摘要：该数据集用于识别虚假招聘信息，包含职位标题、描述、要求等文本特征和公司Logo、远程办公等结构化特征，存在类别不平衡和缺失值问题，适合文本分类和欺诈检测任务。
数据集简介
数据集概述
该数据集包含17,880条招聘信息，共18个特征列，文件大小约50MB。数据集旨在识别虚假招聘信息，其中真实职位17,014条(95.16%)，虚假职位866条(4.84%)，存在显著的类别不平衡问题。特征包括职位标题、地点、公司简介、职位描述、要求、福利等文本字段，以及远程办公、公司Logo、就业类型等结构化字段。
数据集存在大量缺失值，其中薪资范围缺失率高达83.96%，部门缺失64.58%，学历要求缺失45.33%，福利缺失40.34%。文本类特征(描述、要求)相对完整，缺失率低于15%。结构化特征显示79.53%的职位有公司Logo，仅4.29%支持远程办公，就业类型以全职为主(11,620条)。
数据集适合文本分类和欺诈检测任务。建议使用SMOTE或类权重技术处理类别不平衡，对文本字段应用TF-IDF或BERT进行特征提取，高缺失率特征可考虑删除或创建缺失指示器。推荐模型包括逻辑回归、随机森林、XGBoost或基于Transformer的深度学习模型，评估指标应关注精确率、召回率和F1分数而非准确率
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-166
文件大小：6M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)