CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مدل سازی مسیر یادگیری برای بهینه سازی وضعیت شغلی با کمک تحلیل عمیق داده های متنی شبکه های کاریابی

اعتبار موردنیاز PDF: ۱ WORD: ۷ | تعداد صفحات: ۱۷ | تعداد نمایش خلاصه: ۵۸ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: CITCOMP02_422
زبان مقاله: فارسی
حجم فایل: ۴۴۳.۱۴ کیلوبایت (فایل این مقاله در ۱۷ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۷ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدل سازی مسیر یادگیری برای بهینه سازی وضعیت شغلی با کمک تحلیل عمیق داده های متنی شبکه های کاریابی

  سعید اشرفی - گروه مهندسی کامپیوتر ، دانشکده فنی، دانشگاه خاتم ، تهران ، ایران
  بابک مجیدی - استادیار گروه مهندسی کامپیوتر ، دانشکده فنی، دانشگاه خاتم ، تهران ، ایران
  احسان اخترکاوان - استادیار گروه مهندسی کامپیوتر ، دانشکده فنی، دانشگاه خاتم ، تهران ، ایران

چکیده مقاله:

از آنجایی که اهمیت در اختیار داشتن نیروی کار متخصص برای شرکت های بزرگ به رسمیت شناخته شده است، تحقیق و شناسایی مهارت های هر حوزه و صنعت، به امری مهم و تاثیر گذار در تربیت و آموزش نیروی کار جوان و دانشجویان کشور تبدیل شده است. همچنین دانشجویان و فارغ التحصیلان دانشگا ه ها دارای مجموعه ای از مهارت های آکادمیک و اولیه می باشند که شناسایی مهارت های موردتقاضای بازارکار می تواند در جهت دادن به مسیریادگیری آن ها نقش مهمی داشته باشد. مهارت های موردنیاز برای فرصت های شغلی، پارامتری متغیر و وابسته به مسایل مختلفی از جمله نوع صنعت، جغرافیا و زمان می باشد. در مقاله پیش رو ابتدا از طریق تکنیک های وب کاوی و متن کاوی، اطلاعات مربوط به آگهی های شغلی یک سایت شغل یابی مورد استخراج قرار گرفته است. در مرحله بعد با دریافت رزومه افراد و تخمین درآمد سالیانه معادل این رزومه و تجربیات از طریق ایجاد شبکه عصبی عمیق، شغلی با درآمد بیشتر به فرد جویای کار پیشنهاد می گردد. در نهایت این سیستم برای رسیدن فرد جویای کار به این موقعیت شغلی، کمبودهای مهارتی وی را معرفی و برای این مهارت ها مسیر یادگیری را معرفی می نماید

کلیدواژه‌ها:

داده کاوی، متن کاوی، شبکه عصبی عمیق، خوشه بندی، سیستم پیشنهادگر

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_422.html
کد COI مقاله: CITCOMP02_422

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
اشرفی, سعید؛ بابک مجیدی و احسان اخترکاوان، ۱۳۹۶، مدل سازی مسیر یادگیری برای بهینه سازی وضعیت شغلی با کمک تحلیل عمیق داده های متنی شبکه های کاریابی، دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات، تهران، دانشگاه مجلسی، https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_422.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (اشرفی, سعید؛ بابک مجیدی و احسان اخترکاوان، ۱۳۹۶)
برای بار دوم به بعد: (اشرفی؛ مجیدی و اخترکاوان، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: ۲۷۲
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.