基于互联网的人力资源供求信息挖掘分析系统研究与实现

论文摘要

近年来,随着高等院校招生规模的不断扩大,高校毕业生数量迅速增加,就业压力持续上升。毕业生就业工作已经成为摆在高校面前的一项重要工作,教育行政部门还把毕业生就业率作为评议高校设置的主要依据和参数,对毕业生就业率低的院校将缩减其招生规模,就业前景不好的专业有可能停办。基于上述出现的社会问题,特提出本课题。本课题将数据挖掘应用到人力资源供求关系上,主要涉及人力资源供求关系和数据挖掘两个技术领域。互联网作为最大的信息集散地,聚集了大量宝贵的人才招聘信息。同时,各高等院校也积累了大量的各类就业历史数据和人力资源信息。这些信息不仅反映了用人单位对人才的使用要求,而且一定程度上代表了人才需求的走向。基于互联网的人力资源供求信息挖掘分析系统可以将这些信息进行整合与分析,从而建立人力资源供求信息库,通过对信息库中的数据进行挖掘,实现了现有信息的有效利用。本论文主要为了弥补现有招聘网站的不足,研究和实现基于互联网的人力资源供求信息挖掘分析系统。利用信息搜集技术对人力资源供求信息进行自动搜集,并将数据挖掘技术应用于分析这些信息来解答以上问题,并最终通过对这些信息的有效利用,可以达到社会资源的优化配置和使用。本论文使用k-means算法对各类招聘信息进行聚类挖掘,为学校学科设置提供科学的依据。本论文通过决策树算法对往届毕业生就业的历史数据进行分类,掌握各类往届毕业生的就业去向,可以分析出什么样类型的学生比较受什么样用人单位的欢迎,不同的用人单位对于学生有什么特殊的要求。并且能够预测应届毕业生的就业方向,为应届毕业生找到理想的就业单位提供指导。最后,本论文对该课题的预期使用做了详细的说明。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题来源及背景
• 1.2 主要研究内容分析
• 1.3 系统框架及方案的基本介绍
• 1.4 系统研究目标
• 第二章 数据挖掘技术分析
• 2.1 Web挖掘
• 2.2 Web文本挖掘
• 2.2.1 Web文本挖掘的过程
• 2.2.2 Web文本挖掘的关键技术
• 2.3 聚类分析
• 2.3.1 聚类分析概述
• 2.3.2 聚类分析数据类型
• 2.3.3 聚类分析距离度量
• 2.3.4 k-means算法
• 2.4 分类与预测
• 2.4.1 分类的定义
• 2.4.2 基于决策树的分类
• 2.4.3 C4.5算法
• 第三章 人力资源供求信息挖掘分析系统设计与实现
• 3.1 系统的设计
• 3.1.1 软件平台及开发工具选型
• 3.1.2 系统框架
• 3.1.3 数据库设计
• 3.2 系统的实现
• 3.2.1 信息发布功能
• 3.2.2 信息查询功能
• 3.3 Web文本挖掘在系统中的应用
• 3.4 k-means算法在系统中的应用
• 3.5 C4.5算法在系统中的应用
• 3.5.1 数据预处理
• 3.5.2 C4.5算法构造决策树
• 3.5.3 分类及预测
• 第四章 人力资源供求信息数据挖掘分析系统的操作过程
• 4.1 系统主页功能
• 4.2 用户注册操作
• 4.3 用户登录操作
• 4.4 系统主要功能介绍
• 4.4.1 信息发布功能
• 4.4.2 信息查询功能
• 第五章 结论与展望
• 5.1 结论
• 5.2 工作展望
• 参考文献
• 致谢
• 发表论文或参与科研项目情况
• 学位论文评阅及答辩情况表