Python 如何为推荐系统的机器学习模型准备训练集？有什么想法吗？

我正在建立一个机器学习推荐系统，用于将应聘者与职位职位匹配

我有两个数据集。一个包含职位公告，另一个包含候选人。职位公告最初是从瑞典失业局用瑞典语检索的。我写了一个Python脚本，把那些招聘信息翻译成英语。每个职位都有一个标题和描述，这是一篇从一句到20句不等的文章。“描述”字段包含从职责、所需技能到一个职务公告所包含的所有内容

另一方面，包含候选人的数据集包含每个候选人的年龄、教育程度、以前的经验、知识和技能。每个候选人最多有六项技能。收集数据集中的所有技能，数据集是一个热编码的，这意味着我为每个可能的技能创建了一列，并根据用户对技能的了解将其标记为0或1

现在我需要准备一些数据来训练模型。我已经将候选人分为培训和测试组。我现在必须想办法从职位描述中提取关键词，并将其与应聘者的技能进行比较。从提取和定义关键词到在每个职位上交叉检查每个应聘者，你知道如何做到这些吗

任何帮助都将不胜感激

---

干杯

你想做一个推荐模型

我将假设你有目标数据候选人和职位公告，你知道它们是相互关联的，因为如果你没有，我看不出你如何做到这一点，至少不用机器学习，你所能做的就是用你的知识来写一条规则——你的大脑有来自你生活经验的数据，但算法没有

这可能是一个矩阵分解。我建议您尝试WNMF加权非负矩阵分解模型

为此，有3个步骤：

尝试在候选特征上嵌入层，每个特征对应一层。将这些向量加在一起，这将是潜在空间中候选对象的表示

找到一种方法将你的职位公告转换为相同长度的向量。您可能需要检查doc2vec来执行此操作。这远不是最难的一步，因为在保存信息的同时将文本转换为向量可能非常复杂。这就是为什么它也可能是一个好主意，建立一个功能，将每个文档映射到一个向量自己，即使它不是机器学习，文档是否包括单词computer？这需要很高的经验吗？了解哪些功能是重要的，并用这些功能构建一个向量

---

计算应聘者和职位发布向量的点积，得到你的预测。如果应聘者链接到该职位，则将其与目标1进行比较，如果没有，则与目标0进行比较。在回归中尝试这一点，您的预测将与候选人和工作匹配的概率相当。

对于关键词，您是否已经有了预先确定的列表，或者算法是否应该学习选择这些关键词？我会根据你的需要推荐这个教程：你好，乔丹，谢谢你的评论。不，我没有列表，但我认为最好定义一个。我来看看这个链接。谢谢。你好Jordans，我只是想让你知道我查看了你发送的链接。它描述了推荐系统，但没有学习。总而言之，谢谢！我明白你的观点。这大概也是我一直在思考的一种方法。我会尝试使用你建议的工具，看看它是否有效。谢谢