问如何使职业指导系统智能化

EN

在我的最后一个项目中，我有一些使用耶拿RDF推理机的经验。基本上，你所做的就是创建一种有规则的知识库，比如“如果用户选择了这个答案，他就有这种品质”和“如果用户有这些品质，他可能会适合这份工作”。将答案添加到系统中将允许您查询他的当前状态并相应地调整问题。用它来证明概念是很容易的，它比一堆if -否则更容易做，如果你的教授崇拜prolog风格的东西，他们会喜欢的。

1. 如果您有大量的问题，它们中的每一个都可以表示一个特性。假设您将具有许多特性，发现一系列符合条件的if- full语句是很难的(回想一下，一棵包含n问题的完整树将有2^n“L叶”--表示对于这些问题的2^n可能的答案，假设每个问题都是“是/否”的问题)。
2. 由于硬编程是不可能对一个足够大的(可能是一个现实的大小n -有一个地方启发式解决方案，其中之一是机器学习，特别是- 问题。你可以让一群人回答你的调查，由一位“专家”告诉他们什么是最适合他们的职业，让算法为一般问题找到一个分类器(如果你想把它转换成一系列的“是”--没有自动的问题，可以用一个决策树和一个像C4.5这样的创建树的算法来完成)。
3. 同样重要的是确定哪些问题实际上是相关的？性别相关吗？身高相关吗？这些问题也可以用ML算法和特征选择算法来回答(其中之一是PCA)
4. 关于“技术”方面，java中有一个很好的库，称为韦卡，它实现了许多分类算法。
5. 您可以问一个问题(并试图在您的项目中找出)，哪个分类算法最适合这个问题？--一些可能性是上面提到的C4.5、朴素贝叶斯、线性回归、神经网络、KNN或支持向量机 (通常是最适合我的)。您可以尝试并支持您的决策，使用哪种算法与统计研究和统计证明哪个更好。Wilcoxon检验是这方面的标准。

编辑：关于第2点的详细信息：

• 在这里，“专家”可以是人力资源领域的人类分类器，它读取特征并对答案进行分类。获取这些数据(通常称为“培训数据”)有时很困难，而且非常广泛，如果你所在的大学有IE或HR教员，也许他们会愿意提供帮助。
• 这样做的目的是:召集一群首先回答你的调查的人。然后，把它交给一个人类分类器(“专家”)，它将根据这个人的答案选择他最好的职业。用专家给出的分类数据作为学习算法的输入，其输出将是一个分类器。
• 分类器本身就是一种功能，它给出了调查的答案--预测做这项调查的人的“分类”(建议职业)是什么。
• 注意，一旦您有了一个分类器--您不再需要维护训练数据了，仅使用分类器就足够了。然而，你应该有你的问题列表，这些问题的答案将是提供给分类器的特性。

要满足他们，你所要做的就是创建一个简单的学习系统：

1. 改变你的论文术语，把它描述为“学习最好的职业”，而不是使用“聪明”这个词。学习是人工智能的一种形式。
2. 建立一个培训制度。这样做的方法是向已经有职业生涯的人发放问卷，并问一些问题，看看他们对自己的职业有多满意。这样，你的系统就能训练出什么是好的职业匹配，什么是坏的。
3. 选择一个学习系统来吸收(2)中的数据。例如，一个想法的来源可能是最近的一篇论文：http://journals.cluteonline.com/index.php/RBIS/article/download/4405/4493。产品和网络在人工智能领域处于领先地位，可以很好地应用于专家系统类问题.

最后，试着扭曲你的技术，使它具体到你的问题。