關(guān)聯(lián)規(guī)則Apriori算法在高校學(xué)生就業(yè)分析中的應(yīng)用

劉俊灼 柳炳祥 張軍

摘要：Apriori算法是關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法的一種，也是極具影響力的算法。Apriori 算法算法具有先驗性質(zhì)，Apriori 算法的用處是挖掘頻繁項集的，頻繁項集粗俗的理解就是找出經(jīng)常出現(xiàn)的組合，然后根據(jù)這些組合最終推出關(guān)聯(lián)規(guī)則。因此，將Apriori算法應(yīng)用在高校就業(yè)分析中，能夠幫助相關(guān)人員分析出高校學(xué)生的就業(yè)方向。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；Apriori算法；高校學(xué)生；就業(yè)分析；應(yīng)用

引言

高校畢業(yè)生就業(yè)管理和就業(yè)指導(dǎo)工作是高校培養(yǎng)人才過程中的最后一個階段，也是至關(guān)重要的一步，而就業(yè)分析是完成這一步的關(guān)鍵。在就業(yè)分析過程中，形成大量的、復(fù)雜的數(shù)據(jù)，統(tǒng)計和分析起來有很大的難度，而就業(yè)指導(dǎo)是影響畢業(yè)生就業(yè)走向的重要環(huán)節(jié)，如何從復(fù)雜的畢業(yè)生信息中挖掘出對就業(yè)指導(dǎo)有效的數(shù)據(jù)，是很多高校都在研究的問題。

使用數(shù)據(jù)挖掘技術(shù)做就業(yè)預(yù)測，可以為就業(yè)管理部門在畢業(yè)生就業(yè)指導(dǎo)過程中提供有效決策性數(shù)據(jù)依據(jù)，同時為畢業(yè)生在就業(yè)擇業(yè)時提供有效的引導(dǎo)。

一、關(guān)聯(lián)規(guī)則Apriori算法概述

（一）關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則挖掘則是數(shù)據(jù)挖掘中的一個很重要的課題，顧名思義，它是從數(shù)據(jù)背后發(fā)現(xiàn)事物之間可能存在的關(guān)聯(lián)或者聯(lián)系。例如對商場里買東西的顧客進行調(diào)查發(fā)現(xiàn)，百分之三十的顧客會同時購買枕套和枕巾，而百分之八十購買枕套的人會購買床單，這其中就隱藏面臨一條關(guān)聯(lián)：床單～枕巾，也就是說大部分人會一起購買床單和枕巾，因此商場可以將枕巾和床單放在一個購物區(qū)。

（二）Apriori算法

Apriori算法是一種挖掘關(guān)聯(lián)規(guī)則的頻繁項集算法，其核心思想是通過候選集生成和情節(jié)的向下封閉檢測兩個階段來挖掘頻繁項集。

Apriori算法是一種逐層搜索的迭代式算法，其中k 項集用于挖掘（k+1）項集，這是依靠他的先驗性質(zhì)的：頻繁項集的所有非空子集一定是也是頻繁的。

通過這個性質(zhì)可以對候選集進行剪枝。用k 項集如何生成（k+1）項集呢，這個是算法里面最難也是最核心的部分。

通過2 個步驟，第一個步驟是連接步，將頻繁項自己與自己進行連接運算；第二個步驟是剪枝步，去除候選集項中的不符合要求的候選項，不符合要求指的是這個候選項的子集并非都是頻繁項，要遵守上文提到的先驗性質(zhì)。最后，通過一、二步驟還不夠，在后面還要根據(jù)支持度計數(shù)篩選掉不滿足最小支持度數(shù)的候選集。

二、關(guān)聯(lián)規(guī)則Apriori 算法在高校學(xué)生就業(yè)分析中的應(yīng)用

（一）數(shù)據(jù)收集

數(shù)據(jù)挖掘要有明確的數(shù)據(jù)分析對象，所以，數(shù)據(jù)挖掘的第一步必須收集數(shù)據(jù)。在數(shù)據(jù)挖掘過程中，可以直接從高校數(shù)據(jù)庫中提取數(shù)據(jù)，也可以通過調(diào)查得到所需數(shù)據(jù)。文章選擇問卷調(diào)查的方式得到數(shù)據(jù)，問卷調(diào)查分為畢業(yè)生和在校生兩種，針對已畢業(yè)學(xué)生主要的調(diào)查信息包括專業(yè)課成績、對所學(xué)專業(yè)是否感興趣、影響工作的因素、是否參加實習(xí)、就業(yè)方向是否與專業(yè)對口、就業(yè)單位是否是原實習(xí)單位、就業(yè)的主要途徑等。針對在校學(xué)生的調(diào)查信息主要包括：專業(yè)課成績情況、對專業(yè)課是否感興趣、對就業(yè)前景的態(tài)度、希望學(xué)校提供的就業(yè)指導(dǎo)情況、預(yù)計在就業(yè)中遇到的問題等。

（二）Apriori算法優(yōu)化

高校畢業(yè)生就業(yè)信息較為復(fù)雜，且不確定性較為突出，畢業(yè)生的專業(yè)成績、社會實踐情況、英語等級等因素在畢業(yè)生就業(yè)方向中存在重要影響，為了挖掘?qū)Ξ厴I(yè)生有利的信息，文章采用基于劃分的Apriori優(yōu)化算法應(yīng)用在畢業(yè)生就業(yè)分析中。主要思路是：將畢業(yè)生就業(yè)信息數(shù)據(jù)庫中的事務(wù)，根據(jù)歷屆畢業(yè)生就業(yè)方向劃分成不重疊的部分，劃分后的每一部分均能夠一次性的讀入內(nèi)存中。運用Apriori算法在每一部分的內(nèi)部進行頻繁項集的掃描，得到局部頻繁項集，并計算每個頻繁項集在整個數(shù)據(jù)中的實際支持度。由這些頻繁項集構(gòu)成整個數(shù)據(jù)庫的候選項集，從而確定出全局候選項集。

（三）數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘

使用學(xué)生就業(yè)數(shù)據(jù)挖掘出來的主要關(guān)聯(lián)規(guī)則對學(xué)生的就業(yè)情況進行預(yù)測。從規(guī)則中可知，大數(shù)據(jù)科學(xué)應(yīng)用專業(yè)的學(xué)生，不論是對專業(yè)是否感興趣，還是專業(yè)是否優(yōu)秀，百分之八十以上的人都愿意參加實習(xí)，尤其是男生，這說明，實習(xí)是加強專業(yè)技能有效手段，通過實習(xí)，學(xué)生擇業(yè)的范圍和機會都會增大。

總體來說，不論專業(yè)課成績好壞、是否參加過實習(xí)、實習(xí)崗位是否與所學(xué)專業(yè)對口，大部分學(xué)生都希望學(xué)校能夠安排實習(xí)，少數(shù)學(xué)生希望通過人才市場等方式實現(xiàn)就業(yè)。總的來說，大部分學(xué)生希望學(xué)校提供就業(yè)機會。

（四）建議

第一點，對在校生來說，實習(xí)是走上工作崗位的重要途徑，建議在有機會的情況下參加畢業(yè)實習(xí)工作，也希望學(xué)?？梢詾閷W(xué)生聯(lián)系較多的實習(xí)崗位；

第二點，學(xué)校應(yīng)該加強對學(xué)生的管理，培養(yǎng)學(xué)生的興趣，提高學(xué)生的素質(zhì)結(jié)構(gòu)和操作技能，解決學(xué)生就業(yè)難的問題。

第三點，學(xué)校應(yīng)主動采取措施，積極滿足學(xué)生的就業(yè)需求。同時，學(xué)生應(yīng)該利用人才市場，網(wǎng)絡(luò)等多種渠道來解決就業(yè)難的問題。

三、結(jié)語

綜上所述，應(yīng)用關(guān)聯(lián)規(guī)則Apriori算法對高校畢業(yè)生進行就業(yè)分析是可行的，高校應(yīng)根據(jù)分析結(jié)果，為學(xué)生提供更多的實習(xí)機會，同時在校期間，要積極鼓勵學(xué)生自己找工作，不斷滿足學(xué)生的就業(yè)需求，解決就業(yè)難的問題，提升高校畢業(yè)生就業(yè)率，幫助學(xué)生找到適合自己的工作。

參考文獻：

[1] 覃永貞，顧平.Apriori算法在高校畢業(yè)生就業(yè)預(yù)測中的應(yīng)用分析[J].輕工科技，2014，30（07）：93-94+97.

[2]黃文靜.Apriori 算法在高校畢業(yè)生就業(yè)數(shù)據(jù)挖掘中的應(yīng)用研究[J].電子技術(shù)與軟件工程，2015（04）：207-208.