# 招聘数据智能系统

**Repository Path**: XMwumang/RDIS

## Basic Information

- **Project Name**: 招聘数据智能系统
- **Description**: 招聘数据智能系统(recruitment-data-intelligence-system)
- **Primary Language**: Python
- **License**: GPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-19
- **Last Updated**: 2026-06-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 招聘数据智能系统

## 介绍

招聘数据智能系统(Recruitment Data Intelligence System)是一个基于Python的数据挖掘与分析平台，专注于招聘市场数据分析和求职辅助功能。

## 功能模块

| 模块 | 功能描述 |
|------|----------|
| 📊 数据可视化大屏 | 薪资分布、企业分布、融资阶段分析 |
| ☁️ 岗位词云与需求 | 词云技术提取技能、福利、学历分布 |
| 🧠 机器学习聚类分析 | KMeans结果展示、岗位分类可视化 |
| 🤖 智能求职助手 | 基于大模型的智能客服聊天界面 |

## 项目结构

```
RDIS/
├── data/                          # 数据存储目录
│   ├── raw/                       # 原始数据 (boss_raw.csv, zhilian_raw.csv)
│   ├── processed/                 # 清洗后的数据
│   └── text_features/             # NLP特征数据
│
├── models/                        # 训练好的模型
│   ├── kmeans_model.pkl           # KMeans聚类模型
│   └── nn_classifier.pt           # 神经网络分类模型
│
├── notebooks/                     # Jupyter Notebook实验目录
│   ├── 01_data_cleaning.ipynb     # 数据清洗与EDA
│   ├── 02_nlp_and_clustering.ipynb # NLP特征提取与KMeans实验
│   └── 03_nn_classification.ipynb # 神经网络分类训练
│
├── src/                           # 核心后端与算法逻辑
│   ├── __init__.py
│   ├── data_pipeline/             # 数据预处理模块
│   │   ├── cleaner.py             # 数据清理、缺失值处理
│   │   └── nlp_processor.py       # 文本分词、特征向量化
│   ├── visualization/             # 可视化模块
│   │   └── visualization.py       # 可视化响应模块
│   ├── ml_engine/                 # 机器学习模块
│   │   ├── cluster.py             # KMeans聚类算法
│   │   └── classifier.py          # 神经网络分类器
│   └── llm_service/               # AI智能交互模块
│       ├── prompts.py              # 提示词模板
│       └── chat_api.py             # 大模型API封装
│
├── app/                           # Streamlit前端展现层
│   ├── main.py                     # Streamlit主入口
│   ├── utils/                      # UI辅助函数
│   │   └── session_manager.py      # Session状态管理
│   ├── components/                 # 页面组件
│   │   ├── auth.py                 # 用户登录注册组件
│   │   └── plots.py                # 可视化图表封装
│   └── pages/                      # 多页面路由
│       ├── 01_📊_数据可视化大屏.py
│       ├── 02_☁️_岗位词云与需求.py
│       ├── 03_🧠_机器学习聚类分析.py
│       └── 04_🤖_智能求职助手.py
│
├── config/                        # 配置文件
│   ├── config.yaml                 # 数据库配置、模型超参数
│   └── .env.example               # 环境变量模板
│
├── requirements.txt               # 项目依赖清单
├── pyproject.toml                 # 项目配置
├── uv.lock                        # 依赖锁定文件
└── .gitignore                     # Git忽略配置
```

## 技术栈

| 分类 | 技术 | 版本 |
|------|------|------|
| 前端框架 | Streamlit | 1.57.0 |
| 数据处理 | Pandas | 3.0.3 |
| 机器学习 | scikit-learn | 1.8.0 |
| 深度学习 | PyTorch | 2.12.0+cpu |
| NLP | jieba | 0.42.1 |
| 向量数据库 | FAISS | 1.13.2 |
| 可视化 | Plotly | 6.1.0 |
| LLM集成 | langchain | 1.3.1 |

## 安装教程

```bash
# 1. 确保已安装 uv 工具
uv --version

# 2. 克隆项目后进入目录
cd RDIS

# 3. 创建虚拟环境
uv venv .venv

# 4. 激活虚拟环境
source .venv/bin/activate  # Linux/Mac
# .venv\Scripts\activate   # Windows

# 5. 安装依赖
uv sync
```

## 快速开始

```bash
# 启动Streamlit应用
streamlit run app/main.py

# 访问地址
# http://localhost:8501
```

## 依赖管理

- 添加依赖：`uv add <package>`
- 导出依赖：`uv pip freeze > requirements.txt`
- 同步依赖：`uv sync`
- 更新依赖：`uv update`

## 配置说明

1. 复制 `config/.env.example` 为 `config/.env`
2. 配置 OpenAI API Key（用于智能求职助手功能）
3. 配置数据库连接信息

## 使用说明

1. **数据可视化大屏**：查看薪资分布、企业分布等宏观数据
2. **岗位词云与需求**：分析岗位技能需求和关键词
3. **机器学习聚类**：使用KMeans对岗位进行智能分类
4. **智能求职助手**：获取岗位分析、简历优化、面试准备等建议

## 参与贡献

1. Fork 本仓库
2. 新建 Feat_xxx 分支
3. 提交代码
4. 新建 Pull Request

## 许可证

MIT License