字段分类

我们可以把字段分成两种，严格匹配字段，非严格匹配字段。必须匹配的字段，叫做严格匹配字段，比如，性别，城市，等。不必须匹配的字段叫非严格匹配字段。比如，距离，薪水差距，。。。

字段的处理

距离字段尽量取交通距离的字段，暂时没有做，我们可以取欧氏距离

薪资比例=岗位薪资的平均数/用户期望薪资的平均数

年龄系数 = 1/(abs(岗位的平均年龄-用户的平均年龄)+1)

时薪系数 = 所有福利/所有工作时间

工作强度系数 = 周工作时间/40

时间不正常系数 =是下列系数的和。 9点-18点=每个小时都是0 18点-21点=每个小时都是0.1 7点-9点=每个小时都是0.1 21点到7点=每个小时都是0.3 比如工作时间是9点19点。那么非正常工作时间就一个小时，所以非正常系数=0.1

召回

必须匹配字段先过滤，缩小范围。

排序

每个用户训练一个lr分类器。输入字段是非必须字段，输出字段为用户是否点击，或推送是否点击。 如果用户的样本数据较少，就补充该用户的期望工作目标的人群数据。（用户自身的样本可以复制10倍，具体数据可以后面做实验） lr分类器比如容易看出来，用户对工作距离，薪资多少，等等的权重对比是多少。训练好之后，可以提取出权重和用户的数据做人工对比，看看是否符合日常逻辑。 排序就根据lr的分数来排序

每个企业也训练一个lr分类器。输入字段是非必须字段，输出字段为是否与对方聊天。 具体方法和用户的排序逻辑一样，但企业选择用户可以查看的信息较少，大部分用户都没啥详细的信息。这个是一个问题。我们可以针对简历信息较为丰富的用户优先计算。 这样的分类器训练完毕之后，它的权重可以同样分析出，每个商家对距离，对对方薪资等多个条件的权重。