《基于社会信任的大学生兼职推荐系统设计与开发》

文献综述

步入大学以后，学生在校期间不仅要完成学习任务，还要合理安排自己业余的时间，越来越多的大学生选择进行兼职[1]，在积累社会经验、锻炼各方面能力的同时减轻家庭经济负担。目前的求职网站中，例如前程无忧、智联招聘、58同城、实习僧等都有专门开辟的校园招聘板块以及实习工作板块，但是求职信息较为杂乱，存在很多虚假招聘。同时，在这些板块中的选择较为局限，相关职位推荐信息匮乏。大学生由于社会经验不足往往无法准确判断兼职信息的真实性，其人身和财产安全存在一定风险。

因此，面临复杂的信息环境，提升兼职信息的准确性、安全性、即时性，开发一款大学生兼职推荐系统对于当代大学生的生活和工作来说具有极大的辅助作用。

传统推荐系统的推荐方式一般有基于内容、知识、混合推荐、协同过滤、基于社会网络推荐等，这些方式在大数据环境下愈发体现出的冷启动、数据稀疏性等问题使得推荐系统面临着机遇与挑战。由于数据产生的速度快，内容多样化且复杂，数据稀疏，从大量无关信息中寻找到用户自己所感兴趣的内容需要花费大量时间和精力，因此推荐系统准确、快速的协助推荐变得更为重要。

本文主要针对大学生目前兼职安全可靠、信息精准，分析社会网络中用户之间的关系建立信任模型而设计出一个完善的基于社会信任的大学生兼职推荐系统，可以改善传统推荐方法由于评价项目较少、信任信息匮乏的状况，为目标用户提供更多准确的项目推荐。社会网络的发展可以提供与目标用户有着直接或间接关系的信息，用户在社会环境下会更加倾向于相信朋友，利用这些有效的社会关系来寻找目标用户的最近邻可以有效缓解协同过滤算法中的冷启动等问题。根据潜在社会信任建立新的社会信任网络来寻找信任邻居，进而用以预测目标用户的喜好。信任关系具有传递性、非对称性、主观性等特征，为寻找相似兴趣提供了新的角度。对于大学生来说寻找可靠的兼职信息至关重要，利用社会信任可以提高兼职信息的安全性和可靠性，提高推荐质量。

1.信息社会中的推荐系统

互联网的出现带领用户进入了信息时代，而网络的迅速发展使得网络中的信息量大幅度增长，使得用户无法从中获得自己需要的内容，对信息的使用率降低，导致了信息超载（Information Overload）[2]。随着Web信息的日渐增长，推荐系统应运而生，推荐系统正是解决这个矛盾的重要工具[3]，为了提供人们更好的用户体验，将海量内容进行筛选、过滤，并将用户最感兴趣的信息、产品等提供给用户。

推荐系统在信息社会中作为用户和内容提供方之间的第三方存在，为了满足用户需求，推荐用户最关注的内容。目前推荐系统已经广泛应用于众多领域，也是商业化最为成功的技术之一。