数据仓库和数据挖掘技术在劳动力资源管理中的应用

论文摘要

随着电子商务和电子政务应用的日益兴起,大量的商业应用和管理数据被产生、处理,并存储在数据库或数据仓库(DW)中。如何更好地发挥这些数据的作用,更好地为商业和政务管理服务是数据应用的一个重要方向。数据仓库、联机分析处理(OLAP)和数据挖掘(DM)技术正是在此类应用的推动下得到迅猛发展的。数据仓库通过抽取操作数据库中的数据,并经过数据清理、数据转换等操作,将海量的数据有效地管理起来。OLAP技术则可以在数据库或数据仓库数据的基础上建立多维数据集,通过旋转、切片、切块和钻取等技术从不同的角度进行提取和分析,从而为数据的使用者提供更具有价值的数据信息。数据挖掘技术则通过聚类、决策树和关联规则等挖掘算法从数据的海洋中探索和发现有用的信息和知识。本文以广东省劳动力市场管理服务信息系统为应用背景,Microsoft SQL Server2000为开发平台,通过运用这些新的技术,解决了新会区劳动力市场的数据分析问题,并从实例中找出有价值的劳动力资源结构和分布规律,从而为业务部门和决策者提供更好的决策依据。论文主要完成了以下几个方面的工作:①对数据仓库、联机分析处理和数据挖掘等相关技术进行了讨论。并具体分析比较了多种的典型聚类和决策树数据挖掘算法。②运用数据仓库技术,通过建立劳动力资源数据仓库,把劳动力市场的数据有效地管理起来。③运行OLAP技术,在劳动力资源数据仓库的基础上,建立OLAP多维数据集,较好地解决比较复杂的组合条件下的查询分析问题,并可生成直观的统计图表。操作过程简单,结果易于理解。④分别基于关系数据库和OLAP数据库建立微软聚集数据挖掘模型和微软决策树数据挖掘模型。通过对照实验,比较了这两种算法在不同实验条件下的有效性和性能特点。⑤设计并实现了一套劳动保障信息决策支持系统。该系统运用数据仓库、OLAP和数据挖掘技术,对海量的劳动保障数据进行有效的管理和分析,并生成了有价值的决策信息。实际应用表明,这些技术在本系统中得到了有效的利用。

论文目录

• 中文摘要
• 英文摘要
• 图表目录
• 1 绪论
• 1.1 论文的研究背景及研究意义
• 1.1.1 广东省劳动力市场软件研究现状
• 1.1.2 新会区劳动力市场软件研究现状
• 1.1.3 问题的提出及研究的意义
• 1.2 国内外研究现状
• 1.3 论文的研究目的和研究内容
• 1.3.1 论文的研究目的
• 1.3.2 论文的研究内容
• 1.3.3 论文的组织结构
• 1.4 本章小结
• 2 数据仓库和数据挖掘技术
• 2.1 数据仓库技术
• 2.1.1 数据仓库的概念
• 2.1.2 数据仓库的特点和功能
• 2.1.3 数据仓库体系结构
• 2.1.4 数据仓库的架构
• 2.2 OLAP 技术
• 2.2.1 OLAP 的概念
• 2.2.2 OLAP 的特点和功能
• 2.2.3 OLAP 的数据组织
• 2.2.4 OLAP 的衡量标准
• 2.3 数据挖掘技术
• 2.3.1 数据挖掘的概念
• 2.3.2 联机分析挖掘的概念
• 2.3.3 数据挖掘的基本任务和基本目标
• 2.3.4 数据挖掘过程
• 2.3.5 数据挖掘与数据仓库、OLAP、OLAM 之间关系
• 2.3.6 数据挖掘工具的评价标准
• 2.4 数据挖掘的算法与模型
• 2.4.1 数据挖掘的挖掘算法
• 2.4.2 数据挖掘的挖掘模型
• 2.4.3 聚类算法
• 2.4.4 决策树算法
• 2.5 SQL Server 2000 概述
• 2.6 本章小结
• 3 劳动力资源数据仓库的构建
• 3.1 劳动力资源数据现状分析
• 3.2 数据仓库主题确定
• 3.3 数据预处理
• 3.3.1 数据清理
• 3.3.2 补充必要的数据
• 3.4 数据仓库的设计
• 3.5 数据仓库的生成与更新
• 3.6 本章小结
• 4 OLAP 技术的应用
• 4.1 分析模型建立的必要性
• 4.2 OLAP 分析模型的建立
• 4.3 OLAP 分析模型的联机分析处理
• 4.3.1 OLAP 分析模型的基本功能
• 4.3.2 钻取结果的准确性验证
• 4.3.3 OLAP 的客户端应用
• 4.4 OLAP 的存储和优化设计
• 4.4.1 OLAP 的存储设计
• 4.4.2 OLAP 的优化设计
• 4.5 本章小结
• 5 数据挖掘算法的应用
• 5.1 微软聚集算法的应用
• 5.1.1 微软聚集算法基于OLAP 的应用
• 5.1.2 微软聚集算法基于关系数据的应用
• 5.2 微软决策树算法的应用
• 5.2.1 微软决策树算法基于OLAP 数据的应用
• 5.2.2 微软决策树算法基于关系数据的应用
• 5.2.3 决策树生成决策规则
• 5.2.4 决策树的相关性网络
• 5.3 微软的挖掘算法比较
• 5.4 本章小结
• 6 结论与展望
• 6.1 结论
• 6.2 研究工作的展望
• 致谢
• 参考文献
• 附录
• A 作者在攻读硕士学位期间发表的论文目录
• B 作者在攻读硕士学位期间参加的工程项目
• C 中英词汇对照表
• D 数据仓库DTS 转换代码
• 独创性声明
• 学位论言语版权使用授权书