搭一个 V2EX 招聘贴的搜索站？

[sciooga]

v2ex 每天都有优秀的公司、企业发招聘贴由于招聘贴有效期至少是一星期以上，但很容易被新帖淹没，不如做个简单的招聘贴搜索站方便更多的人？

用结巴分词的语义功能做了个提取招聘贴标题内公司名、公司所在城市的小程序v2ex-job-finder：♥ Github

功能慢慢慢慢添加，现在还很 low 只能从标题提取有效信息... 有空闲时间一起捣鼓捣鼓的不？

提取关键词的例子（假装成功率很高）：

str = u'#上海# [诺亚财富] 财富管理领域巨头-专注财富金字塔尖客户-低风险创业机会------互联网金融'
name, place_list = search_company_keyworks(str)
print name
for i in place_list:
  print i

#<out>(正确)
#诺亚
#上海


str = u'[上海] 百度糯米团购 C 端_iOS 高级研发工程师'
name, place_list = search_company_keyworks(str)
print name
for i in place_list:
  print i

#<out>(正确)
#百度
#上海

str = u'[北京] 魔力盒 app 招 iOS、Android 大拿（ 15-30K）'
name, place_list = search_company_keyworks(str)
print name
for i in place_list:
  print i

#<out>(错误)
#魔力
#北京

str = u'掌赢科技欢迎最棒的安卓 iOS~'
name, place_list = search_company_keyworks(str)
print name
for i in place_list:
  print i

#<out>(正确)
#掌赢
#

str = u'[北京] [创业大街] 西游印（北京）科技有限公司后端开发（.NET）和前端开发招聘全职&实习生'
name, place_list = search_company_keyworks(str)
print name
for i in place_list:
  print i

#<out>(正确)
#西游印
#北京

str = u'[北京招聘] 苹果公司！ Apple Store 招聘 Specialist ,Family Room Specialist 等'
name, place_list = search_company_keyworks(str)
print name
for i in place_list:
  print i

#<out>(正确)
#苹果公司
#北京

[sobigfish]

-.- 学习语义分词很值得，给别人加功能 别人也不一定感谢你 而且这样来的效率很低

[ctsed]

本末倒置啦

[welsmann]

@Livid

[sciooga]

@sobigfish
@ctsed
@welsmann
好吧，本意是想给帖子添上公司名、地点等的标签方便用来搜索，既然大家都这么说了，那就算了吧，自己学习学习就行了。

[welsmann]

@sciooga 想到了就做撒，别别人说几句就放弃啊

[welsmann]

@sciooga 额，可能我@站长让楼主误会了，我是觉得坛子里要是集成这种功能不错啊

[sneezry]

@sciooga 干嘛那么在乎别人的看法？当初我写的东西被喷造轮子，但是现在它已经是在它所在平台相同功能里用户量最大的应用了。

[sciooga]

@sneezry
@welsmann
没说不继续啊...
上面说算了是觉得邀不到人一起研究了，还是会自己学习自己捣鼓的。
不过也谢谢你们：）

[oott123]

为啥不直接用 Google 搜索……

[sciooga]

@oott123 因为不论是 “site:v2ex.com/go/jobs 上海” 还是 “site:v2ex.com/t 上海” 结果都不理想啊

[oott123]

@sciooga https://www.google.com/search?q=site:v2ex.com/t%20%E9%85%B7%E5%B7%A5%E4%BD%9C%20%E4%B8%8A%E6%B5%B7&gws_rd=ssl

[EchoChan]

@Livid 我的一点建议就是在规范求职或招聘的帖子的标题信息，比如，地点。

[sciooga]

@oott123 确实这样结果好很多，选择时间范围后效果更好。

[no13bus]

不仅仅是v2ex， cnode ruby-china， so 楼主你可以做的事情很有意义的。有价值的数据+很好的展示 是很棒的。

[mpco]

挺不错的
仅仅从标题中提取信息，确实会不太准确。
可以用用 机器学习 的方法，估计效果不错
其实和识别垃圾邮件的方法差不多，都是基于内容的有监督学习算法的应用。

[sobigfish]

@welsmann 用语义分析不是最没有效率的么，站长要做的话 直接设定相应的job相关的数据接口和页面不是更快么？

[ctsed]

@sneezry 楼主干的事可是说是给索引建索引... 头像是龟头换狗头？ 2333

[sneezry]

@ctsed 这个头像明明是三瓣嘴（哼

[ctsed]

@sneezry 草木灰凉拌方脸加肥狮子头 😄

[jedihy]

听说@livid在做一个新功能