数据挖掘在大学生就业信息管理中的应用研究

论文摘要

随着高校毕业生人数的逐年递增和就业形势的日益严峻,建立一个高质量的就业信息平台已经成为高校发展的迫切需要。然而,构建就业信息管理平台是一项非常复杂的系统工程,这是因为由于高校就业信息库信息量大且逐年递增,而且其中的信息结构复杂、更新速度过快。另一方面,由于就业形势不断变化以及社会高速发展,如果依然沿用旧的高校学生就业信息管理模式显然是不合时宜的。数据挖掘技术的出现正符合了科学的管理手段与现代计算机技术相结合的需求。数据挖掘可以处理大规模数据,能够发现隐藏在数据背后的有用的知识,以辅助管理者的决策。因此利用数据挖掘技术进行信息管理也越来越多地应用到就业信息资源系统的建设中。本论文所做的主要工作是:(1)为了解决山东科技大学信息学院毕业生信息的管理问题,设计并实现了毕业生信息数据挖掘系统,使大量重复繁琐的分析工作进行计算机自动处理和有序管理;能够较好地保证数据一致性、准确性和及时性,实时地、准确完整地提供就业信息,保证高校在就业方面管理的质量,为高校提高数字化、规范化、科学化的就业管理信息能力。(2)目前随着毕业生数据库的规模剧增长,传统的数据库管理系统的查询检索机制和统计分析方法就远不能满足现实的需要,迫切要求能够自动地、智能地和快速地从数据库中挖掘出有用的信息和知识,因此,本论文引入数据挖掘理论中的关联规则及决策树分类方法,利用各种算法发现相关知识,对高校就业管理系统中的数据进行分析,发现数据属性对就业类别的影响,从而在如何提高就业率、提高就业层次、改进现行培养机制等方面为学校提供决策支持,同时也为学生提供个性化的指导并对整体就业情况进行合理的预测。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究现状
• 1.2 研究内容
• 1.3 论文结构
• 2 数据挖掘
• 2.1 数据挖掘的定义
• 2.2 数据挖掘的系统总体结构
• 2.3 数据挖掘的特点
• 2.4 数据挖掘的功能
• 2.5 数据挖掘的分类
• 2.6 数据挖掘的过程
• 2.7 数据挖掘的应用领域
• 2.8 小结
• 3 关联规则挖掘算法与决策树分类方法
• 3.1 关联规则挖掘
• 3.2 决策树分类方法
• 3.3 小结
• 4 就业信息的关联模式挖掘模型设计与实现
• 4.1 模型分析
• 4.2 模型描述
• 4.3 数据预处理
• 4.4 就业信息挖据系统设计与实现
• 4.5 就业信息挖掘系统主要界面及部分结果
• 4.6 结果分析
• 4.7 小结
• 5 决策树分类方法在就业信息数据挖掘系统中应用
• 5.1 模型分析与描述
• 5.2 模型设计
• 5.3 学生就业信息的决策分类模型的实现
• 5.4 小结
• 6 总结
• 6.1 本文所做的主要工作
• 6.2 后续研究课题展望
• 致谢
• 攻读硕士期间主要成果
• 参考文献