采集,可以通过PC或移动端的人才信息采集表的形式由人才方提交,也可以通过程序直接从合作的全国范围的科技人才系统和第三方百万专家数据库中采集。
优选地,人才信息包括个人信息及其科研成果信息。
图4为本发明实施例的技术人才信息界面示意图。
所述需求信息分类模块,与所述人才需求信息B1数据库连接;从所述人才需求信息B1数据库中读取技术与人才需求信息,并通过智能信息分类算法,对技术与人才需求信息进行分类并添加标签,获得带有标签的人才需求信息D1数据库。
所述人才信息分类模块,与所述人才信息B2数据库连接;从所述人才信息B2数据库中读取人才信息,并通过智能信息分类算法,对人才信息进行分类并添加标签,获得带有标签的人才信息D2数据库。
示例性地,所述标签,包括但不限于地域、产业领域、科技领域、技术关键字、成果鉴定等级、人才技术特征、时效特征和优先级标签。所述标签的形式,包括但不限于数字标记、文字标记和图像标记,为数字信息,可存储于计算机数据库或存储器中。每条信息数据可以带有若干标签。
所述智能信息分类算法包括现有基于信息数据特征的智能信息分类算法。
示例性地,所述优先级标签,包括:重点地区重点项目X1、一般地区重点项目X2、重点地区中等项目X3、一般地区中等项目X4、重点地区小微项目X5和一般地区小微项目X6。
其中,所述重点地区包括珠三角或粤港澳地区;基于项目规格G的大小划分所述重点项目、一般项目和小微项目。示例性地,所述项目规格G由项目金额G1、项目团队科研人员配置G2、项目最高h因子科研专家G3、项目进展阶段G4和科研设备水平G5决定。
所述重点人才匹配模块,与所述带有标签的人才需求信息D1数据库和带有标签的人才信息D2数据库连接;从数据库中读取带有标签的人才需求信息D1和带有标签的人才信息D2进行搜索匹配,输出重点推荐人才信息E1。
所述重点人才匹配模块,按照带有标签的人才需求信息D1的标签信息,从带有标签的人才信息D2数据库中搜索与D1标签相同或相近的人才信息作为重点推荐人才信息E1。
所述从带有标签的人才信息D2数据库中搜索匹配与D1标签相同或相近的人才信息作为重点推荐人才信息E1,是当人才需求信息D1的标签与某人才信息标签中的地域、产业领域、科技领域、技术关键字和专家技术特征标签完全相同或二者相同的标签较多时,该人才被所述重点人才匹配模块标记输出为该技术需求信息的重点推荐人才。
所述搜索匹配算法,是基于正则表达式和KMP匹配算法(即Knuth-Morris-Pratt算法,一种字符串匹配算法),查找字符串中重复的部分。
相似人才匹配模块,与所述带有标签的人才信息D2数据库连接,用于基于搜索到的所述重点推荐人才信息E1和所述带有标签的人才信息D2数据库,计算获得相似人才信息E2。
所述相似人才匹配模块,通过以下公式获得人才i和重点推荐人才j之间人才相似度sim(i,j):
式中,Ii,j为人才i和重点推荐人才j共同参与过的项目集合;Ii和Ij分别表示人才i和重点推荐人才j有贡献度的项目集合;Si,c表示人才i对项目C的贡献度,Sj,c表示重点推荐人才j对项目C的贡献度;贡献度越高表示人才对项目的贡献度越大;表示人才i针对项目C同类型的项目的平均贡献度;/>表示重点推荐人才j针对项目C同类型的项目的平均贡献度;/>和/>由以下公式确定:
式中n为项目总数,Sp,k表示人才p对项目k的贡献度,Tk为项目k根据优先级设定的占比,/>
sim(i,j)的取值范围是[0,1],值越大表明人才i和重点推荐人才j之间的相似性越高。对计算获得的相似度按从大到小的顺序进行排序,基于排在前L名的人才,获得相似人才信息E2,其中L≥0。
图5为本发明实施例的技术人才供需匹配结果信息界面示意图。
所述信息推送模块,与所述科技项目人才供需信息展示模块相连;用于向技术人才需求方和人才方推送初步匹配结果F。
所述初步匹配结果F,包括所述技术需求信息D1、重点推荐人才信息E1和相似人才信息E2。
所述信息推送模块,基于所述初步匹配结果F向技术人才需求方和人才方推送平台推荐的合作方,促进技术人才交流合作。
所述推送方式包括平台推荐信、平台短消息、手机短信和电子邮件。
线上互动模块,与所述科技项目人才供需信息展示模块相连;基于所述初步匹配结果F,建立技术人才需求方和人才方的线上交流互动通道,获得最终匹配结果G。
双方通过所述线上互动模块进行进一步接触,专家人才可在线应答,开展技术合作的线上沟通,提高技术转移和成果对的精准度与成单率,实现创新技术供需服务体系。
评估优化模块,与带有标签的人才需求信息D1数据库和带有标签的人才信息D2数据库连接;用于基于初步匹配结果F和最终匹配结果G的之间的结果偏差,对最终匹配结果G的人才供需双方的标签进行评估,若二者相同的标签数量少于40%,则对二者标签进行优化处理。
所述优化处理包括:添加最终匹配结果G的人才供需双方的共性特征信息,和/或增添共性标签,使二者相同标签数量不少于60%。
所述优化处理还包括:采用协同过滤(Collaborative Filtering)算法对用户历史行为数据进行挖掘,发现用户的喜好偏向,并预测用户可能喜好的人才或项目进行推荐。
方法实施例
本发明的另一个具体实施例,公开了一种基于大数据的科技成果供需匹配方法,如图2所示,该方法包括步骤S1至步骤S7,具体说明如下。
步骤S1.采集各科技产业技术与人才需求信息,获得人才需求信息数据。
对科技产业领域内的科技项目技术与人才需求信息进行采集,获得人才需求信息B1数据库。
基于各领域的产业技术需求特点,对技术与人才需求信息进行采集和整理,依据关键字提炼信息要素,包括来自各产业企业及机构等单位的实际技术与人才的需求信息,构成所述人才需求信息B1,并将所述信息存储于大数据库中。
示例性地,所述对科技产业领域内的科技项目技术与人才的需求信息进行采集,可以通过PC或移动端的需求信息采集表的形式由技术与人才需求方填表提交,也可以通过程序直接从合作的全国范围的科技产业系统中采集。
步骤S2.采集各科技产业技术人才信息,获得人才信息数据。
对科技产业领域内的人才信息进行采集,获得人才信息B2数据库。
基于各领域的产业技术人才特点,对技术人才信息进行采集和整理,依据关键字提炼信息要素,包括来自高校、科研、医疗等单位的技术专家人才信息,还包括粤港澳100万专家人才大数据,构成所述人才信息B2,并将所述信息存储于大数据库中。
示例性地,所述对科技产业领域内的人才信息进行采集,可以通过PC或移动端的人才信息采集表的形式由人才方提交,也可以通过程序直接从合作的全国范围的科技人才系统和第三方百万专家数据库中采集。
优选地,人才信息包括个人信息和科研成果信息。
步骤S3.对所述人才需求信息和人才信息标记标签。
对所述人才需求信息B1标记标签,获得带有标签的人才需求信息D1数据库;对所述人才信息B2标记标签,获得带有标签的人才信息D2数据库。
示例性地,所述标签,包括但不限于地域、产业领域、科技领域、技术关键字、成果鉴定等级、人才技术特征、时效特征和优先级标签。所述标签的形式,包括但不限于数字标记、文字标记和图像标记,为数字信息,可存储于计算机数据库或存储器中。每条信息数据可以带有若干标签。
所述标签,可通过智能信息分类方法与人工审核交叉进行的方式,对技术与人才需求信息和人才信息进行分类并添加标签。
所述智能信息分类方法包括现有基于信息数据特征的智能信息分类方法。
示例性地,所述优先级标签,包括:重点地区重点项目X1、一般地区重点项目X2、重点地区中等项目X3、一般地区中等项目X4、重点地区小微项目X5和一般地区小微项目X6。
其中,所述重点地区包括珠三角或粤港澳地区;基于项目规格G的大小划分所述重点项目、一般项目和小微项目。示例性地,所述项目规格G由项目金额G1、项目团队科研人员配置G2、项目最高h因子科研专家G3、项目进展阶段G4和科研设备水平G5决定。
步骤S4.对所述人才需求信息和人才信息进行匹配,得到初步匹配结果F。
对所述带有标签的人才需求信息D1和带有标签的人才信息D2进行匹配。
按照带有标签的人才需求信息D1的标签信息,从带有标签的人才信息D2数据库中搜索与D1标签相同或相近的人才信息作为重点推荐人才信息E1;基于搜索到的每个重点推荐人才信息E1,计算获得相似人才信息E2。
所述从带有标签的人才信息D2数据库中搜索匹配与D1标签相同或相近的人才信息作为重点推荐人才信息E1,是当人才需求信息D1的标签与某人才信息标签中的地域、产业领域、科技领域、技术关键字和专家技术特征标签完全相同或二者相同的标签较多时,该人才定为该人才需求信息的重点推荐人才。
所述搜索匹配方法,是基于正则表达式和KMP匹配算法(即Knuth-Morris-Pratt算法,一种字符串匹配算法),查找字符串中重复的部分。
所述基于搜索到的每个重点推荐人才信息E1,计算获得相似人才信息E2的方法为:
通过以下公式获得人才i和重点推荐人才j之间人才相似度sim(i,j):
式中,Ii,j为人才i和重点推荐人才j共同参与过的项目集合;Ii和Ij分别表示人才i和重点推荐人才j有贡献度的项目集合;Si,c表示人才i对项目C的贡献度,Sj,c表示重点推荐人才j对项目C的贡献度;贡献度越高表示人才对项目的贡献度越大;表示人才i针对项目C同类型的项目的平均贡献度;/>表示重点推荐人才j针对项目C同类型的项目的平均贡献度;/>和/>由以下公式确定:
式中n为项目总数,Sp,k表示人才p对项目k的贡献度,Tk为项目k根据优先级设定的占比,/>
sim(i,j)的取值范围是[0,1],值越大表明人才i和重点推荐人才j之间的相似性越高。对计算获得的相似度按从大到小的顺序进行排序,基于排在前L名的人才,获得相似人才信息E2,其中L≥0。
所述初步匹配结果F,包括所述技术需求信息D1、重点推荐人才信息E1和相似人才信息E2。
步骤S5.向技术人才需求方和人才方推送所述初步匹配结果,获得最终匹配结果。
基于所述初步匹配结果F向技术人才需求方和人才方推送推荐的合作方,促进技术人才交流合作;当人才供需双方确认进行合作后,初步匹配结果F改为最终匹配结果G。
通过向人才供需双方提供初步匹配结果F信息,将科技企业需求精准对接专家人才,引导技术人才需求方和人才方双方在线上进行进一步接触,专家人才可在线应答,开展技术合作的线上沟通,提高技术转移和成果对的精准度与成单率,实现创新技术供需服务体系,并利用线上功能和线下组织推动合作达成,真正的打通线上线下。
所述推送方式包括平台推荐信、平台短消息、手机短信和电子邮件。
示例性地,通过页面展示科技项目当前人才匹配及合作过程中的状态信息,包括:待匹配、匹配中、推送中、意向沟通中、达成合作和已拒绝等。使用户能够清晰的获知到科技人才供需项目的进展情况。
步骤S6.基于最终匹配结果,优化匹配策略。
基于初步匹配结果F和最终匹配结果G的之间的结果偏差,对最终匹配结果G的人才供需双方的标签进行评估,若二者相同的标签数量少于40%,则对二者标签进行优化处理。
所述优化处理包括:添加最终匹配结果G的人才供需双方的共性特征信息,和/或增添共性标签,使二者相同标签数量不少于60%。
所述优化处理还包括:采用协同过滤(Collaborative Filtering)算法对用户历史行为数据进行挖掘,挖掘用户的喜好偏向,并根据用户的喜欢偏向推荐人才或项目。
步骤S7.获得并展示科技人才供需信息大数据。
实时统计、分析并展示人才供需信息大数据,并通过数据接口服务向其它网络平台或系统共享科技人才供需信息大数据,实现科技人才供需信息跨平台共享。
所述科技人才供需信息大数据包括:当前的所述人才需求信息B1、人才信息B2、关键词搜索与统计、各项目人才的初步匹配结果F和最终匹配结果G等各项统计分析数据。
所述科技人才供需信息大数据的展示形式,包括图形、数据、视频和文字。本实施例为其他系统提供共享数据接口服务,接口是标准的微服务接口,更安全。
匹配的结果是实时进行监控的,除了在页面上进行一系列展示,让用户能够清晰的捕捉到科技项目的进展情况,同时也辅助线上完成对接,为线下对接,做基础的数据保留与意向互信。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。在实际应用中,可以根据需要而将上述步骤进行再分解或者组合,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的步骤的名称,仅仅是为了区分各个步骤,不视为对本发明的不当限定。
最后应说明的是,以上实施例仅用以说明本发明实施例的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,任何熟悉本技术领域的技术人员在本发明公开的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于大数据的科技项目人才推荐系统,其特征在于,包括:
科技项目人才供需信息展示模块,分别连接人才需求信息数据库和人才信息数据库;用于通过网络页面展示科技项目人才供需信息;
技术与人才需求采集模块,与所述人才需求信息数据库相连;用于将采集到的技术与人才需求信息存储于所述人才需求信息数据库;
人才信息采集模块,与所述人才信息数据库相连;用于将采集到的科技产业领域内的人才信息存储于所述人才信息数据库;
需求信息分类模块,与所述人才需求信息数据库和带有标签的人才需求信息数据库连接;用于将技术与人才需求信息进行分类并添加标签后存储于所述带有标签的人才需求信息数据库;
人才信息分类模块,与所述人才信息数据库和带有标签的人才信息数据库连接;用于对人才信息进行分类并添加标签后存储于所述带有标签的人才信息数据库;
重点人才匹配模块,与所述带有标签的人才需求信息数据库和带有标签的人才信息数据库连接;用于将带有标签的人才需求信息和带有标签的人才信息进行搜索匹配,输出重点推荐人才信息;
相似人才匹配模块,与所述带有标签的人才信息数据库连接,用于基于所述重点推荐人才信息和带有标签的人才信息,计算获得相似人才信息;
所述重点人才匹配模块,从带有标签的人才信息数据库中搜索具有与人才需求信息标签相同或相近标签的人才信息并排序,将共性标签最多的人才信息输出为所述人才需求信息的重点推荐人才信息;所述信息标签包括:地域、产业领域、科技领域、技术关键字;
所述相似人才匹配模块,通过以下公式获得人才i和所述重点推荐人才j之间人才相似度sim(i,j):
其中,sim(i,j)的输出范围是[0,1];Ii,j为人才i和重点推荐人才j共同参与过的项目集合;Ii和Ij分别表示人才i和重点推荐人才j有贡献度的项目集合;Si,c表示人才i对项目C的贡献度,Sj,c表示重点推荐人才j对项目C的贡献度;贡献度越高表示人才对项目的贡献度越大;表示人才i针对项目C同类型的项目的平均贡献度;/>表示重点推荐人才j针对项目C同类型的项目的平均贡献度;/>和/>由以下公式确定:
式中,n为项目总数,Sp,k表示人才p对项目k的贡献度,Tk为项目k根据优先级设定的占比,
所述相似人才匹配模块,对计算获得的相似度按从大到小的顺序进行排序,将排在前L名的人才标记为相似人才,输出相似人才信息,其中L≥0。
2.根据权利要求1所述的一种基于大数据的科技项目人才推荐系统,其特征在于,还包括:信息推送模块,与所述科技项目人才供需信息展示模块相连,用于向技术人才需求方和人才方推送初步匹配结果;
所述初步匹配结果,包括所述技术与人才需求信息、重点推荐人才信息和相似人才信息;所述推送包括平台推荐信、平台短消息、手机短信和电子邮件。
3.根据权利要求2所述的一种基于大数据的科技项目人才推荐系统,其特征在于,还包括:线上互动模块,与所述科技项目人才供需信息展示模块相连;用于基于所述初步匹配结果,建立技术人才需求方和人才方的线上交流互动通道,获得最终匹配结果。
4.根据权利要求3所述的一种基于大数据的科技项目人才推荐系统,其特征在于,还包括:评估优化模块,分别与所述带有标签的人才需求信息数据库和带有标签的人才信息数据库相连;用于基于所述初步匹配结果和最终匹配结果的之间的结果偏差,对最终匹配结果中的人才供需双方信息的标签进行评估,若二者相同的标签数量少于40%,则对二者标签进行优化处理;
所述优化处理包括:添加所述最终匹配结果中的人才供需双方的共性特征信息,和/或增添共性标签,使二者相同标签数量不少于60%;
所述优化处理还包括:采用协同过滤算法对用户历史行为数据进行挖掘,挖掘用户的喜好偏向,并根据用户的喜欢偏向推荐人才或项目。
5.根据权利要求4所述的一种基于大数据的科技项目人才推荐系统,其特征在于,所述科技项目人才供需信息展示模块,还用于实时统计、分析并展示人才供需信息大数据,并通过数据接口服务向其它网络平台或系统共享所述人才供需信息大数据;
所述人才供需信息大数据,包括:人才需求信息、人才信息、关键词搜索与统计、各项目人才的初步匹配结果、最终匹配结果和当前人才匹配状态信息;
所述人才信息,包括个人信息及其科研成果信息;
所述状态信息包括:待匹配、匹配中、推送中、意向沟通中、达成合作和已拒绝;
所述人才供需信息大数据的展示形式,包括图形、数据、视频和文字。
6.一种基于权利要求1至5任一项所述系统的科技项目人才推荐方法,其特征在于,包括:
步骤S1,采集各科技产业技术与人才需求信息,获得人才需求信息数据;
步骤S2,采集各科技产业技术人才信息,获得人才信息数据;
步骤S3,对所述人才需求信息和人才信息标记标签;
步骤S4,对所述人才需求信息和人才信息进行匹配,得到初步匹配结果;
步骤S5,向技术人才需求方和人才方推送所述初步匹配结果,获得最终匹配结果;
步骤S6,基于最终匹配结果,优化匹配策略;
步骤S7,获得并展示科技人才供需信息大数据。
7.根据权利要求6所述的方法,其特征在于,
所述采集各科技产业技术与人才需求信息的方法,包括采集来自科技产业企业及机构的实际技术需求信息与人才需求信息;所述需求信息通过PC或移动端的需求信息采集表的形式由技术与人才需求方填表提交,和通过程序直接从合作的全国范围的科技产业系统中采集;获得所述人才需求信息数据存储于人才需求信息数据库中;
所述采集各科技产业技术人才信息的方法,包括采集来自高校、科研、医疗单位的技术专家人才信息和粤港澳百万专家人才信息;所述信息通过PC或移动端的人才信息采集表的形式由人才方提交,和通过程序直接从合作的全国范围的科技人才系统和第三方百万专家数据库中采集;获得所述人才信息存储于人才信息数据库中;
所述标记标签的方法,包括通过智能信息分类方法与人工审核交叉进行的方式,对技术与人才需求信息和人才信息进行分类并添加标签;其中,所述智能信息分类方法包括现有基于信息数据特征的智能信息分类方法。
8.根据权利要求7所述的方法,其特征在于,
所述初步匹配结果,包括技术需求信息、重点推荐人才信息和相似人才信息;
所述对所述人才需求信息和人才信息进行匹配的方法,包括:对人才信息数据库中进行搜索匹配,当某条人才信息的标签与被匹配的人才需求信息的标签完全相同或二者相同的标签最多,该人才定为被匹配的人才需求信息的重点推荐人才;基于所述重点推荐人才信息搜索确定所述相似人才信息;
所述最终匹配结果的确定方法,包括:基于所述初步匹配结果向技术人才需求方和人才方推送推荐的合作方,当人才供需双方确认进行合作后,初步匹配结果改为最终匹配结果;
所述优化匹配策略的方法,包括:基于所述初步匹配结果和最终匹配结果的之间的结果偏差,对所述最终匹配结果中的人才供需双方的标签进行评估,若二者相同的标签数量少于40%,则对二者标签进行优化处理;
所述优化处理,包括:添加最终匹配结果中的人才供需双方的共性特征信息,和/或增添共性标签,使二者相同标签数量不少于60%;
所述优化处理,还包括:采用协同过滤算法对用户历史行为数据进行挖掘,挖掘用户的喜好偏向,并根据用户的喜欢偏向推荐人才或项目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110603613.4A CN113537922B (zh) | 2021-05-31 | 2021-05-31 | 一种基于大数据的科技项目人才推荐系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110603613.4A CN113537922B (zh) | 2021-05-31 | 2021-05-31 | 一种基于大数据的科技项目人才推荐系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113537922A CN113537922A (zh) | 2021-10-22 |
CN113537922B true CN113537922B (zh) | 2024-02-13 |
Family
ID=78124504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110603613.4A Active CN113537922B (zh) | 2021-05-31 | 2021-05-31 | 一种基于大数据的科技项目人才推荐系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537922B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330363B (zh) * | 2022-10-17 | 2023-02-14 | 北京智鼎管理咨询有限公司 | 一种人才识别方法、装置、电子设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020067755A (ko) * | 2001-02-19 | 2002-08-24 | 주식회사 비전캐리어 | 전문가 추천 구인구직 서비스 시스템 및 그 시스템을 통한구인구직 서비스 방법 |
KR20120104856A (ko) * | 2011-03-14 | 2012-09-24 | 주식회사 리치커뮤니케이션즈 | 인재 추천 및 평가 시스템과 방법 |
CN106021274A (zh) * | 2016-04-29 | 2016-10-12 | 北京格分维科技有限公司 | 一种基于大数据的人才能力评价模型系统及方法 |
CN107656920A (zh) * | 2017-09-14 | 2018-02-02 | 杭州电子科技大学 | 一种基于专利的科技人才推荐方法 |
JP2018067277A (ja) * | 2016-10-21 | 2018-04-26 | 安国 琴 | 人材紹介装置、人材紹介プログラム、人材紹介方法 |
CN108596567A (zh) * | 2018-04-19 | 2018-09-28 | 蔡丽煌 | 一种基于区块链技术的人才推荐方法及系统 |
WO2019142157A1 (en) * | 2018-01-22 | 2019-07-25 | Tata Consultancy Services Limited | System and method for talent insights generation and recommendation |
CN111680969A (zh) * | 2020-05-25 | 2020-09-18 | 青岛黄海学院 | 一种人力资源管理系统 |
CN111737495A (zh) * | 2020-06-28 | 2020-10-02 | 福州数据技术研究院有限公司 | 基于领域自分类的中高端人才智能推荐系统及其方法 |
CN112116331A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 一种人才推荐方法及装置 |
CN112861010A (zh) * | 2021-03-02 | 2021-05-28 | 北京赛时科技有限公司 | 一种领域专家精准匹配推荐系统及方法 |
-
2021
- 2021-05-31 CN CN202110603613.4A patent/CN113537922B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020067755A (ko) * | 2001-02-19 | 2002-08-24 | 주식회사 비전캐리어 | 전문가 추천 구인구직 서비스 시스템 및 그 시스템을 통한구인구직 서비스 방법 |
KR20120104856A (ko) * | 2011-03-14 | 2012-09-24 | 주식회사 리치커뮤니케이션즈 | 인재 추천 및 평가 시스템과 방법 |
CN106021274A (zh) * | 2016-04-29 | 2016-10-12 | 北京格分维科技有限公司 | 一种基于大数据的人才能力评价模型系统及方法 |
JP2018067277A (ja) * | 2016-10-21 | 2018-04-26 | 安国 琴 | 人材紹介装置、人材紹介プログラム、人材紹介方法 |
CN107656920A (zh) * | 2017-09-14 | 2018-02-02 | 杭州电子科技大学 | 一种基于专利的科技人才推荐方法 |
WO2019142157A1 (en) * | 2018-01-22 | 2019-07-25 | Tata Consultancy Services Limited | System and method for talent insights generation and recommendation |
CN108596567A (zh) * | 2018-04-19 | 2018-09-28 | 蔡丽煌 | 一种基于区块链技术的人才推荐方法及系统 |
CN111680969A (zh) * | 2020-05-25 | 2020-09-18 | 青岛黄海学院 | 一种人力资源管理系统 |
CN111737495A (zh) * | 2020-06-28 | 2020-10-02 | 福州数据技术研究院有限公司 | 基于领域自分类的中高端人才智能推荐系统及其方法 |
CN112116331A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 一种人才推荐方法及装置 |
CN112861010A (zh) * | 2021-03-02 | 2021-05-28 | 北京赛时科技有限公司 | 一种领域专家精准匹配推荐系统及方法 |
Non-Patent Citations (1)
Title |
---|
数据驱动的行业人才供需匹配信息平台构建;杜晖;曹鹏;;软件导刊(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113537922A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Koseoglu | Mapping the institutional collaboration network of strategic management research: 1980–2014 | |
Owen-Smith et al. | A comparison of US and European university-industry relations in the life sciences | |
US9633086B2 (en) | Goal-oriented user matching among social networking environments | |
Calof et al. | Corporate foresight for strategic innovation management: the case of a Russian service company | |
CN111833019A (zh) | 一种云定制招聘会方法和系统 | |
CN108564338B (zh) | 平台服务器以及建筑设计招投标服务系统 | |
Ikeda et al. | Development of social recommendation GIS for tourist spots | |
CN113537922B (zh) | 一种基于大数据的科技项目人才推荐系统及方法 | |
Islam | Applications of social media in the tourism industry: A review | |
Stelzle et al. | A method for the assessment of public participation in urban development | |
Yang et al. | Niche comparisons: Toward a new approach for analysing competition and organizational performance in the international construction market | |
Hinson et al. | The Internet and export: Some cross-country evidence from selected African countries | |
Xue et al. | 21st anniversary of job embeddedness: A retrospection and future research agenda | |
Conley | Simulation optimization and correlation with multi stage Monte Carlo optimization | |
Wang et al. | The Construction of ‘User-Knowledge-Product’Co-creation Knowledge Cyberspace Served for Product Innovation | |
Comu et al. | Selecting the appropriate project delivery method for real estate projects using fuzzy AHP | |
Weichbroth et al. | Exploring the Benefits, Challenges, and Opportunities of Collaborative Business Intelligence | |
Moon et al. | Presenting health and medical geography: People, places, and change | |
Yamamoto et al. | Social recommendation GIS for urban tourist spots | |
Patergiannaki et al. | A review of the e-government maturity models: are they still relevant? | |
Li | Sharing knowledge and creating knowledge in organizations: the modeling, implementation, discussion and recommendations of weblog-based knowledge management | |
Marlinda et al. | A multi-study program recommender system using content-based filtering and analytical hierarchy process (AHP) methods | |
Zhou et al. | Is it completely rational? an analysis of the cooperative behaviours between an OTA and a small tourist attraction under the commission model | |
Aimon et al. | The Influence of Tourism Product and Tourism Expenditure on Tourist Preference through the Integration of Tourism Objects in Padang City | |
Arifin et al. | A Literature Review on Digital Transformation in the Construction Industry |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |