基于springboot+vue的简历智能推荐系统

蔚来源码二站

866人浏览 · 2025-06-30 21:46:37

蔚来源码二站 · 2025-06-30 21:46:37 发布

技术栈分析

后端技术栈

Spring Boot 2.x：提供快速开发框架，集成Spring MVC、Spring Security等组件。
Spring Security：负责用户认证与授权，支持JWT令牌管理。
MyBatis/MyBatis-Plus：数据库ORM框架，简化SQL操作。
Redis：缓存高频访问的简历数据或推荐结果。
Elasticsearch：实现简历内容的全文检索与高级搜索功能。
RabbitMQ：异步处理简历解析、推荐计算等耗时任务。

前端技术栈

Vue 3：前端框架，使用Composition API开发。
Element Plus：UI组件库，提供表单、表格等交互组件。
Axios：HTTP客户端，与后端API交互。
ECharts：可视化推荐结果统计数据。

其他工具

NLP工具（如HanLP）：解析简历文本，提取关键词（如技能、工作经验）。
Docker：容器化部署应用与数据库。

核心功能模块

1. 用户管理

注册/登录（支持手机号、邮箱验证）。
角色分级（求职者、HR、管理员）。
个人中心（信息编辑、密码修改）。

2. 简历管理

求职者上传简历（PDF/Word/TXT），自动解析为结构化数据。
简历关键词提取（如“Java”“5年经验”“硕士学历”）。
手动补充字段（技能标签、项目经历）。

3. 智能推荐

基于内容的推荐：匹配简历关键词与职位要求（TF-IDF算法）。
协同过滤：根据相似用户的行为推荐职位（用户-职位矩阵）。
混合推荐：结合内容与协同过滤结果，加权排序。

4. 职位管理

HR发布职位（标题、描述、技能要求、薪资范围）。
职位分类（技术/产品/运营等）。
职位搜索（按地点、薪资、技能筛选）。

5. 数据分析

热门技能统计（如“Python需求占比30%”）。
匹配成功率分析（推荐职位与用户投递比例）。

数据库设计

主要表结构

-- 用户表
CREATE TABLE `user` (
  `id` BIGINT PRIMARY KEY AUTO_INCREMENT,
  `username` VARCHAR(50) UNIQUE NOT NULL,
  `password` VARCHAR(100) NOT NULL,
  `role` ENUM('JOB_SEEKER', 'HR', 'ADMIN') NOT NULL
);

-- 简历表
CREATE TABLE `resume` (
  `id` BIGINT PRIMARY KEY AUTO_INCREMENT,
  `user_id` BIGINT NOT NULL,
  `content_text` TEXT COMMENT '解析后的文本',
  `skills` JSON COMMENT '技能标签数组',
  FOREIGN KEY (`user_id`) REFERENCES `user`(`id`)
);

-- 职位表
CREATE TABLE `job` (
  `id` BIGINT PRIMARY KEY AUTO_INCREMENT,
  `hr_id` BIGINT NOT NULL,
  `title` VARCHAR(100) NOT NULL,
  `required_skills` JSON COMMENT '要求的技能',
  FOREIGN KEY (`hr_id`) REFERENCES `user`(`id`)
);

-- 推荐记录表
CREATE TABLE `recommendation` (
  `id` BIGINT PRIMARY KEY AUTO_INCREMENT,
  `resume_id` BIGINT NOT NULL,
  `job_id` BIGINT NOT NULL,
  `score` FLOAT COMMENT '匹配分数',
  FOREIGN KEY (`resume_id`) REFERENCES `resume`(`id`),
  FOREIGN KEY (`job_id`) REFERENCES `job`(`id`)
);

系统测试方案

1. 单元测试

使用JUnit测试简历解析模块的准确性（如技能提取）。
Mock数据库操作测试MyBatis的CRUD逻辑。

2. 集成测试

Spring Boot Test验证API接口（如POST /api/recommend）。
测试Elasticsearch搜索性能（响应时间<500ms）。

3. 压力测试

JMeter模拟100并发用户上传简历，检查Redis缓存命中率。
推荐算法在高负载下的计算延迟（目标<2秒）。

4. 安全测试

OWASP ZAP扫描XSS/SQL注入漏洞。
JWT令牌过期与篡改测试。

源码结构示例（关键片段）

后端推荐逻辑（Java）

@Service
public class RecommendationService {
    @Autowired
    private ElasticsearchRestTemplate esTemplate;

    public List<Job> recommendJobs(Long resumeId) {
        Resume resume = resumeRepository.findById(resumeId).orElseThrow();
        // 基于内容的搜索
        NativeSearchQuery query = new NativeSearchQueryBuilder()
            .withQuery(QueryBuilders.matchQuery("required_skills", resume.getSkills()))
            .build();
        return esTemplate.search(query, Job.class).getContent();
    }
}

前端请求推荐（Vue）

const fetchRecommendations = async () => {
  const response = await axios.get('/api/recommend', {
    params: { resumeId: currentResume.value.id }
  });
  recommendedJobs.value = response.data;
};

以上方案可扩展为毕业设计或商业项目，需根据实际需求调整推荐算法细节（如引入深度学习模型）。