高職院校就業(yè)信息平臺(tái)中決策樹(shù)應(yīng)用研究

【摘 要】本文利用C4.5決策樹(shù)算法構(gòu)造就業(yè)決策樹(shù)，對(duì)已畢業(yè)學(xué)生按計(jì)算機(jī)能力、英語(yǔ)等級(jí)、綜合成績(jī)、政治面貌、性格取向等決策屬性進(jìn)行相應(yīng)分類，并分析其對(duì)畢業(yè)生的就業(yè)類別和方向的影響，從而在提高就業(yè)率、就業(yè)層次、改進(jìn)現(xiàn)行培養(yǎng)機(jī)制等方面為管理人員提供決策支持。

【關(guān)鍵詞】高職院校 就業(yè)信息平臺(tái) 決策樹(shù) 就業(yè)方向 就業(yè)決策

【中圖分類號(hào)】G 【文獻(xiàn)標(biāo)識(shí)碼】A

【文章編號(hào)】0450-9889（2016）10C-0179-03

隨著高職院校畢業(yè)生人數(shù)的增多，就業(yè)工作及就業(yè)方向指導(dǎo)越發(fā)沉重，研究開(kāi)發(fā)就業(yè)信息管理平臺(tái)非常必要。在平臺(tái)開(kāi)發(fā)中引入決策樹(shù)這一方法來(lái)分析研究，有利于明晰高職院校畢業(yè)生的就業(yè)方向、增強(qiáng)高職院校畢業(yè)生的就業(yè)水平。

決策樹(shù)主要就是將大量的數(shù)據(jù)進(jìn)行相應(yīng)的分類。這些分類中的數(shù)據(jù)將是研究中給定的數(shù)據(jù)，通過(guò)數(shù)據(jù)的研究跟預(yù)測(cè)中的數(shù)據(jù)對(duì)比分析，找出其存在的規(guī)律屬性，并從中找到潛在的、有價(jià)值的信息，并利用這些數(shù)據(jù)對(duì)工作上的問(wèn)題做出指導(dǎo)。決策樹(shù)方法主要應(yīng)用的是（CLS）方法，經(jīng)過(guò)研究摸索后來(lái)演化為ID3方法，最后經(jīng)過(guò)多方的研究、努力，演化成了總所周知的C4.5算法，該算法也是本文中應(yīng)用的一種算法。決策樹(shù)技術(shù)主要是把相關(guān)的問(wèn)題分解化，把復(fù)雜的問(wèn)題簡(jiǎn)單化，從一些雜亂的數(shù)據(jù)中找出一些有規(guī)律的數(shù)據(jù)，并進(jìn)行對(duì)比分類，產(chǎn)生出研究中所需要的結(jié)果，并根據(jù)相應(yīng)的結(jié)果分析，指導(dǎo)現(xiàn)實(shí)中的工作，提高工作效率，強(qiáng)化學(xué)習(xí)能力。在數(shù)據(jù)的分析中，得出一些與就業(yè)相關(guān)的一些基本屬性，如畢業(yè)生的綜合成績(jī)、英語(yǔ)等級(jí)、計(jì)算機(jī)能力以及高考成績(jī)等，并通過(guò)對(duì)這些屬性的分析來(lái)判斷、預(yù)測(cè)其畢業(yè)后的就業(yè)方向與發(fā)展趨勢(shì)。因此，本文設(shè)計(jì)決策樹(shù)模型，通過(guò)對(duì)已工作的畢業(yè)生進(jìn)行相應(yīng)的分析，得出其實(shí)際有效的數(shù)據(jù)，并結(jié)合廣西農(nóng)業(yè)職業(yè)技術(shù)學(xué)院學(xué)生就業(yè)的實(shí)際情況進(jìn)行決策樹(shù)分析研究，最終指導(dǎo)畢業(yè)生的就業(yè)方向及就業(yè)層次。

一、就業(yè)信息轉(zhuǎn)換與預(yù)處理

學(xué)生就業(yè)統(tǒng)計(jì)管理信息表主要包括的字段有：學(xué)號(hào)，姓名，性別，性格取向、院系，專業(yè)，綜合排名，生源地，計(jì)算機(jī)能力，英語(yǔ)水平，政治面貌，工作單位，工作單位區(qū)域，本文采用的挖掘?qū)傩跃褪菑脑摫碇蝎@取。挖掘出給定數(shù)據(jù)的單位性質(zhì)，獲取一些找到好工作、好單位的畢業(yè)生與其哪些屬性相關(guān)，主要通過(guò)學(xué)生就業(yè)信息表中的數(shù)據(jù)來(lái)進(jìn)行挖掘?qū)Ρ?，由于挖掘的信息量比較大，在數(shù)據(jù)的挖掘中，首先要進(jìn)行相應(yīng)的數(shù)據(jù)篩選，找出與學(xué)生關(guān)聯(lián)度比較大的相關(guān)維度屬性。如實(shí)踐能力、綜合排名、英語(yǔ)水平、計(jì)算機(jī)能力、性格取向、高考成績(jī)、工作單位等作為決策屬性。在統(tǒng)計(jì)的工作單位中，對(duì)它們進(jìn)行符號(hào)化，分成不同的層次，具體如下：國(guó)企（符號(hào)化G），其主要是一些大、中、小型的一些國(guó)有企業(yè)，一些事業(yè)單位、科研單位、政府單位等；外企（符號(hào)化W），其主要是一些在中國(guó)發(fā)展的外資企業(yè)；私企（符號(hào)化S），私企主要是一些私人企業(yè)，一些民企。在這三類單位中，又進(jìn)行相關(guān)層次的分類即優(yōu)秀（Y）與差（C），以便進(jìn)行更好區(qū)分，把數(shù)據(jù)進(jìn)行細(xì)化分析。在這些數(shù)據(jù)的細(xì)化后，現(xiàn)在可以把相應(yīng)的工作單位分成以下幾大類，即優(yōu)秀國(guó)企（GY）、差國(guó)企（GC）、優(yōu)秀外企（WY）、差外企（WC）、優(yōu)秀私企（SY）、差私企（SC），在這些數(shù)據(jù)確定后，并把所有的數(shù)據(jù)都進(jìn)行符號(hào)化，然后進(jìn)行統(tǒng)計(jì)分析。

二、模型分析與設(shè)計(jì)

（一）模型分析描述

高職院校畢業(yè)生人數(shù)在逐年增加，就業(yè)問(wèn)題也逐年突出。以廣西農(nóng)業(yè)職業(yè)技術(shù)學(xué)院為例，雖然加大了投入，千方百計(jì)提高就業(yè)率及就業(yè)水平，也取得了一定的成效，但離理想中的要求還有一定的差距，如何縮短這些差距，是作為學(xué)院的決策者必須思考的問(wèn)題。因此，建立一個(gè)學(xué)院學(xué)生就業(yè)信息管理平臺(tái)，解決就業(yè)問(wèn)題非常有實(shí)際意義。在這些大量的數(shù)據(jù)中找出所需要的數(shù)據(jù)，給學(xué)院的決策者來(lái)做出決策支持。在通過(guò)對(duì)比分析后，數(shù)據(jù)挖掘能很好地解決相關(guān)的問(wèn)題，它能從大量的數(shù)據(jù)中挖掘出所需要的相關(guān)數(shù)據(jù)，根據(jù)此特點(diǎn)選擇決策樹(shù)C4.5算法建立決策分類樹(shù)，通過(guò)已給定的條件來(lái)找出學(xué)生屬性的影響情況。并由相關(guān)規(guī)則找出就業(yè)單位的類別進(jìn)行排列選取，通過(guò)這些屬性的挖掘以及數(shù)據(jù)的整理分析，得到有價(jià)值的信息，為決策者進(jìn)行決策支持。

（二）模型設(shè)計(jì)

決策樹(shù)其實(shí)就是生成一棵倒立的樹(shù)，其主要目的就是實(shí)現(xiàn)分枝歸類，把具有相同屬性的值，盡快與相應(yīng)的分支對(duì)應(yīng)屬性，每片葉子代表的是類別的最終屬性。通過(guò)以上的結(jié)構(gòu)分析，決策樹(shù)的構(gòu)建在數(shù)據(jù)的分析上有很大的優(yōu)勢(shì)，很容易從葉子節(jié)點(diǎn)上分析得出所需要的數(shù)據(jù)。

通過(guò)C4.5進(jìn)行對(duì)數(shù)據(jù)歸類劃分，并進(jìn)行相應(yīng)的最優(yōu)屬性值的評(píng)估，盡快在最短的分枝路線上進(jìn)行分類選擇，并能有效處理連續(xù)值的屬性。因此，通過(guò)C4.5算法利用數(shù)據(jù)挖掘，分析出樣本中所有的數(shù)據(jù)，并對(duì)所需要的數(shù)據(jù)，如綜合成績(jī)、計(jì)算機(jī)能力、英語(yǔ)水平、實(shí)踐能力進(jìn)行處理分析，并得出畢業(yè)生就業(yè)好的一些基本因數(shù)。這些因數(shù)主要通過(guò)算法遞歸分配到每一個(gè)節(jié)點(diǎn)上，通過(guò)數(shù)據(jù)的處理就可以看出學(xué)生的就業(yè)跟哪些屬性關(guān)聯(lián)性比較大，這樣在學(xué)生的就業(yè)中，就可以做出正確的有方向性的指導(dǎo)。

C4.5算法主要產(chǎn)生所需要的增益率，其計(jì)算方法以及相應(yīng)的計(jì)算公式步驟如下：

第一，在已選取的數(shù)據(jù)中，并把該數(shù)據(jù)集合表示是S，其中的項(xiàng)目數(shù)為s，并通過(guò)取不同的屬性值，把它設(shè)為n，其對(duì)應(yīng)的屬性值也為n。另外，在就業(yè)信息數(shù)據(jù)挖掘系統(tǒng)中應(yīng)用為Qi，（i=1，2，…，n）。假設(shè)Bi為類別Qi中的樣本數(shù)據(jù)個(gè)數(shù)，為每個(gè)數(shù)據(jù)的屬性信息計(jì)算增益率，并計(jì)算機(jī)出給定樣本分類所需要的信息熵，其計(jì)算公式如下：

第二，在分類劃分中，屬性的值是非常多的，如何取出所有屬性的值，并把它歸類到每一個(gè)節(jié)點(diǎn)中，這樣就需要取W個(gè)不同的值，即{w1，w2，…，wn}。并通過(guò)類別屬性W值的不同，來(lái)獲取劃分其中的其他節(jié)點(diǎn)的分枝值為S，并記為：{ S1，S2，…，Sz }。通過(guò)這些子集對(duì)應(yīng)所包含的集合S，并由S的節(jié)點(diǎn)產(chǎn)生出來(lái)所需要的分枝，通過(guò)屬性劃分的方式，把當(dāng)前樣本集合B，劃分成子集的信息熵或信息期望，通過(guò)下列公式進(jìn)行劃分：

對(duì)于給定的子集S，通過(guò)類別屬性的分枝節(jié)點(diǎn)來(lái)計(jì)算出每一個(gè)測(cè)試屬性的信息增益量：如Gainration（綜合成績(jī)）、Gainration（英語(yǔ)水平）、Gainration（計(jì)算機(jī)能力）、Gainration（實(shí)踐能力），相應(yīng)的計(jì)算機(jī)公式如下：

第三，利用公式（1）-（4）測(cè)試計(jì)算每個(gè)屬性即Gainration（綜合成績(jī)）、Gainration（英語(yǔ)水平）、Gainration（計(jì)算機(jī)能力）、Gainration（實(shí)踐能力）的信息增益量，同樣也計(jì)算出它們的增益率。通過(guò)增益率的測(cè)試計(jì)算，完成各個(gè)分枝的劃分，最終確立決策樹(shù)模型的建立，并得出各個(gè)分枝的支持情況，通過(guò)屬性數(shù)據(jù)的分析來(lái)達(dá)到預(yù)測(cè)的效果。

三、用C4.5算法構(gòu)造決策樹(shù)

C4.5算法構(gòu)造決策樹(shù)主要有以下幾個(gè)步驟：

（一）選取信息樣本數(shù)據(jù)集

如表1所示，工作單位作為工作好壞性質(zhì)類別，即三類工作分類中的類別。屬性綜合成績(jī)、英語(yǔ)水平、計(jì)算機(jī)能力、實(shí)踐能力、畢業(yè)去向?yàn)闆Q策屬性集。

（二）抽取信息樣本

在信息樣本數(shù)據(jù)集S中，一共有20條記錄，其中GY、GC、WY、WC、SY、SC類所對(duì)應(yīng)的子集中元組個(gè)數(shù)分別為：t1=6、t2=6、t3=5、t4=1、t5=2、t6=0。由于需要計(jì)算S分類集合決策屬性的增益信息量，計(jì)算公式如下：

Z（綜合成績(jī)）=（S11，S21，S31，S41，S51，S61）+ （S21，S22，S23，S24，S25，S26）+（S31，S32，S33，S34，S35，S36）=1.86 （5）

因此，通過(guò)公式（5）可以計(jì)算出綜合成績(jī)屬性的信息增益量為：

Gainration（綜合成績(jī)）=I（t1，t2，t3，t4，t5，t6）-E（綜合成績(jī)）=0.582

并依此測(cè)試計(jì)算得到英語(yǔ)水平、計(jì)算機(jī)能力、實(shí)踐能力屬性的信息增益：Gainration（英語(yǔ)水平）=0.256，Gainration （計(jì)算機(jī)能力）=0.245，Gainration（實(shí)踐能力）=0.135。根據(jù)測(cè)試結(jié)果，比較各個(gè)測(cè)試屬性值的大小，值大的作為根部節(jié)點(diǎn)[56]。重復(fù)上述相關(guān)步驟，完成各個(gè)分枝的劃分，最終構(gòu)造建立決策樹(shù)。根據(jù)廣西農(nóng)業(yè)職業(yè)技術(shù)學(xué)院畢業(yè)生情況，由于該院的畢業(yè)生人數(shù)一年只有3000多人，因此，可以從中抽取出1500名畢業(yè)生的就業(yè)數(shù)據(jù)進(jìn)行相關(guān)的決策樹(shù)分析，并獲得如圖1所示的決策樹(shù)。

圖1 C4.5算法構(gòu)造就業(yè)決策樹(shù)圖

四、生成分類規(guī)則描述

通過(guò)以上的決策樹(shù)構(gòu)成，可以分析得出各個(gè)單位的分類規(guī)則以及判斷它們的屬性關(guān)聯(lián)性，分類關(guān)聯(lián)情況如表2所示：

通過(guò)以上相關(guān)的規(guī)則以及分類的情況可以看出，綜合成績(jī)優(yōu)良、外語(yǔ)水平較高、實(shí)踐能力以及計(jì)算機(jī)能力比較好的學(xué)生，其就業(yè)單位普遍在比較優(yōu)秀的企業(yè)；綜合成績(jī)不怎么好，但實(shí)踐能力比較強(qiáng)的同學(xué)，在優(yōu)秀私企工作的情況比較普遍，其他則基本是在一般的企業(yè)工作。

綜合各方面的分析來(lái)看，在這三類單位中，要想提高優(yōu)秀企業(yè)的就業(yè)層次，就必須提高學(xué)生的綜合成績(jī)及其計(jì)算機(jī)能力與外語(yǔ)水平，要想提高優(yōu)秀私企的就業(yè)情況，也可以進(jìn)行實(shí)踐能力的培養(yǎng)，提高他們的實(shí)踐能力。總之，在以上分析結(jié)果中，能很清楚地給定決策者的培養(yǎng)目標(biāo)，當(dāng)然也不能排除例外情況的發(fā)生，只要能把握大的發(fā)展趨勢(shì)，就能為決策者提高決策支持。

五、小結(jié)

本文主要通過(guò)相應(yīng)的數(shù)據(jù)屬性，并通過(guò)決策樹(shù)方法，對(duì)已畢業(yè)學(xué)生的就業(yè)工作情況，通過(guò)分類歸納，最終得出學(xué)生的哪些屬性對(duì)畢業(yè)生的就業(yè)情況有比較大的影響。因此，對(duì)于高職院校，特別是在目前就業(yè)壓力較大的情況下，如何調(diào)整就業(yè)方向，在激烈的就業(yè)競(jìng)爭(zhēng)中，指導(dǎo)學(xué)生的就業(yè)方向，提高學(xué)生的就業(yè)層次及就業(yè)水平是決策者必須重視的。通過(guò)本文的分析，可以預(yù)測(cè)與就業(yè)相關(guān)的學(xué)生屬性的關(guān)聯(lián)情況，并對(duì)今后畢業(yè)找工作起到一定的指導(dǎo)作用。

【參考文獻(xiàn)】

[1]鄧自洋.改進(jìn)決策樹(shù)算法在高校就業(yè)管理中的應(yīng)用研究[D].上海：華東理工大學(xué)，2013

[2]韓曉穎.基于決策樹(shù)的數(shù)據(jù)挖掘技術(shù)在學(xué)生就業(yè)指導(dǎo)中的應(yīng)用[J].科協(xié)論壇（下半月），2011（12）

[3]丁苗.決策樹(shù)技術(shù)在畢業(yè)生就業(yè)數(shù)據(jù)中的應(yīng)用研究[D].吉林：遼寧工程技術(shù)大學(xué)，2012

[4]楊斷利，張銳，王文顯.基于模糊決策樹(shù)的高校就業(yè)數(shù)據(jù)挖掘研究[J].河北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2012（2）

【基金項(xiàng)目】基于WEB的高職院校就業(yè)信息管理系統(tǒng)的研發(fā)與應(yīng)用（桂教科研[2016]3號(hào)）

【作者簡(jiǎn)介】黃榮喜（1979— ），男，廣西桂林人，廣西大學(xué)碩士，廣西農(nóng)業(yè)職業(yè)技術(shù)學(xué)院講師，研究方向：軟件開(kāi)發(fā)及應(yīng)用。

（責(zé)編 劉健華）