面向就业信息研究数据挖掘技术探究.docVIP

面向就业信息研究数据挖掘技术探究 　　摘 要：就业信息系统运用到学生就业中产生了质的飞跃，毕业生越来越多，就业压力也越来越大，在这样的情况下，系统积聚了大量的信息就业数据，以前的统计学方法已经满足不了现在的需求。然而数据挖掘技术对就业信息的分析有很大的帮助。本文基于数据挖掘技术对学生就业信息分析、处理及有效数据的运用进行研究。从就业信息分析中，获取有价值的数据，为人才培养、就业市场、就业指导等科学决策打下基础，切实为学校办学提供有效的数据支持。促进学生充分就业。 关键词：就业信息；数据分析；挖掘技术；研究 中图分类号：TP311.13 随着数据挖掘技术的不断发展和数据管理的广泛运用，数据信息中存在着大量的决策意义，但是数据利用很低，局限于就业率的统计等。学生大学期间，顺利就业是一个非常重要的环节。对学生就业的指导是当今学校所面临的主要课题。在信息数据中找出规律，直接反映一定时期内的整个社会的就业状况、职业动态及其发展趋势。供职业指导人员指导就业工作和择业者选择职业的重要依据。 1 数据挖掘的定义和传统数据的区别 大量数据中挖掘或者提取的知识，也就是说把人们数据中潜在隐含的数据中有用的信息转化为知识的过程来运用。数据挖掘与传统的数据分析都是查询、报表、联机运用分析，但是，他们不同的区别在于没有明确假设的前提下去挖掘信息、发现信息、发现其中隐含的知识，所得到的信息应该是具体实用有效的信息。数据挖掘通过预测未来趁势以及行为，做出前瞻的，基于知识的决策[1]。 2 了解数据挖掘的基本步骤 数据挖掘的基本步骤主要有以下几个方面，分别是收集数据：收集可以从多个数据源中去收集，并获取资料，然后对数据进行整合；数据选择：分析所有收集到的数据，并决定选择数据和排除数据中无效，无利用价值的数据；数据清洗：检查收集的数据是否满足挖掘的条件，目的是将数据质量提升到符合所选择的分析的需求上去，从而保证数据信息的正确性和一致性；数据的转换：将已有的数据根据挖掘信息分析的要求进行分析和逻辑性的转换；建立模型：选择合适的算法进行合理而准确的验证；结果分析：对挖掘结果进行解释与实际现状相结合进行可视化的分析；知识同化：将分析所得到的知识集成到就业信息的运用当中去，进行决策供毕业生参考。 3 数据挖掘中的应用 3.1 数据挖掘在WEB中的应用 数据挖掘使用就业网站功能开发是通过就业网页内容的挖掘，主要是针对文本的内容进行挖掘，实现对网页内容的聚类整合，达到对就业信息的分类浏览和检索[2]。对用户所提的问题和历史的记录进行有效的分析扩展，从而提高检索的效率性。运用数据的挖掘技巧进行关键词改进和加权算法，这样就可提高就业信息的传播效果。利用数据挖掘的技术效果建立更深的访客量并加以进行精准的预测模式，从而达到真正智能型的个性化网络服务。 数据的收集是一个比较复杂的过程所涉及的东西也比较广泛，这对于就业信息的挖掘是一件比较困难的事情，从而我们就要学会应用数据应用流程，掌握挖掘的流程并学会运用。数据挖掘流程应用流程如图1所示。 图1 数据挖掘流程图 这一流程图有利于针对就业问题的提出问题进行分析，从而发现学生整体就业情况和学生的成绩、专业、区域等相关信息数据的关联。为数据准备打下基础，根据不同的数据可以显示不同的问题，采用数据仓库进行选择，通过选择、抽样和汇总等方式来选择符合就业条件的子集，最终建构特定的数据库挖掘。 3.2 就业市场预测 数据挖掘的主要价值在于通过数据信息从中提取有效的信息内容，从中找其规律，为就业者提供参考数据和借鉴的效果，通过历史就业信息数据的显示作为参考，针对不同专业的就业率、升学率、行业分布比例、地域分布比例等与其他院校进行数据上的比较并进行就业形势的综合分析，从中发现值得总结的信息。另外对历史数据的总结和对用人单位信息的记录，对每年就业率数据的横向比较，结合历史数据的纵向比较，通过对历年的就业地域进行分析情况及其就业层次分布情况，从而做到全面的观察就业的发展状况，形成对市场发展状况进行全面的监控，并为今后的工作提供参考数据。 3.3 毕业生分类信息挖掘 由于传统的数据无法满足大家的需求，所以我们就要对数据进行分析提取，学生数据中存在着大量情况，利用这些数据结合当今社会就业的就业形势，以通过数据挖掘的技术对毕业生资料进行构建。统一进行数据化发布毕业信息资料、并针对性别、专业、特长、技能、就业意向等因素进行分门别类，形成一套可视化信息图系统，从而方便用人单位进行面向主体的信息抽选，最终提高就业效率[3]。 3.4 数据挖掘中的反馈进行教学改革 学生的就业不仅仅就意味着教学工作的结束，也是对教学工作的最后一次检验。是通过就业总结来发现教学