招聘信息虚假性检测数据集JobPostingFraudDetection-royremo
数据来源：互联网公开数据
标签：招聘信息, 虚假招聘, 文本分析, 机器学习, 自然语言处理, 欺诈检测, 职位描述, 数据挖掘
数据概述：
该数据集包含来自多个来源的招聘信息数据，旨在用于识别和分析虚假招聘信息。主要特征如下：
时间跨度：数据集未明确标注时间范围，但根据文件名和内容，推测数据为近期收集。
地理范围：数据覆盖范围广泛，包含不同地区和国家的招聘信息。
数据维度：数据集包含多个CSV文件，其中：
preprocessed_dataset_13-12-2023.csv：包括职位发布网站、职位、公司名称、地点、职位描述、最低薪资、最高薪资、评级、职位级别、搜索关键词、搜索地点、职位详情链接、发布时间、当前时间、职位类型等字段。
fake_job_postings - existing.csv：包含职位ID、标题、地点、部门、薪资范围、公司简介、描述、要求、福利、远程办公、是否有公司logo、是否有问题、雇佣类型、所需经验、所需教育、行业、职能、是否为虚假招聘等字段。
Existing_data_score.csv和Processed_data_score.csv：包含职位、地点、职位描述、是否为虚假招聘、描述字符数、描述单词数、描述句子数、描述转换、正面情感得分、负面情感得分等字段。
数据格式：CSV格式，便于数据处理和分析。
数据来源：数据来源于招聘网站、开源项目等，经过了初步的处理和清洗。
该数据集适合用于虚假招聘信息的检测、分析和模型构建。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于自然语言处理、文本挖掘、欺诈检测等领域的研究，例如虚假招聘信息的识别、特征分析、模型构建等。
行业应用：为招聘平台、人力资源部门提供数据支持，用于提高招聘信息的真实性和准确性，减少欺诈风险。
决策支持：支持企业和求职者在招聘过程中做出更明智的决策，避免遭受欺诈。
教育和培训：作为机器学习、数据挖掘等课程的实训材料，帮助学生和研究人员理解和应用相关技术。
此数据集特别适合用于探索招聘信息中的欺诈模式，构建有效的虚假招聘信息检测模型，从而提升招聘平台的安全性。
