卡方特征选取在“简历推职位”中的应用

条件：海量职位文本，一个“能力词库”。。

由职位中抽取标题，也就是你的职位类别是安全工程师还是数据开发工程师，这样就有职位类别了，然后你不是有一个能力词库嘛，比如java，c++,nlp,研究生等等，这样你就构成了i是能力词，列是职位类别的二维表，然后你就可以用卡方特征选择方程，去算出每个能力词与职位类别的卡方直，取topN，比如top5，作为关联特征，这样，你就得到了每个职位类别维护一个关联特征数组，比如职位类别A维护一个数组（java,c++,nlp,研究生，数据开发），每个职位类别都维护一个与之关联的特征数组，而且i越小特征越关联。。

每过来一封简历，就去能力词库中去对比简历是否含有词库中的词，这样就形成了0101构成的一个向量，然后与每个职位类别中的关联特征算分，比如说关联特征中i=0就给5分，也就是权重，i=1就给4分，这也是权重，然后系数就是看这个响亮中该词部分是0还是1，0就是0，1就是1，最后算出一封简历与各个职位类别的权重，然后选出最符合要求的职位类型，然后把这个简历发送给给职位类型对应的所有招人者。

这是前期基于特征选取以及给予内容的推荐，因为前期没有产生太多行为，所以容易产生冷启动问题，所以用这种方式先推，等产生行为之后，再结合协同过滤一起来推荐，达到一定的推荐效果。

----一个在招聘公司推荐算法场景的应用逻辑