文件名称：实训作业 (1).rar
文件大小：7.55MB
文件格式：RAR
更新时间：2022-10-02 03:29:41
python jieba matplotlit pandas gensim_wordvec
三、 项目思路 1. 爬取一定时间内的（如最近1个月的）前程无忧岗位数据（例如青岛所有岗位的url为：https://jobs.51job.com/qingdao-snq/），部分数据可以直接在搜索结果中获取，部分数据需要进入到岗位页面中获取。 2. 将爬取的数据保存为本地文本文件（若学生掌握数据库相关知识则可以保存在数据库中）。 3. 基于爬取的数据可以形成多种数据分析结果，例如：行业薪资、地区薪资、地区与行业分布关系、行业学历需求情况等。 4. “职位信息”字段可使用jieba分词库进行分词，基于分词结果可生成“词云”等成果物。 5. 基于分词结果使用gensim模块训练词向量（涉及大量数据清洗工作）。 6. 基于每个“职位信息”文本的词向量构建基于“职位信息”的职位特征（建议使用均值即可）。 7. 将数据划分为训练集和测试集。使用训练集，基于scikit-learn中的朴素贝叶斯接口训练文本分类模型（建议使用多项式贝叶斯模型），使用测试集测试分类结果准确程度。