數(shù)據(jù)挖掘技術(shù)在學(xué)生就業(yè)指導(dǎo)中的應(yīng)用

摘要：管理信息系統(tǒng)的應(yīng)用使得職業(yè)學(xué)校的就業(yè)指導(dǎo)工作產(chǎn)生了質(zhì)的飛躍，但隨著畢業(yè)生人數(shù)的極具增長，系統(tǒng)中不可避免地積聚了大量的就業(yè)信息數(shù)據(jù)，與之匹配的統(tǒng)計(jì)方法已不能適應(yīng)現(xiàn)實(shí)的需求。數(shù)據(jù)挖掘技術(shù)可以有效解決這一問題，它所包含的Apriori算法，能建立在學(xué)校的就業(yè)歷史數(shù)據(jù)之上，深入分析畢業(yè)生的就業(yè)數(shù)據(jù)從而發(fā)現(xiàn)真正影響學(xué)生就業(yè)問題的內(nèi)因，還能通過結(jié)合學(xué)生的受教育與就業(yè)需求之間的相關(guān)性，分析出社會(huì)對人才的真正需求，進(jìn)而為職業(yè)學(xué)校的管理者提供參考數(shù)據(jù)，幫助他們對學(xué)校的教育模式進(jìn)行改革，使其更契合當(dāng)下社會(huì)對人才的需求，從而最大程度地提高畢業(yè)生就業(yè)指導(dǎo)工作的有效性。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；Apriori算法；就業(yè)指導(dǎo)

中圖分類號：TP311.52 文獻(xiàn)標(biāo)識碼：A 文章編號：1007—9599 （2012） 14—0000—02

一、引言

在學(xué)生管理工作中，學(xué)生就業(yè)指導(dǎo)是一個(gè)非常重要的方面。如何對學(xué)生就業(yè)進(jìn)行有效的指導(dǎo)，是當(dāng)前職業(yè)學(xué)校面臨的一個(gè)重要課題。本文首先根據(jù)學(xué)生就業(yè)指導(dǎo)主題建立江蘇省揚(yáng)州商務(wù)高等職業(yè)學(xué)校學(xué)生就業(yè)指導(dǎo)數(shù)據(jù)倉庫，利用多維關(guān)聯(lián)規(guī)則Apriori算法，從無次序、規(guī)律的學(xué)生的相關(guān)學(xué)業(yè)和就業(yè)信息中找尋出兩者之間內(nèi)在的關(guān)聯(lián)性，并推算出關(guān)聯(lián)規(guī)則，為學(xué)生培養(yǎng)與就業(yè)指導(dǎo)提供決策依據(jù)。由于數(shù)據(jù)挖掘技術(shù)的Apriori算法演進(jìn)而得的多維關(guān)聯(lián)規(guī)則的算法，使得該算法不可避免地會(huì)形成大量的候選頻繁謂詞集，降低算法性能。本文針對這一缺點(diǎn)，提出使用不產(chǎn)生候選的多維關(guān)聯(lián)規(guī)則Apriori算法，它的原理是長頻模式直接由短頻模式利用遞歸的方式獲得，這樣就可以有效避免產(chǎn)生大量額外的候選頻繁謂詞語集，從而提高了算法效率。

二、數(shù)據(jù)挖掘應(yīng)用流程

SQL Serve對數(shù)據(jù)挖掘的過程是經(jīng)由工作流以節(jié)點(diǎn)連接的方式完成的。這種方式完全符合當(dāng)今通用的跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程（Crisp—DM），本文以就業(yè)數(shù)據(jù)倉庫為數(shù)據(jù)挖掘的對象，其流程如圖1所示。

數(shù)據(jù)挖掘流程基于Crisp—DM如下所示：

問題的提出與表征—>數(shù)據(jù)準(zhǔn)備—>建模—>產(chǎn)生規(guī)則—>測評與詳解。

1.問題的提出與表征：通過對問題進(jìn)行解析，從而發(fā)現(xiàn)學(xué)生整體的就業(yè)情況與學(xué)生成績、專業(yè)、區(qū)域等相關(guān)信息的關(guān)聯(lián)。2.數(shù)據(jù)準(zhǔn)備：根據(jù)不同的問題，采用SQL Serve中的處理工具對就業(yè)數(shù)據(jù)倉庫進(jìn)行篩選，如通過選擇、抽樣和匯總等方式增加記錄選項(xiàng)，通過過濾等方式增加字段選項(xiàng)，從而從就業(yè)數(shù)據(jù)倉庫中獲得符合條件的子集，建構(gòu)特定的數(shù)據(jù)挖掘庫。3.建模：數(shù)據(jù)模型的建立必須依據(jù)數(shù)據(jù)的特征和數(shù)據(jù)挖掘的目標(biāo)的基礎(chǔ)之上。筆者認(rèn)為，選用數(shù)據(jù)挖掘技術(shù)的Apriori算法演進(jìn)而得的多維關(guān)聯(lián)規(guī)則的算法來進(jìn)行數(shù)據(jù)挖掘分析非常適合。4.測評與詳解：當(dāng)數(shù)據(jù)挖掘應(yīng)用于學(xué)生就業(yè)實(shí)際之后，對所得的數(shù)據(jù)進(jìn)行測評，并結(jié)合測評結(jié)果對其進(jìn)行詳解。

三、關(guān)聯(lián)規(guī)則的挖掘

（一）求取單維、多維頻繁謂詞。每一條就業(yè)信息都包含著許多屬性，如果要找到它們所構(gòu)成的頻繁謂詞集，就要先找到它們中每一維所包含的頻繁謂語。因此，可以通過用SQL語言編程的方式，對數(shù)據(jù)庫進(jìn)行操作。

對學(xué)生信息的每一維屬性而言，對就業(yè)信息事務(wù)表的操作，應(yīng)運(yùn)用SQL語言的Distinct語句對其進(jìn)行操作，經(jīng)過篩選留下來的都是滿足條件的單維頻繁謂詞。在此基礎(chǔ)之上，再通過K維頻繁謂詞進(jìn)行數(shù)據(jù)挖掘。

系統(tǒng)的核心算法是基于多位關(guān)聯(lián)規(guī)則的多維頻繁謂詞集的求取，是數(shù)據(jù)挖掘技術(shù)的Apriori算法演進(jìn)而得的多維關(guān)聯(lián)規(guī)則的算法但是該算法可能會(huì)產(chǎn)生大量候選頻繁謂詞集，降低算法性能。

基于經(jīng)典的Apiori算法，頻繁K—謂詞集求頻繁（K+1）謂詞集的時(shí)候應(yīng)利用利用Apriori性質(zhì)。因此，開始時(shí)要產(chǎn)生頻繁（K+1）謂詞集。之后，隨著掃描數(shù)據(jù)庫的次數(shù)過多，可能產(chǎn)生大量的侯選項(xiàng)集，在頻繁項(xiàng)目集長度變大的情況下，運(yùn)算時(shí)間顯著增加。基于此，下文的算法描述就是為了有效解決這一缺陷而設(shè)計(jì)的，提出使用不產(chǎn)生候選的多維關(guān)聯(lián)規(guī)則Apriori算法，它的原理是長頻模式直接由短頻模式利用遞歸的方式獲得，這樣就可以有效避免產(chǎn)生大量額外的候選頻繁謂詞語集，從而提高了算法效率。

（二）不產(chǎn)生候選的多維關(guān)聯(lián)規(guī)則Apriori算法描述。該算法目的是由頻繁K—謂詞項(xiàng)求得頻繁K+1的謂詞項(xiàng)，主要是通過函數(shù)遞歸來實(shí)現(xiàn)的。算法過程如圖2所示：通過執(zhí)行該算法，先找出頻繁一維謂詞集，之后再找出所有的頻繁K維謂詞集。比如：一維頻繁謂詞設(shè)置為“年齡—21歲”，二維謂詞就設(shè)置為“年齡—21歲”、“性別—女”。如果能夠滿足二維謂詞的值，那么就可以進(jìn)一步選取三維謂詞：“年齡—21歲”、“性別—女”、“學(xué)生地區(qū)—興化”；如果不能滿足二維謂詞的值，那么只要是含有“年齡—21歲”、“性別—女”的多維模式將不再會(huì)被選取，轉(zhuǎn)而對二維謂詞“年齡—21歲”、“性別—男”進(jìn)行計(jì)數(shù)，再重復(fù)前面的流程。經(jīng)過如此反復(fù)地運(yùn)算、判斷，最終就能找到全部的頻繁K維謂詞集。

（三）產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則。置信度與支持度是關(guān)聯(lián)規(guī)則的基礎(chǔ)，算法中發(fā)現(xiàn)的頻繁k—謂詞集，其實(shí)就是找到能夠匹配最小支持度值的頻繁詞項(xiàng)。接著就是在頻繁謂詞項(xiàng)之中，再通過匹配最小置信度來生成關(guān)聯(lián)規(guī)則。從而得到以下的強(qiáng)關(guān)聯(lián)規(guī)則流程圖，見圖2。

（四）相關(guān)性分析。執(zhí)行上述的多維關(guān)聯(lián)規(guī)則挖掘的算法，就可以獲得所有符合匹配值的頻繁維謂詞集，并視它們?yōu)閺?qiáng)關(guān)聯(lián)規(guī)則。隨后，對這些強(qiáng)管理規(guī)則，利用相關(guān)的概念來進(jìn)行解析。

每一個(gè)關(guān)聯(lián)規(guī)則中，最后輸出的結(jié)論（B）是最需要關(guān)注的一個(gè)屬性維；另外的屬性維作為條件則為（A）。頻繁謂詞項(xiàng)是A∪B，它們的值在算法的執(zhí)行過程之中既已保存；可以通過Apriori的算法性質(zhì)推知，子集A和B一定都是頻繁的，因此，它們的值也同樣已經(jīng)保存。所以，通過以下公式就

能很容易判斷每條規(guī)則的相關(guān)性。相關(guān)性判斷的流程圖如圖4。

四、規(guī)則釋義與應(yīng)用

算法模型得出的知識，通過一系列的評估與檢測，可最終被確認(rèn)為正確的知識，并結(jié)合相關(guān)領(lǐng)域作出相應(yīng)的解釋。

從圖5的示例中，我們可以看出：地區(qū)A和地區(qū)B的學(xué)生之中成績中等以上的學(xué)生就業(yè)率較高。這說明：①這兩類地區(qū)的實(shí)際經(jīng)濟(jì)狀況較為良好，人們物質(zhì)生活水平普遍較高，家長有能力也也愿意支付較高的實(shí)習(xí)費(fèi)用，所以學(xué)生就業(yè)率相對較高；②同時(shí)，他們的成績還不足以支撐他們進(jìn)入更高層次的院校深造，如國家自學(xué)考試或成人高等教育，因此，能夠進(jìn)入民營企業(yè)工作對他們來說是比較合理的選擇。

從圖6的示例中，我們可以看出：地區(qū)C的學(xué)生由于成績相對較低，因此學(xué)生的就業(yè)比較靈活，但同時(shí)也反映出嚴(yán)重的就業(yè)不穩(wěn)定現(xiàn)象。這正好說明：地區(qū)C是江蘇北部幾個(gè)經(jīng)濟(jì)欠發(fā)達(dá)的地區(qū)，人們的經(jīng)濟(jì)狀況相對蘇南要差，家庭比較貧困，以至于很多家庭都無力幫助學(xué)生就業(yè)，同時(shí)，學(xué)生自身的學(xué)業(yè)水平也不高，兩者相和從而導(dǎo)致他們對學(xué)習(xí)沒有多大期許，寧愿選擇外出打工，去幫助家里減輕經(jīng)濟(jì)負(fù)擔(dān)。而學(xué)生多數(shù)是在民企工作，他們?nèi)狈夹g(shù)，所以工作也不穩(wěn)定。還有的人在個(gè)體經(jīng)營者那兒打工，想做就做，不想做就換一家這種情況。

此外，我們還可以根據(jù)關(guān)聯(lián)規(guī)則，分析出經(jīng)濟(jì)環(huán)境的優(yōu)劣，對于學(xué)生的就業(yè)率會(huì)帶來一定的影響。如世界金融危機(jī)的爆發(fā)，使得我國國內(nèi)經(jīng)濟(jì)的增速趨緩，這導(dǎo)致了部分中小企業(yè)生產(chǎn)經(jīng)營困難，珠三角、長三角地區(qū)部分企業(yè)出現(xiàn)倒閉裁員的現(xiàn)象，特別是紡織服裝、加工制造等勞動(dòng)密集型產(chǎn)業(yè)的困難較大。原本商務(wù)、經(jīng)貿(mào)、財(cái)會(huì)類的學(xué)生就業(yè)去向主要是各私營公司或私營企業(yè)，在此形勢影響下，近幾年的就業(yè)情況明顯下降了很多。但是烹飪、美容、旅游服務(wù)等第三產(chǎn)業(yè)類專業(yè)的學(xué)生就業(yè)率并沒有受到太大影響，究其原因，主要還是由于職業(yè)學(xué)校學(xué)生依靠技能就業(yè)，有一技之長有手藝，還是能夠就業(yè)的，甚至能夠自主創(chuàng)業(yè)。

通過以上的論述，我們可以看出，關(guān)聯(lián)規(guī)則可以給學(xué)校的管理者們提供一些指導(dǎo)依據(jù)，即學(xué)生入學(xué)初始，就應(yīng)考慮他們未來的就業(yè)問題，通過關(guān)聯(lián)規(guī)則中給出的合理因素，使學(xué)生能有效避免“誤入歧途”，從而真正提高他們的就業(yè)率和質(zhì)量。這也是學(xué)校管理者們能清醒地意識到每一個(gè)不合理的因素都有可能成為制約學(xué)生就業(yè)的重大隱患。必須認(rèn)識到只有切實(shí)提高學(xué)生創(chuàng)新能力和實(shí)踐能力才能提高學(xué)生真正的就業(yè)率。

五、結(jié)束語

本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用于學(xué)生就業(yè)指導(dǎo)系統(tǒng)，通過挖掘Apriori算法算出關(guān)聯(lián)規(guī)則，并分析學(xué)生的就業(yè)情況。對學(xué)生的信息進(jìn)行分析后，發(fā)現(xiàn)學(xué)生的學(xué)業(yè)和就業(yè)信息屬性之間彼此關(guān)聯(lián)，這可以幫助學(xué)校明晰自身的培養(yǎng)目標(biāo)，進(jìn)而改進(jìn)自身的教學(xué)方法，為學(xué)生的教育教學(xué)提供實(shí)踐依據(jù)，從而真正提高畢業(yè)生的就業(yè)能力，使他們能在激烈的社會(huì)競爭中脫穎而出，不僅提高他們的就業(yè)率，還能相應(yīng)地提高他們的就業(yè)質(zhì)量。

參考文獻(xiàn)

[1]胡海員.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)在招生決策中的應(yīng)用研究[D].東南大學(xué)，2010

[2]徐龍琴，劉雙印.基于數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的高校決策支持系統(tǒng)的探索[J].佳木斯大學(xué)學(xué)報(bào)（自然科學(xué)版），2010（23）：59—63

[3]盧碩.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在決策支持系統(tǒng)中的應(yīng)用研究[D].西安電子科技大學(xué)，2011：1，7—10.

[4] T.Gnardellis and B.Boutsinas，On Experimenting with Data Mining in Education，2011.

[5] Surajit chaudhuri，Umeshwar Dayal，An Overview of Data Warehousing and OLAPTechnology，ACM SIGMOD Record，26（1）：65—74，2010.