陸一鳴 李雪竹

【摘 要】當(dāng)今時(shí)代高等學(xué)校畢業(yè)生日趨增多，崗位需求增長緩慢，就業(yè)難度逐漸增加，同時(shí)高校應(yīng)往屆畢業(yè)生在所學(xué)專業(yè)和社會(huì)需求卻并不對(duì)稱，存在一定的錯(cuò)位現(xiàn)象。在此背景下，以大數(shù)據(jù)分析為主基礎(chǔ)，通過對(duì)于畢業(yè)生就業(yè)各種方向的分析，設(shè)計(jì)實(shí)現(xiàn)一種較為全面的高校畢業(yè)生就業(yè)系統(tǒng)。系統(tǒng)主要以高校畢業(yè)生的需求分析和就業(yè)實(shí)際情況分析尋找相通處，并通過算法工具就行研究，增強(qiáng)對(duì)高校應(yīng)往屆畢業(yè)生在就業(yè)領(lǐng)域上的指導(dǎo)作用。

【關(guān)鍵詞】數(shù)據(jù)處理分析;算法設(shè)計(jì);就業(yè)領(lǐng)域

一、引言

近大部分高校應(yīng)屆畢業(yè)生更傾向較為發(fā)達(dá)城市的工作崗位，逐步使這些城市的人才趨于一個(gè)飽和的狀態(tài)，導(dǎo)致部分地區(qū)城市的崗位富余且沒有畢業(yè)生去應(yīng)聘。在外工作數(shù)年后，有部分學(xué)生有返鄉(xiāng)打算并付諸行動(dòng)，使其與應(yīng)屆畢業(yè)生就業(yè)相碰撞，造成就業(yè)壓力的加大。同時(shí)，目前部分選擇先就業(yè)再擇業(yè)，跨所學(xué)專業(yè)的就業(yè)和對(duì)相應(yīng)工作的不了解，造成了一定程度的人力資源浪費(fèi)。從目前來看，傳統(tǒng)的就業(yè)理念不足以支撐現(xiàn)如今的就業(yè)形勢(shì)。如何更好的就業(yè)，是否了解相關(guān)的就業(yè)形勢(shì)，不同等級(jí)的院校畢業(yè)生情況等方向成了現(xiàn)如今研究的重中之重。高校畢業(yè)生就業(yè)系統(tǒng)從畢業(yè)生數(shù)據(jù)挖掘分析和社會(huì)需求同職業(yè)影響力相關(guān)聯(lián)，找尋一個(gè)新的突破口。畢業(yè)生的實(shí)際工作生活狀況和預(yù)想的狀況的對(duì)比、數(shù)年后是否返鄉(xiāng)就業(yè)則是最大的變化?，F(xiàn)如今的就業(yè)系統(tǒng)大多以單位給出需求為主，無法實(shí)現(xiàn)智能化的就業(yè)選擇，同時(shí)如何在保證用戶的信息安全的狀況下為用戶提供最好的就業(yè)方向成了最為重要的技術(shù)難題。針對(duì)以上的問題，本文將在大數(shù)據(jù)分析下設(shè)計(jì)一種全新的高校畢業(yè)生就業(yè)的初步系統(tǒng)。

二、功能需求

系統(tǒng)以畢業(yè)生、用人單位、高校以及各地政府為主要方面。分別從就業(yè)意向、實(shí)際就業(yè)、就業(yè)同生活環(huán)境、就業(yè)率以及公務(wù)員、教師和“三支一扶”為主要抓手。其中用人單位、高校、政府為第三方，方便于畢業(yè)生的就業(yè)問題的實(shí)現(xiàn)。

（一）畢業(yè)生方面

畢業(yè)生作為系統(tǒng)的核心，通過用戶注冊(cè)，并對(duì)其一定的專業(yè)和意向評(píng)估，為畢業(yè)生進(jìn)行用人單位的數(shù)據(jù)篩選。在初選用人單位時(shí)，可通過客服給予其初篩的用人單位和相似度極高的用人單位一定的了解。進(jìn)行二次篩選時(shí)增加通過該系統(tǒng)就業(yè)后進(jìn)入用人單位的個(gè)人反饋，增強(qiáng)畢業(yè)生對(duì)該單位的了解。最后向用人單位發(fā)送就業(yè)意向函，直接同用人單位聯(lián)系。用人單位和個(gè)人可選擇線上和線下兩種簽約模式，待合同簽約成功后上傳系統(tǒng)。待就業(yè)半年、一年、三年后填寫相應(yīng)的個(gè)人反饋。若為應(yīng)屆畢業(yè)生，系統(tǒng)反饋其就業(yè)信息給畢業(yè)生所在高校。

（二）用人單位方面

用人單位在系統(tǒng)上注冊(cè)后可發(fā)布相應(yīng)的人才需求并標(biāo)注相關(guān)信息，如：薪資待遇、單位所在地、節(jié)假日安排等。用人單位可以通過相應(yīng)的人才需要對(duì)有此意向的畢業(yè)生進(jìn)行篩選，同時(shí)與畢業(yè)生進(jìn)行直接的溝通交流。若被畢業(yè)生選中后，同畢業(yè)生進(jìn)行線上或線下的就業(yè)交流，保障就業(yè)生的就業(yè)環(huán)境。同時(shí)為保障畢業(yè)生的基本權(quán)益，產(chǎn)生的就業(yè)協(xié)議會(huì)通過專業(yè)人員進(jìn)行檢查。

（三）高校方面

系統(tǒng)對(duì)于高校注冊(cè)后開設(shè)查看畢業(yè)生就業(yè)方向和就業(yè)單位等權(quán)限，每年高校對(duì)各二級(jí)學(xué)院各專業(yè)的就業(yè)率以及平均薪資和跨專業(yè)人數(shù)進(jìn)行更新，方便高校日后進(jìn)行課程改革。高校對(duì)于畢業(yè)生有就業(yè)指導(dǎo)的意義，指導(dǎo)畢業(yè)生如何去選擇用人單位。同時(shí)為了保障學(xué)生在實(shí)踐和理論上可以完美的結(jié)合，開展實(shí)習(xí)實(shí)訓(xùn)，加強(qiáng)實(shí)踐。另一方面，應(yīng)屆畢業(yè)生就業(yè)后半年或者一年后，高校應(yīng)組織相關(guān)人員對(duì)就業(yè)畢業(yè)生進(jìn)行就業(yè)反饋。

（四）各地政府方面

各地政府在系統(tǒng)注冊(cè)后對(duì)其開放各不同學(xué)歷的人才數(shù)量和就業(yè)方向等權(quán)限，充分把握本地區(qū)的人才分布情況和所缺人才的方向。同時(shí)增加與高校聯(lián)合培養(yǎng)人才的信息掌控環(huán)節(jié)。

三、數(shù)據(jù)挖掘

數(shù)據(jù)挖掘目前有決策樹、神經(jīng)網(wǎng)絡(luò)、云模型等，但是各自都有自己的局限性，打破這種局限性，在綜合性能上得到提升，提高數(shù)據(jù)挖掘的效果成了重中之重。

（一）決策樹方向

以概念學(xué)習(xí)系統(tǒng)為基礎(chǔ)，對(duì)目標(biāo)對(duì)象的特征進(jìn)行判斷和確定，基于不同的特征將數(shù)據(jù)庫細(xì)分為多個(gè)特征子集，再由此作分枝，將其內(nèi)部的元素一一映射，通過遞歸的方式，令全部的子集進(jìn)入包含類型相同的數(shù)據(jù)，根據(jù)決策樹的結(jié)果對(duì)數(shù)據(jù)完成分類。

（二）神經(jīng)元網(wǎng)絡(luò)方向

神經(jīng)元按照一定規(guī)律排列，形成系統(tǒng)性的神經(jīng)網(wǎng)絡(luò)，使用既定的數(shù)據(jù)處理方式對(duì)數(shù)據(jù)處理，并將分析結(jié)果儲(chǔ)存。本質(zhì)上是在逼近原始數(shù)據(jù)與其特征之間非線性極強(qiáng)的映射關(guān)系。【1】直接使用確定的網(wǎng)絡(luò)分類對(duì)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)過程進(jìn)行跟蹤和描述。

四、數(shù)據(jù)挖掘、數(shù)據(jù)庫引用與數(shù)據(jù)處理過程

確定所要挖掘的數(shù)據(jù)，由于無法保障百分百的準(zhǔn)確性，所以要對(duì)必要數(shù)據(jù)進(jìn)行檢測(cè)。其次就行預(yù)處理并且做數(shù)據(jù)轉(zhuǎn)換，可加深分析同時(shí)轉(zhuǎn)換數(shù)據(jù)為分析模型。隨后提取模式，對(duì)已有的變量進(jìn)行篩選后確定。對(duì)于不同的類型，使用方式不同，產(chǎn)生錯(cuò)誤的概率降低。最后通過實(shí)際驗(yàn)證后構(gòu)建相應(yīng)的模型，明確檢測(cè)的結(jié)果。以實(shí)際需求還對(duì)數(shù)據(jù)庫進(jìn)行設(shè)計(jì)，實(shí)現(xiàn)耦合度低、聚合性高;伴隨數(shù)據(jù)庫的數(shù)據(jù)逐漸增加，保證數(shù)據(jù)庫的穩(wěn)定運(yùn)行;同時(shí)在數(shù)據(jù)庫系統(tǒng)的數(shù)據(jù)安全性只少有三個(gè)方面：機(jī)密性、完整性、可用性。為保障云數(shù)據(jù)庫的機(jī)密性，要進(jìn)行數(shù)據(jù)加密或只加密處理而不處理?！?】

用戶在使用數(shù)據(jù)庫的時(shí)候各方面產(chǎn)生的問題可以解決，系統(tǒng)的各個(gè)功能模塊要相互關(guān)聯(lián)，保持一致性和完整性，并完善數(shù)據(jù)表的設(shè)計(jì)。將數(shù)據(jù)結(jié)構(gòu)分為用戶層、應(yīng)用層、分析層、存儲(chǔ)計(jì)算層以及數(shù)據(jù)整合層五個(gè)層級(jí)。在數(shù)據(jù)收集環(huán)節(jié)，結(jié)合標(biāo)準(zhǔn)Hadoop開源技術(shù)，對(duì)多種數(shù)據(jù)整合，進(jìn)行統(tǒng)一的數(shù)據(jù)采集與匯總。在數(shù)據(jù)存儲(chǔ)計(jì)算環(huán)節(jié)，在底層構(gòu)建結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)混合存儲(chǔ)的數(shù)據(jù)存儲(chǔ)區(qū)，并結(jié)合不同數(shù)據(jù)的特性，按主題進(jìn)行數(shù)據(jù)切割、關(guān)聯(lián)、打包，形成主題數(shù)據(jù)庫。【3】在數(shù)據(jù)分析環(huán)節(jié)，形成了可量化的分析模型。部分信息存儲(chǔ)的用戶表設(shè)計(jì)：

并在允許的范圍內(nèi)對(duì)地區(qū)人力資源與社會(huì)保障部分進(jìn)行訪問，單獨(dú)構(gòu)建就業(yè)大學(xué)生的模型設(shè)計(jì)，對(duì)就業(yè)大學(xué)生的數(shù)據(jù)處理，對(duì)省內(nèi)大學(xué)生和省外大學(xué)生的遷移的數(shù)據(jù)進(jìn)行流程分析。主要以模型設(shè)計(jì)、數(shù)據(jù)處理流程分析、數(shù)據(jù)庫表設(shè)計(jì)為主要方面。其中使用Haddop根據(jù)定義好的map和reduce，進(jìn)行正則匹配，匹配成功則把結(jié)果通過reduce聚合起來返回，Hadoop把程序分布到N個(gè)結(jié)點(diǎn)并行操作。【4】以其中map階段的輸入數(shù)據(jù)處理（Mapper）的部分代碼為例實(shí)現(xiàn)：

Public static class TokenizerMapper extends Reducer<Text，InWritable，Text，InWritable>

{private final static InWritable one = new InWriter（1）;

Private Text word = new Text（）;

Public void map（Object key，Textvalue，Context，Context context）throws IOException，InterruptedException{

StringTokenizeritr = new StringTokenizer（value.toString（））;

While.set（itr.hasMoreTokens（））{

word.set（itr.nextToken（））;

context.writer（word.one）;}}

}

關(guān)于數(shù)據(jù)去重方面，主要將大文件分割成多個(gè)小文件，依次遍歷每個(gè)小文件，讀取其中存儲(chǔ)的字符，構(gòu)建Trie樹，并在每個(gè)終止節(jié)點(diǎn)記錄改結(jié)點(diǎn)代表的字符串。

在海量數(shù)據(jù)集中進(jìn)行篩選時(shí)，找到相應(yīng)的數(shù)據(jù)是系統(tǒng)的重中之重。所以使用Bloom Filter和hash函數(shù)。以存在性判定為例，依次遍歷每個(gè)大文件中每條數(shù)據(jù)，遍歷每條數(shù)據(jù)時(shí)，都將它插入Bloom Filter，如果已經(jīng)存在，在另外的集合A中記錄，如果不存在，則插入Bloom Filter，最后所得的集合A進(jìn)行導(dǎo)出，即為所要查找到的集合。

五、結(jié)語

本文設(shè)計(jì)開發(fā)的高校畢業(yè)生就業(yè)系統(tǒng)，主要依附于大數(shù)據(jù)的數(shù)據(jù)處理，通過數(shù)據(jù)的處理篩選，為高校的應(yīng)往屆畢業(yè)生提供就業(yè)指導(dǎo)方案，便于用戶使用。此外，相較于傳統(tǒng)的高校就業(yè)系統(tǒng)，添加了高校和各地政府的想切合，簽約后向高校進(jìn)行反饋，同時(shí)使本地政府明確當(dāng)?shù)氐娜瞬沤M成。增加了畢業(yè)生的入職反饋用來當(dāng)做其他畢業(yè)生選擇的參考方向，加強(qiáng)相關(guān)專業(yè)人士對(duì)合約的檢查，保障畢業(yè)生的基本權(quán)益。

【參考文獻(xiàn)】

[1]張蕾，章毅. 大數(shù)據(jù)分析的無線深度神經(jīng)網(wǎng)絡(luò)方法[J]. 計(jì)算機(jī)研究與發(fā)展， 2016， 01： 68-79.

[2]程學(xué)旗靳小龍，王元卓等.大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J].軟件學(xué)報(bào)，2014.09： 1889-1908.

[3]何培育.基于互聯(lián)網(wǎng)金融的大數(shù)據(jù)應(yīng)用模式及價(jià)值研究[J]. 中國流通經(jīng)濟(jì)， 2017， 05： 39-46.

[4]劉丁發(fā)，葛雪鋒，鄧春華. Oracl數(shù)據(jù)庫應(yīng)用與開發(fā)實(shí)戰(zhàn)[M]. 上海：上海交通大學(xué)出版社，2017.