浅析数据挖掘在就业管理信息系统中的应用.docVIP

浅析数据挖掘在就业管理信息系统中的应用 　　摘要：高校扩招带来大学生数量大幅度增加，学生管理信息系统数据海量扩充，为了有效地利用和开发这庞大的数据信息库，提取潜在有用的信息和知识，笔者运用数据挖掘技术针对一家用人单位录用学生的数据信息展开分析，采用关联规则挖掘算法，寻找大量数据中项集之间的关联，得出关联规则，帮助学校有针对性地开展学生就业指导工作，为决策者提供理论依据。 　　Abstract: College Enrollment Expansion brought about a significant increase in the number of university students, student management information system to expand mass of data, in order to effectively use and develop this huge data bank of information, the potential extraction of useful information and knowledge, I use a data mining technology for employers hiring students analyze data, using association rule mining algorithms to find a large number of data collection between the association and association rules come to help school students to carry out targeted employment guidance, provide support for the decision-making. 　　关键词：数据挖掘；关联规则；就业管理 　　Key words: Data Mining；association rules；employment administration 　　中图分类号：TP315 文献标识码：A文章编号：1006-4311（2010）35-0143-02 　　 　　0引言 　　近几年来，随着高校的大规模扩招，高等教育进入了一个新的快速发展时期，到2008年底，各类高等教育在校生人数达到3000万人。跨越式的发展，使我国高等教育历史性地步入了大众教育阶段。但随之也带来了巨大的社会就业压力。由于招生规模逐年扩大、在校生人数大幅度增加，给高校学生管理工作带来了诸多问题。学生管理者越来越感到管理的复杂性，对于学生的就业状况也越来越难以预测。特别是近期受世界金融危机的影响，经济普遍不景气，就业形式相当严峻。在此背景下将先进的数据挖掘技术应用在学生就业管理信息系统之上，建立科学完善的学生就业管理系统，提高学生管理水平，加快学生就业管理工作。采用新兴的数据挖掘技术就是要处理在学生就业中所存在的问题，在庞大的就业相关数据信息中找出有价值的隐藏事件，并且加以分析，获取有意义的信息，归纳出有用的结构，作为进行分析决策和研判的依据。 　　1数据挖掘的概念及算法功能 　　1.1 数据挖掘普遍定义数据挖掘是多学科综合的产物，又被称为数据库中知识发现，它是一个从大量数据中挖掘出未知的、有价值的模式或规律等知识的复杂过程。数据挖掘发现的知识通常是以概念、规则、规律、模式、约束、可视化等形式表现，这些知识可以直接提供给决策者，以辅助决策过程。数据挖掘通过预测未来趋势及行为，做出前瞻的、基于知识的决策。数据挖掘的目标是从数据库中发现隐含的、有意义的知识。 　　1.2 关联规则挖掘算法关联规则挖掘算法是数据挖掘中重要的算法之一。最为著名的关联规则挖掘方法是R.Agarwal提出的APriori算法。它的主要思想是:数据项集通过循环来获得，在每一次循环中，扫描数据库一次同时生成相同大小的数据项集，数据项集的生成按照递增的顺序进行。关联规则挖掘数据中项集之间有意义的关联或相关联系。关联规则的发现可分为两步。第一步是迭代识别所有的频繁项目集，要求频繁项目集的支持率不低于用户设定的最低值。第二步是从频繁项目集中构造可信度不低于用户设定的最低值的规则。识别或发现所有频繁项目集是关联规则发现算法的核心，也是计算量最大的部分。 　　1.3 关联分析关联知识是反映一个事件和其他事件之间依赖或关联的知识。如果两项或多项属性之间存在关联，那么其中一项的属性值就可以依据其他属性值进行预测。数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联分析的目的是找出数据库中隐藏的