依据爬取的招聘信息建立机器学习模型

现已爬取到招聘信息，包括岗位名称，岗位地点，公司名称，薪资水平，工作经验要求，学历要求，公司福利，详细要求。想要据此建立机器学习模型，可以有什么样的思路呢？

这不是看你要达到一个什么样的需求吗？
举个例子，可以做职位匹配度预测模型，利用TextCNN或者Fasttext做职位匹配度预测，用户输入数据，然后利用它做职业推荐算法模型，用这个来做推广。我有过这方面经验。

可以按照以下步骤来建立机器学习模型：

• 对爬取到的招聘信息进行清洗，去掉重复的信息，空白字符和无用的字符。
• 将清洗后的信息按照特征和标签的形式存储，其中，特征包括岗位名称，岗位地点，公司名称，薪资水平，工作经验要求，学历要求，公司福利等，标签包括详细要求。
• 设定目标（比如薪资段作为类别）
• 选择合适的机器学习算法，例如逻辑回归、支持向量机、决策树等，进行模型的训练。
• 使用训练好的模型对新的招聘信息进行预测，输出预测结果。

如果按照专家系统的构建思路，需要先分析数据的相关性，然后对数据标签进行分组。如果数据量不够大，可以根据开发者的主观经验进行初步的数据规范化设计（数据收集录入设计，数据整理入库方案设计，数据统计与合组方案设计），这部分工作主要是为了准备好基础数据。之后则是，使用常用的软件包来进行数据处理。