貝葉斯網(wǎng)絡(luò)在就業(yè)風(fēng)險(xiǎn)評(píng)估中的應(yīng)用

摘 要： 高校擴(kuò)招帶來了大學(xué)生數(shù)量大幅度增長，畢業(yè)生就業(yè)問題已經(jīng)成為高校管理中的重大問題。在對(duì)近年來就業(yè)風(fēng)險(xiǎn)評(píng)估研究的基礎(chǔ)上，提出了用貝葉斯網(wǎng)絡(luò)來解決就業(yè)風(fēng)險(xiǎn)評(píng)估和預(yù)測(cè)的問題，為了降低先驗(yàn)概率的主觀性，引入了模糊綜合評(píng)判的方法。以某校前幾年的就業(yè)信息來訓(xùn)練就業(yè)風(fēng)險(xiǎn)評(píng)估的貝葉斯網(wǎng)絡(luò)模型，實(shí)驗(yàn)結(jié)果表明，專業(yè)成績(jī)和實(shí)踐水平在影響就業(yè)的主觀因素中占有重要的地位，為今后的教學(xué)及就業(yè)提供了有益的指導(dǎo)。

關(guān)鍵詞： 就業(yè)； 風(fēng)險(xiǎn)評(píng)估； 貝葉斯網(wǎng)絡(luò)； 模糊綜合評(píng)判

中圖分類號(hào)：520.20 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2013）03-35-02

0 引言

近年來，隨著高校的大規(guī)模擴(kuò)招，使我國高等教育歷史性地步入了大眾教育階段。但隨之而來的是巨大的社會(huì)就業(yè)壓力。由于招生規(guī)模逐年擴(kuò)大、在校生人數(shù)大幅度增加，給高校學(xué)生管理工作帶來了諸多問題。學(xué)生管理者越來越感到管理的復(fù)雜性，對(duì)于學(xué)生的就業(yè)狀況也越來越難以預(yù)測(cè)。為了制定切實(shí)可行的就業(yè)對(duì)策，幫助學(xué)生找到滿意的工作，必須對(duì)影響就業(yè)的各種因素進(jìn)行分析，并在此后的教學(xué)過程中將其作為改進(jìn)教學(xué)的參考。為了對(duì)影響就業(yè)的因素進(jìn)行準(zhǔn)確地分析，本文提出了基于貝葉斯網(wǎng)絡(luò)的風(fēng)險(xiǎn)評(píng)估技術(shù)，同時(shí)，為了降低先驗(yàn)概率主觀性帶來的風(fēng)險(xiǎn)，引入了模糊綜合評(píng)判。

1 貝葉斯網(wǎng)絡(luò)與模糊綜合評(píng)價(jià)

1.1 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)[1-4]是一種基于概率推理的圖形化網(wǎng)絡(luò)，它以圖形化的方式描述變量或事件之間的概率關(guān)系或因果關(guān)系。一般地，貝葉斯網(wǎng)絡(luò)由兩部分組成：貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)和條件概率表。

其中：G是一個(gè)有向無環(huán)圖，其頂點(diǎn)對(duì)應(yīng)于有限集中的隨機(jī)變量X1，X2，…，Xn，其弧代表一個(gè)函數(shù)依賴關(guān)系。如果有一條弧由變量Y到X，則Y是X的雙親或者直接前驅(qū)，而X則是Y的后繼。一旦給定其雙親，圖中的每一個(gè)變量獨(dú)立于圖中該節(jié)點(diǎn)的后代集，在圖G中Xi的所有雙親變量用集合Pa（Xi）表示。

1.2 模糊綜合評(píng)價(jià)

模糊綜合評(píng)價(jià)法是一種基于模糊數(shù)學(xué)的綜合評(píng)標(biāo)方法。該綜合評(píng)價(jià)法根據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評(píng)價(jià)轉(zhuǎn)化為定量評(píng)價(jià)，即用模糊數(shù)學(xué)對(duì)受到多種因素制約的事物或?qū)ο笞龀鲆粋€(gè)總體的評(píng)價(jià)[5-6]。它具有結(jié)果清晰，系統(tǒng)性強(qiáng)的特點(diǎn)，能較好地解決模糊的、難以量化的問題，適合用于解決各種非確定性問題。

2 基于改進(jìn)的貝葉斯網(wǎng)絡(luò)的就業(yè)風(fēng)險(xiǎn)評(píng)估

貝葉斯網(wǎng)絡(luò)強(qiáng)大的推理能力建立在先驗(yàn)概率評(píng)估的基礎(chǔ)之上；如果先驗(yàn)概率不準(zhǔn)確，那么，其優(yōu)勢(shì)也得不到發(fā)揮。因此，提高先驗(yàn)概率的準(zhǔn)確性成為發(fā)揮貝葉斯網(wǎng)絡(luò)推理優(yōu)勢(shì)的一大問題。模糊綜合評(píng)判是一種將模糊的信息定量化的方法，將其應(yīng)用于先驗(yàn)概率的計(jì)算，以提高先驗(yàn)概率的準(zhǔn)確性。

本文建立在模糊綜合評(píng)判的基礎(chǔ)之上，用模糊綜合評(píng)判得到各節(jié)點(diǎn)的概率作為先驗(yàn)概率的貝葉斯網(wǎng)絡(luò)對(duì)風(fēng)險(xiǎn)進(jìn)行評(píng)估以及預(yù)測(cè)。具體的評(píng)估過程可以依照下面的步驟來進(jìn)行。

⑴ 建立就業(yè)風(fēng)險(xiǎn)預(yù)測(cè)模型

分析影響學(xué)生就業(yè)中存在的各種因素及其之間的相互影響關(guān)系，建立就業(yè)風(fēng)險(xiǎn)的貝葉斯網(wǎng)絡(luò)模型，作為風(fēng)險(xiǎn)分析及預(yù)測(cè)的基礎(chǔ)。

⑵ 利用模糊綜合評(píng)判計(jì)算節(jié)點(diǎn)的先驗(yàn)概率值

a. 確定權(quán)數(shù)及權(quán)數(shù)矩陣

權(quán)重矩陣F：確定各專家在風(fēng)險(xiǎn)評(píng)估中影響力度即權(quán)重矩陣Fi，其中：i為風(fēng)險(xiǎn)因素的個(gè)數(shù)且0

b. 確定評(píng)判論域及隸屬度

風(fēng)險(xiǎn)影響矩陣R：矩陣的行表示各專家的5個(gè)等級(jí)（幾乎沒有影響，較小，中等，較大，非常嚴(yán)重），列表示風(fēng)險(xiǎn)因素，矩陣中的值是各專家對(duì)該因素影響大小的評(píng)分。

c. 計(jì)算隸屬度模糊矩陣

根據(jù)模糊評(píng)估算法，計(jì)算T=FoS'，其中：S'是S的轉(zhuǎn)置矩陣。對(duì)T進(jìn)行歸一化，得出各風(fēng)險(xiǎn)的評(píng)估值。

⑶ 計(jì)算節(jié)點(diǎn)的風(fēng)險(xiǎn)概率值

根據(jù)建立的模型及節(jié)點(diǎn)的先驗(yàn)概率值，進(jìn)行貝葉斯計(jì)算，得到各節(jié)點(diǎn)風(fēng)險(xiǎn)發(fā)生的概率值。

⑷ 貝葉斯網(wǎng)絡(luò)信念更新

當(dāng)獲得某一確定的信息時(shí)，對(duì)網(wǎng)絡(luò)信念進(jìn)行更新。比較更新前后網(wǎng)絡(luò)中各節(jié)點(diǎn)的概率，預(yù)測(cè)風(fēng)險(xiǎn)是增加了還是減少了，分析導(dǎo)致這一變化的原因，及時(shí)調(diào)整就業(yè)政策并采取有效的措施降低風(fēng)險(xiǎn)的發(fā)生。

3 貝葉斯網(wǎng)絡(luò)在就業(yè)風(fēng)險(xiǎn)評(píng)估中的應(yīng)用

學(xué)生的就業(yè)狀況不僅與個(gè)人能力，性別，家庭背景有關(guān)，而且與當(dāng)年的政策法規(guī)有著不同程度的聯(lián)系，對(duì)于一些客觀的因素在此不做分析，本文僅以與個(gè)人自身的因素對(duì)就業(yè)的影響進(jìn)行分析來說明本文的方法。與個(gè)人能力有關(guān)的因素有：學(xué)歷（G），專業(yè)成績(jī)（M），實(shí)踐能力（P），外語水平（E），計(jì)算機(jī)水平（C），他們都會(huì)對(duì)就業(yè)產(chǎn)生一定的影響，根據(jù)他們之間的影響關(guān)系建立貝葉斯網(wǎng)絡(luò)如圖1所示。

根據(jù)某高校前幾年的就業(yè)狀況及相關(guān)教師對(duì)各節(jié)點(diǎn)的評(píng)估值，利用模糊綜合評(píng)判得出各節(jié)點(diǎn)的概率值，進(jìn)行推理的結(jié)果發(fā)現(xiàn)：專業(yè)成績(jī)和實(shí)踐水平對(duì)就業(yè)的影響非常大，因此，在此后的教學(xué)過程中，應(yīng)加強(qiáng)這方面能力的培養(yǎng)，為今后的學(xué)生就業(yè)增加籌碼。

4 結(jié)束語

貝葉斯網(wǎng)絡(luò)以其強(qiáng)大的圖形表示方法及推理理論為優(yōu)勢(shì)，以其對(duì)學(xué)生就業(yè)中存在的風(fēng)險(xiǎn)關(guān)系進(jìn)行建模，結(jié)合模糊綜合評(píng)判降低了貝葉斯網(wǎng)絡(luò)模型中先驗(yàn)概率的主觀性，為制定合理的教學(xué)計(jì)劃提供了可靠的依據(jù)。貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的合理性是進(jìn)行風(fēng)險(xiǎn)評(píng)估的前提，因此，自動(dòng)地通過對(duì)就業(yè)信息的學(xué)習(xí)來構(gòu)造貝葉斯網(wǎng)絡(luò)模型將是下一步的研究方法。

參考文獻(xiàn)：

[1] Chickering DM， Learning equivalence classes of Bayesian Network

Structs， Journal of Machine Learning Research，2002.

[2] Anand Rangarajan， James Coughlan， Alan L.Yuille， A Bayesian

Network Frame for Relational Shape Matching，IEEE Computer Society，2003.

[3] MESHKAT P，.JOHN D.Generalized Versions of Turbo Decoding

in the Framework of Bayesian Networks and Pearl's Belief Propagation Algorithm[A]. Proc IEEE Internationals Conference on Common[C]. Atlanta， USA，2002.

[4] B.A.Gran，A.Helminen， \"A Bayesian belief network for reliability

assessment\"， in Proceedings of the 20th SAFECOMP，2001.

[5] 任東旺，姚飛.項(xiàng)目評(píng)標(biāo)中的模糊綜合評(píng)價(jià)法.http：//www.spc.com.

cn/spcspc/Chinese/tep/2003/200302/xm-3.htm，2012.10.

[6] 岳韶華，周國安，程保源.模糊綜合評(píng)價(jià)防空指揮自動(dòng)化系統(tǒng)效能[J].

系統(tǒng)工程理論與實(shí)踐，2002.22（3）：114-118