摘 要： 高校擴招帶來了大學(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。在對近年來就業(yè)風(fēng)險評估研究的基礎(chǔ)上，提出了用貝葉斯網(wǎng)絡(luò)來解決就業(yè)風(fēng)險評估和預(yù)測的問題，為了降低先驗概率的主觀性，引入了模糊綜合評判的方法。以某校前幾年的就業(yè)信息來訓(xùn)練就業(yè)風(fēng)險評估的貝葉斯網(wǎng)絡(luò)模型，實驗結(jié)果表明，專業(yè)成績和實踐水平在影響就業(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)險評估； 貝葉斯網(wǎng)絡(luò)； 模糊綜合評判

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

0 引言

近年來，隨著高校的大規(guī)模擴招，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就業(yè)壓力。由于招生規(guī)模逐年擴大、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，對于學(xué)生的就業(yè)狀況也越來越難以預(yù)測。為了制定切實可行的就業(yè)對策，幫助學(xué)生找到滿意的工作，必須對影響就業(yè)的各種因素進行分析，并在此后的教學(xué)過程中將其作為改進教學(xué)的參考。為了對影響就業(yè)的因素進行準(zhǔn)確地分析，本文提出了基于貝葉斯網(wǎng)絡(luò)的風(fēng)險評估技術(shù)，同時，為了降低先驗概率主觀性帶來的風(fēng)險，引入了模糊綜合評判。

1 貝葉斯網(wǎng)絡(luò)與模糊綜合評價

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是一個有向無環(huán)圖，其頂點對應(yīng)于有限集中的隨機變量X1，X2，…，Xn，其弧代表一個函數(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，圖中的每一個變量獨立于圖中該節(jié)點的后代集，在圖G中Xi的所有雙親變量用集合Pa（Xi）表示。

1.2 模糊綜合評價

模糊綜合評價法是一種基于模糊數(shù)學(xué)的綜合評標(biāo)方法。該綜合評價法根據(jù)模糊數(shù)學(xué)的隸屬度理論把定性評價轉(zhuǎn)化為定量評價，即用模糊數(shù)學(xué)對受到多種因素制約的事物或?qū)ο笞龀鲆粋€總體的評價[5-6]。它具有結(jié)果清晰，系統(tǒng)性強的特點，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 基于改進的貝葉斯網(wǎng)絡(luò)的就業(yè)風(fēng)險評估

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

本文建立在模糊綜合評判的基礎(chǔ)之上，用模糊綜合評判得到各節(jié)點的概率作為先驗概率的貝葉斯網(wǎng)絡(luò)對風(fēng)險進行評估以及預(yù)測。具體的評估過程可以依照下面的步驟來進行。

⑴ 建立就業(yè)風(fēng)險預(yù)測模型

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)險的貝葉斯網(wǎng)絡(luò)模型，作為風(fēng)險分析及預(yù)測的基礎(chǔ)。

⑵ 利用模糊綜合評判計算節(jié)點的先驗概率值

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)險評估中影響力度即權(quán)重矩陣Fi，其中：i為風(fēng)險因素的個數(shù)且0

b. 確定評判論域及隸屬度

風(fēng)險影響矩陣R：矩陣的行表示各專家的5個等級（幾乎沒有影響，較小，中等，較大，非常嚴(yán)重），列表示風(fēng)險因素，矩陣中的值是各專家對該因素影響大小的評分。

c. 計算隸屬度模糊矩陣

根據(jù)模糊評估算法，計算T=FoS'，其中：S'是S的轉(zhuǎn)置矩陣。對T進行歸一化，得出各風(fēng)險的評估值。

⑶ 計算節(jié)點的風(fēng)險概率值

根據(jù)建立的模型及節(jié)點的先驗概率值，進行貝葉斯計算，得到各節(jié)點風(fēng)險發(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，對網(wǎng)絡(luò)信念進行更新。比較更新前后網(wǎng)絡(luò)中各節(jié)點的概率，預(yù)測風(fēng)險是增加了還是減少了，分析導(dǎo)致這一變化的原因，及時調(diào)整就業(yè)政策并采取有效的措施降低風(fēng)險的發(fā)生。

3 貝葉斯網(wǎng)絡(luò)在就業(yè)風(fēng)險評估中的應(yīng)用

學(xué)生的就業(yè)狀況不僅與個人能力，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，對于一些客觀的因素在此不做分析，本文僅以與個人自身的因素對就業(yè)的影響進行分析來說明本文的方法。與個人能力有關(guān)的因素有：學(xué)歷（G），專業(yè)成績（M），實踐能力（P），外語水平（E），計算機水平（C），他們都會對就業(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)教師對各節(jié)點的評估值，利用模糊綜合評判得出各節(jié)點的概率值，進行推理的結(jié)果發(fā)現(xiàn)：專業(yè)成績和實踐水平對就業(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)以其強大的圖形表示方法及推理理論為優(yōu)勢，以其對學(xué)生就業(yè)中存在的風(fēng)險關(guān)系進行建模，結(jié)合模糊綜合評判降低了貝葉斯網(wǎng)絡(luò)模型中先驗概率的主觀性，為制定合理的教學(xué)計劃提供了可靠的依據(jù)。貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的合理性是進行風(fēng)險評估的前提，因此，自動地通過對就業(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：

[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.項目評標(biāo)中的模糊綜合評價法.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.模糊綜合評價防空指揮自動化系統(tǒng)效能[J].

系統(tǒng)工程理論與實踐，2002.22（3）：114-118