黃榮喜,粟圣森,鄧江榮

(廣西農(nóng)業(yè)職業(yè)技術學院,廣西 南寧 530007)

關聯(lián)規(guī)則-在高職院校就業(yè)信息管理中的應用以廣西農(nóng)業(yè)職業(yè)技術學院為例

黃榮喜,粟圣森,鄧江榮

(廣西農(nóng)業(yè)職業(yè)技術學院,廣西 南寧 530007)

高校畢業(yè)生數(shù)量龐大,針對就業(yè)信息系統(tǒng)中存在的大量數(shù)據(jù),通過數(shù)據(jù)預處理進行分析取樣,獲取畢業(yè)生信息中與就業(yè)信息相關的關鍵因素等一系列數(shù)據(jù).文章利用Apriori算法,挖掘出相關聯(lián)的數(shù)據(jù),通過學生自身因素與就業(yè)情況信息進行比對,得出影響畢業(yè)生就業(yè)前景的相關數(shù)據(jù).將其運用到高校就業(yè)管理系統(tǒng)中,對影響畢業(yè)生就業(yè)的關鍵因素進行分析,并加以驗證,對畢業(yè)生就業(yè)指導起到了積極的決策作用.

就業(yè)信息;關聯(lián)規(guī)則;就業(yè)決策;Apriori算法

目前,隨著高職院校的快速發(fā)展,很多院校都有相關的校園網(wǎng)絡,也有很多相應的管理系統(tǒng),但通過調(diào)研了解,高職院校的就業(yè)信息管理系統(tǒng)還不完善,大量的數(shù)據(jù)基本都不進行統(tǒng)計分析,不僅影響工作效率,而且不利于就業(yè)工作的開展.高校很多相關的系統(tǒng)都是相關聯(lián)的,特別是學生信息的分析,有些系統(tǒng)使用的時間比較久,比如學生管理系統(tǒng)、教務管理系統(tǒng)、學生成績管理系統(tǒng)等,這些數(shù)據(jù)有什么樣的關聯(lián),如何應用好這些數(shù)據(jù),并將這些數(shù)據(jù)應用到學生的就業(yè)中,是非常有必要的.但由于人力物力有限,很少去挖掘這些數(shù)據(jù)的關聯(lián)性,讓有價值的信息得以利用.作為高校的就業(yè)管理人員,必須要考慮和改善目前的數(shù)據(jù)分析效果,并利用數(shù)據(jù)挖掘技術來挖掘相關聯(lián)的數(shù)據(jù),在學生管理系統(tǒng)、教務管理系統(tǒng)中,挖掘出對就業(yè)管理系統(tǒng)有用的數(shù)據(jù),并進行就業(yè)導向的分析,為畢業(yè)生的就業(yè)方向作出正確的決策[1].

1 關聯(lián)規(guī)則及在就業(yè)信息管理中的研究現(xiàn)狀

關聯(lián)規(guī)則算法主要由美國科學家Agrawal和Srikant提出,并將其應用于模型設計中.它的提出,在計算機對數(shù)據(jù)統(tǒng)計分析上起到了極其重要的作用,其發(fā)現(xiàn)在當時的科技界引起了巨大的反響,在很多領域上都有了高度的運用[2],本文主要研究其在就業(yè)信息管理中的一些應用.

1.1 頻繁項集的高效挖掘算法

頻繁項集挖掘算法主要有:Apriori算法,主要是通過對數(shù)據(jù)的大量掃描找出相關數(shù)據(jù),并建立相應的頻繁集.Eclat算法,主要是通過數(shù)據(jù)的頻繁項交集來形成相關的數(shù)據(jù),其主要在于內(nèi)存空間占用較少.FP-growth算法,主要是采用多分枝策略,對數(shù)據(jù)進行比較壓縮,以一棵樹的形式保留相應的頻繁項集.本文主要采用Apriori算法來對就業(yè)數(shù)據(jù)進行挖掘分析.

1.2 關聯(lián)規(guī)則的挖掘

關聯(lián)規(guī)則的挖掘主要體現(xiàn)在對數(shù)據(jù)的高效分析,并挖掘出有效的頻繁項集,在這些項集中找出有價值的一部分,并通過這些相關的數(shù)據(jù)來分析畢業(yè)生的就業(yè)方向,為他們的就業(yè)作出正確的指導.

1.3 關聯(lián)規(guī)則在就業(yè)信息管理中的研究

目前高校管理系統(tǒng)采用關聯(lián)規(guī)則對數(shù)據(jù)分析的并不多,大多數(shù)高職院校都還沒有做到這一步.目前對關聯(lián)規(guī)則在數(shù)據(jù)分析上應用得比較多的有北京師范大學,其主要在就業(yè)信息的管理上采用數(shù)據(jù)的優(yōu)化設計,并輸出有價值的數(shù)據(jù)供管理人員參考.由于數(shù)據(jù)量龐大,對就業(yè)數(shù)據(jù)的挖掘有一定的難度,但如果結合其他的算法進行數(shù)據(jù)分析,就能取得更好的效果,比如與決策樹進行對比分析等,這些數(shù)據(jù)的關聯(lián)分析也是關聯(lián)規(guī)則挖掘算法的研究熱點.

2 關聯(lián)規(guī)則對就業(yè)數(shù)據(jù)模型設計

2.1 設計步驟

2.1.1 確定好挖掘的目標及對象

找出需要挖掘的相關數(shù)據(jù)并解決相關的問題,在就業(yè)信息管理系統(tǒng)中挖掘出的數(shù)據(jù),通過挖掘出來的對象屬性找出一些預見性的結論,并通過決策樹來進行對比分析,數(shù)據(jù)的挖掘雖然有偏差,但通過與實際的調(diào)研分析,還是有很強的說服力的,其預測的準確度也非常高,基本上達到了85%以上.在本系統(tǒng)的設計中,主要是針對學生就業(yè)信息數(shù)據(jù)的統(tǒng)計以及找出這些數(shù)據(jù)各方面的關聯(lián)情況,看哪些數(shù)據(jù)對學生的就業(yè)影響比較大,通過這些數(shù)據(jù)作一些基本的預測,并根據(jù)提供的數(shù)據(jù)對預測的結果進行分析對比,得出所需要的數(shù)據(jù).

2.1.2 數(shù)據(jù)信息的預處理

在信息的預處理上,主要有數(shù)據(jù)采樣與數(shù)據(jù)轉換.本文研究數(shù)據(jù)來源于廣西農(nóng)業(yè)職業(yè)技術學院學生管理系統(tǒng)、教務管理系統(tǒng)及就業(yè)統(tǒng)計上報數(shù)據(jù)庫的信息管理系統(tǒng),主要有學生信息表、綜合成績表、學生就業(yè)統(tǒng)計信息表.在這些數(shù)據(jù)表中進行對數(shù)據(jù)采樣,并把這些表中的數(shù)據(jù)轉換成數(shù)據(jù)模型,通過轉換成符號的形式來分析處理數(shù)據(jù).

2.1.3 關聯(lián)規(guī)則模型挖掘

關聯(lián)模型的建立是為了對就業(yè)信息管理系統(tǒng)中的數(shù)據(jù)進行研究構建.在構建的過程中找出相應的算法來進行設計分析,并找出滿足條件的數(shù)據(jù)規(guī)矩模型,通過前面定義好的符號進行數(shù)據(jù)的關聯(lián)轉換,挖掘出有效的關聯(lián)數(shù)據(jù).通過不同算法的分析對比,本文所采用的關聯(lián)屬性挖掘值的算法主要是APriori算法.

3 就業(yè)信息關聯(lián)規(guī)則挖掘設計

3.1 頻繁謂詞集的求取

3.1.1 單維、多維頻繁謂詞集的搜索

維是關聯(lián)中一個重要的唯一屬性,通過維的設置,可以找出所需要的相關數(shù)據(jù),并可以找出有用的屬性值,比如一個人的性格取向對就業(yè)的影響等.多維度的設計研究是本文的重要研究算法,主要是通過對數(shù)據(jù)的多方面的挖掘比較來對數(shù)據(jù)進行分析.本文主要采用APriori算法對數(shù)據(jù)進行設計,主要體現(xiàn)在對多維頻繁維的收集處理上,對數(shù)據(jù)進行掃描存儲分析.

3.1.2 Apriori算法在就業(yè)信息管理中的應用

APriori算法的應用已經(jīng)非常成熟,數(shù)據(jù)的處理也比較可靠.在就業(yè)信息數(shù)據(jù)管理統(tǒng)計分析中,該算法掃描一次事務數(shù)據(jù)庫D,并得到一個初始化的集合F1.在掃描得到相關數(shù)據(jù)后,將數(shù)據(jù)分布到一個線性的矩陣上,然后再運用對角線性的掃描方式進行掃描,對掃描到的數(shù)據(jù)進行動態(tài)的統(tǒng)計,并達到最大的維度,再通過"And"運算符進行"與"運算,找出所需的頻繁項集,并對相關數(shù)據(jù)進行分析,得出相應的結論.

3.1.3 生成關聯(lián)規(guī)則

關聯(lián)規(guī)則的生成及其有效利用,是本文研究的重點,關聯(lián)規(guī)則的利用主要體現(xiàn)在支持度上.其把相應的屬性值通過與要研究的屬性值進行對比挖掘,并設置好相關的置信度進行數(shù)據(jù)挖掘.通過對頻繁謂詞集的挖掘,找出滿足條件的最小置信度,并產(chǎn)生強關聯(lián)規(guī)則[3].

在這些挖掘出的數(shù)據(jù)關聯(lián)中,找出研究中所需要的某一個屬性維值,并作為在數(shù)據(jù)挖掘中輸出的記錄屬性值,把它記錄為X,并將其作為相應的結論屬性值.另外的屬性值作為輸出的條件并記錄為Y.X∪Y作為數(shù)據(jù)的頻繁謂詞記錄項,并把相應的記錄值保存到文件中.由Apriori算法的性質(zhì)可知,X∪Y必須由X與Y作為相應的頻繁項集,因此,這些記錄在相應的過程中被保存到文件中,并做好相應的計數(shù).

通過如下的公式計數(shù)而得:

4 關聯(lián)規(guī)則挖掘測試及結果分析

4.1 挖掘測試

通過以上的數(shù)據(jù)模型設計以及挖掘設計后,設置好相應的數(shù)據(jù)表,找出相關的字段及相應的屬性維,并根據(jù)相應的關聯(lián)度來計算其數(shù)據(jù)的關聯(lián)程度.通過設置相關數(shù)據(jù)的最小支持度來獲取數(shù)據(jù)的關聯(lián)性強度計算,在數(shù)據(jù)表中,如果選擇的字段越多,其構建出來的關聯(lián)數(shù)據(jù)也越多,分析的難度也越大[4].因此,為了降低數(shù)據(jù)的分析強度以及數(shù)據(jù)測試的最大可靠度,本測試選擇了表中的4個屬性值字段,即性格取向、綜合排名、計算機能力、英語水平等進行分析設置,并設置好關聯(lián)數(shù)據(jù)值,為了讓數(shù)據(jù)的關聯(lián)度更加緊密,把這個值設定為0.02,最后通過Apriori算法進行數(shù)據(jù)分析挖掘.

4.2 結果分析

通過就業(yè)信息管理系統(tǒng)的數(shù)據(jù)挖掘,可以得出很多有價值的信息,這也正是本文所需要研究的.

(1)通過對綜合成績、實踐能力、計算機能力、英語水平的分析來判斷其對就業(yè)的影響,通過相應的規(guī)則,分析得出的結果如表1所示.

可以看出,計算機能力及綜合成績較好的同學,其就業(yè)的單位會相對比較好.因此,作為教學部門,可以對學生有針對性地培養(yǎng),為他們在今后的就業(yè)上打下堅實的基礎.作為就業(yè)管理人員,也可以根據(jù)相關的數(shù)據(jù),更好地指導學生就業(yè).

(2)通過對同學的性格取向、高考成績、畢業(yè)綜合成績等來預測畢業(yè)生的就業(yè)情況,其分析得出的數(shù)據(jù)如表2所示.

從表2的數(shù)據(jù)可以分析得出,學生的性格取向及畢業(yè)綜合成績對就業(yè)有較大的影響.高考成績對高職院校的學生來說,在其就業(yè)中的影響并不大.因此,在今后的教育中,要培養(yǎng)好學生的性格取向及實踐動手能力.

表1 綜合能力對就業(yè)的影響

表2 高考成績、畢業(yè)成績以及性格取向對就業(yè)的影響

5 結語

在就業(yè)數(shù)據(jù)的分析研究中,本文通過將Apriori算法應用到就業(yè)信息關聯(lián)挖掘中,挖掘出對畢業(yè)生今后的就業(yè)情況相關的屬性以及影響比較大的屬性,并進行結果分析.通過調(diào)研對比,其數(shù)據(jù)的分析統(tǒng)計具有很高的可靠性.因此在教學的過程中,不僅需要培養(yǎng)學生的學習能力,更要培訓學生的興趣愛好,通過不斷地調(diào)整學生的發(fā)展方向來讓其更好地就業(yè).分析得出,學生的高考成績對今后在高職院校的發(fā)展以及就業(yè)影響并不大.因此,對教學部門來說,從大一開始,就要作為一個新的起點,在教學上找準切入點,有針對性地提高教學質(zhì)量,對高校學生的就業(yè)前景有一定的指導意義,對管理和決策者來說,具有很強的決策意義.

[1]張藝雪,黃毅杰.一種基于Map Reduce的Apriori改進算法研究[J].蘭州工業(yè)學院學報,2014(6):13-16.

[2]陳志飛,馮鈞.一種基于Apriori算法的優(yōu)化挖掘算法[J].計算機與現(xiàn)代化,2016(9):1-5.

[3]李磊.基于云計算與大數(shù)據(jù)的Apriori算法的分析研究[J].信息技術,2016(9):93-95.

[4]李梅,張陽,蔡曉妍.關聯(lián)規(guī)則挖掘在學生成績分析中的應用[J].中國電力教育,2014(20):70-76.

Application of association rules in employment information management of higher vocational colleges: taking Guangxi Agricultural Vocational College as an example

Huang Rongxi, Su Shengsen, Deng Jiangrong
(Guangxi Agricultural Vocational College, Nanning 530007, China)

The number of college graduates is huge, aiming at a large amount of data exists in the employment information system,sampled and analyzed by data processing to obtain a series of data associated the employment information in the graduates' information.In this paper, the Apriori algorithm is used to dig out the associated data, compared with the employment situation of information through the students' own factors, to obtain the associated data which affect the employment prospects of the graduates. It is applied to the employment management system of colleges and universities, analyzes and proves the key factors that affect the employment of graduates,and has played a positive decision-making role in guiding the employment of graduates.

employment information; association rules; employment decision-making; Apriori algorithm

2016年度廣西高校中青年教師基礎能力提升項目;項目名稱:基于WEB的高職院校就業(yè)信息管理系統(tǒng)的研發(fā)與應用;項目編號:KY2016YB685.

黃榮喜(1979- ),男,廣西桂林人,講師,碩士;研究方向:計算機軟件開發(fā).