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/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)

Call me-联系方式

  • E-mail：824247231@qq
  • QQ：824247231

更多推荐

Java招聘网站源码+页面