Java招聘网站源码+页面

news/2024/5/9 10:12:48/文章来源:https://blog.csdn.net/zhulier1124/article/details/123326778

招聘网站[源码+前后端页面]

毕业设计免费开源系列：

Java旅游网站源码+页面（景点查看、评论、酒店查看、预定，旅游线路推荐...）

Java招聘网站源码+页面（职位查看、评论、简历发布、投递、结果、企业管理，职位推荐...）

在线预览：招聘网站

账号：应聘者，密码：123

管理员账号：admin，密码：123

Github开源地址：https://github.com/jwwam
下载 or 部署问题请加QQ：824247231
这是一个免费、轻量化、简单、易上手的招聘网站项目，系统包括完整的前端HTML页面和后台代码，该项目适合作为JavaWeb入门或毕业设计使用，且具备一定的实用价值，项目中涉及皮尔逊相关系数的相似度算法Java实现和实际应用可查看职位推荐模块。
PS：本人承接毕业设计制作，有意请联系我，划至页面底部获取我的联系方式。
以下请您仔细阅读：这个项目设计简洁明了，使用体验良好，底层应用的实现代码也很简单，但是在部署方式上可能需要耗费一定的精力才能跑起来，其实这对于每一个项目来说都是如此，相信找到这个项目的小伙伴大多是即将毕业的同学，如果您只是想毕业交差然后另谋他路请直接略过此段往下看，或者建议您找淘宝或者我帮你远程部署，花钱买时间永远是最划算的买卖(恰饭时间O(∩_∩)O)，您大可利用多余的时间去做更有意义的事情。但是如果您毕业后从事编程相关的工作，请一定仔细食用这个项目，相信你一定会有所收获。一个系统从设计到实现是一个非常复杂的过程，这个项目算不上牛逼但是带你入门足够了，项目用到的算法也不算牛逼但是面试吹牛也足够了，以上。

Project description-项目描述

此项目采用ssm/ssh架构设计实现
升级后的版本底层所有代码已全部重写
项目采用前后端分离架构
RESTful API风格接口化、Json形式数据传输
前端采用主流框架Vue，同时也提供基础版本（HTML+CSS+jQuery），以减轻初学者上手难度
引入皮尔逊线性相似度推荐算法的Java实现，应用于项目的“职位推荐”栏目

Project framework-项目架构

采用前后端分离，Vue + Java
ORM使用MyBatis/SpringDataJPA
数据库使用MySql5.7+Mongodb3
缓存Redis
部署Nginx+Jar

Project algorithm-相关算法

皮尔逊相关系数的相似度算法(Pearson)
以下给出其实现公式：

该算法在本系统中实现了基于职位分数近似度的推荐功能，以下给出数据获取方法代码，具体算法实现请查看CFUtils.cosineSimilarity()方法。

@Override
public List<Job> findRecommendList(String id) {//系统中我将职位抽象成了产品，这样便于扩展，如企业、HR等均可看作产品评分，统一记录在系统的分数表中//如果是查询职位推荐列表，则根据入参职位id查询职位List<Score> productScoreList = scoreDao.findByProductId(id);double[] ownProductScoreList = new double[productScoreList.size()];for (int i = 0; i < productScoreList.size(); i++) {ownProductScoreList[i] = Double.parseDouble(productScoreList.get(i).getGrade());}//得到分数表中所有职位的分数集合List<Score> productCountInScoreList = scoreDao.findAllGroupByProductId();HashMap<String,double[]> ss = new HashMap<String,double[]>();for (int i = 0; i < productCountInScoreList.size(); i++) {List<Score> bb = scoreDao.findByProductId(productCountInScoreList.get(i).getProductId());double[] otherProductScoreList = new double[bb.size()];for (int j = 0; j < bb.size(); j++) {otherProductScoreList[j] = Double.parseDouble(bb.get(j).getGrade());}ss.put(productCountInScoreList.get(i).getProductId(),otherProductScoreList);}List<Job> resJobList = new ArrayList<>();//循环Map依次比对其线性相似度ss.forEach((String k, double[] v)->{double n = CFUtils.cosineSimilarity(ownProductScoreList,v);log.info("id：{},线性相似度：{}",k,n);//判断相似度值是否符合自己设定的阈值if(n > pearsonCorrelation) {//符合相似阈值，放入推荐列表resJobList.add(jobDao.findById(k));}});return resJobList;
}

Project view Page-页面预览如下：

注：看不到图片可能需要梯子(maybe u need VPN)

前台登录&注册：

前台首页：

前台职位列表&详情：

前台企业列表&企业详情

简历投递&简历修改&个人信息

后台管理-用户管理

Run-启动访问(本地部署)

1.启动Nginx

下载地址：点击下载

启动命令：nginx.exe

将两个前端页面【recruit】文件包拷贝到Nginx根目录下，修改./conf/nginx.conf配置文件，替换原有的server配置如下：

server {listen       80;server_name  localhost;location / {root   recruit;index  index.html index.htm;}error_page   500 502 503 504  /50x.html;location = /50x.html {root   html;}
}

2.启动Mongodb

下载地址：点击下载
下载后需要本地配置，具体请自行搜索(参考地址)。

启动命令：net start mongoDB

3.启动Redis

下载地址：点击下载
下载后需要本地配置，具体请自行搜索(参考地址)。

启动命令：redis-server.exe  --service-start --service-name redisserver

4.启动项目

本地启动
打开idea选择import project，选择recruit，然后等待相关依赖加载完成
修改recruit项目中application.properties配置文件，将你自己的MySQL账号和密码替换写入

#数据源
spring.datasource.url=jdbc:mysql://localhost:3306/recruit?useUnicode=true&zeroDateTimeBehavior=convertToNull&autoReconnect=true&characterEncoding=utf8
spring.datasource.username=root
spring.datasource.password=1234
spring.datasource.driver-class-name=com.mysql.jdbc.Driver

5.启动mongodb-file-server.jar

启动命令：java -jar mongodb-file-server.jar

6.view address访问地址

http://localhost

PS-其他说明

启动项目会自动生成表结构，需您先行创建数据库recruit
启动不能自动构建表，并且报错"Specified key was too long; max key length is xxx bytes"的请保证您的MySQL版本为5.X，并且修改您的数据库编码字符集为utf8 – UTF-8 Unicode
项目使用Redis存储Session会话
项目使用MongoDB作为小型文件存储数据库
项目中推荐算法部分的实现需要评分数据支撑，请登录不同用户为职位提交评分、评论(每个景点不少于5个评分)