陳 恒

（湖南環(huán)境生物職業(yè)技術(shù)學(xué)院，湖南 衡陽(yáng) 421005）

大學(xué)生就業(yè)問(wèn)題一直是社會(huì)關(guān)注的焦點(diǎn)，而隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的快速發(fā)展，數(shù)據(jù)挖掘技術(shù)為解決大學(xué)生就業(yè)問(wèn)題提供了新的可能性[1]。數(shù)據(jù)挖掘技術(shù)可以從大規(guī)模的就業(yè)數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式和規(guī)律，為大學(xué)生提供個(gè)性化的就業(yè)評(píng)估和支持[2]。然而，目前許多傳統(tǒng)的就業(yè)評(píng)估系統(tǒng)缺乏對(duì)大規(guī)模數(shù)據(jù)的處理能力和準(zhǔn)確性。因此，該文旨在探究如何利用數(shù)據(jù)挖掘技術(shù)構(gòu)建一個(gè)高效、準(zhǔn)確的大學(xué)生就業(yè)評(píng)估系統(tǒng)。該文詳細(xì)介紹了大學(xué)生就業(yè)評(píng)估系統(tǒng)的總體框架設(shè)計(jì)，其中包括數(shù)據(jù)收集處理、特征提取、模型訓(xùn)練與評(píng)估以及就業(yè)評(píng)估展示查詢(xún)等模塊。試驗(yàn)結(jié)果驗(yàn)證了大學(xué)生就業(yè)評(píng)估系統(tǒng)在穩(wěn)定性和性能方面的優(yōu)勢(shì)。系統(tǒng)能夠高效處理大量數(shù)據(jù)，并能準(zhǔn)確地為大學(xué)生提供個(gè)性化的就業(yè)評(píng)估報(bào)告和推薦服務(wù)。這將為大學(xué)生提供更全面、準(zhǔn)確的就業(yè)信息，幫助大學(xué)生做出更明智的就業(yè)決策。

1 基于數(shù)據(jù)挖掘技術(shù)的大學(xué)生就業(yè)評(píng)估系統(tǒng)總框架設(shè)計(jì)

基于數(shù)據(jù)挖掘技術(shù)的大學(xué)生就業(yè)評(píng)估系統(tǒng)的總框架設(shè)計(jì)，各個(gè)模塊分別負(fù)責(zé)不同的功能，從數(shù)據(jù)收集處理，到信息分析挖掘，再到評(píng)估、展示和查詢(xún)，可全面幫助大學(xué)生了解就業(yè)市場(chǎng)情況和評(píng)估，具體的系統(tǒng)總框架設(shè)計(jì)如圖1所示。

圖1 大學(xué)生就業(yè)評(píng)估系統(tǒng)總框架設(shè)計(jì)

大學(xué)生就業(yè)信息收集處理模塊負(fù)責(zé)收集大學(xué)生就業(yè)相關(guān)信息，并進(jìn)行處理和存儲(chǔ)。收集大學(xué)生個(gè)人信息，包括姓名、性別、年齡和專(zhuān)業(yè)等；收集大學(xué)生就業(yè)意向信息，包括期望工作地點(diǎn)、職位偏好等；收集大學(xué)生的簡(jiǎn)歷和求職信等就業(yè)材料[3]。對(duì)收集到的信息進(jìn)行預(yù)處理，如數(shù)據(jù)清洗、去重等。

大學(xué)生就業(yè)信息分析挖掘模塊通過(guò)數(shù)據(jù)挖掘技術(shù)對(duì)收集到的大學(xué)生就業(yè)信息進(jìn)行分析和挖掘，提取有用的特征和模式；進(jìn)行數(shù)據(jù)統(tǒng)計(jì)和可視化分析，對(duì)不同專(zhuān)業(yè)的就業(yè)情況進(jìn)行統(tǒng)計(jì)、對(duì)就業(yè)行業(yè)的分布進(jìn)行可視化等；進(jìn)行特征提取和選擇，找出對(duì)就業(yè)影響較大的特征，如學(xué)歷、實(shí)習(xí)經(jīng)歷以及外語(yǔ)能力等；進(jìn)行聚類(lèi)分析和分類(lèi)建模，將大學(xué)生劃分為不同的群組或預(yù)測(cè)其就業(yè)類(lèi)別。關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)不同特征間的關(guān)聯(lián)關(guān)系，如學(xué)歷與薪資水平的關(guān)聯(lián)等。

大學(xué)生就業(yè)評(píng)估展示查詢(xún)模塊用于展示和查詢(xún)大學(xué)生就業(yè)評(píng)估結(jié)果，為大學(xué)生提供參考和決策支持。提供個(gè)性化的就業(yè)評(píng)估報(bào)告，根據(jù)大學(xué)生的個(gè)人信息和就業(yè)意向，對(duì)其就業(yè)前景進(jìn)行評(píng)估和預(yù)測(cè)[4]。提供就業(yè)市場(chǎng)信息查詢(xún)功能，包括各個(gè)行業(yè)的就業(yè)需求、薪資水平以及職位競(jìng)爭(zhēng)程度等；提供就業(yè)機(jī)會(huì)推薦功能，根據(jù)大學(xué)生的個(gè)人特征和就業(yè)意向，推薦適合的職位和公司[5]；提供大學(xué)生就業(yè)歷史數(shù)據(jù)查詢(xún)和比較功能，幫助大學(xué)生了解過(guò)去的就業(yè)情況和趨勢(shì)。

2 系統(tǒng)各模塊設(shè)計(jì)

2.1 大學(xué)生就業(yè)信息收集處理

進(jìn)行數(shù)據(jù)收集時(shí)，大學(xué)生就業(yè)信息收集處理模塊通過(guò)在線(xiàn)問(wèn)卷調(diào)查來(lái)收集大學(xué)生就業(yè)相關(guān)信息，包括個(gè)人信息、就業(yè)意向和簡(jiǎn)歷等。對(duì)收集的數(shù)據(jù)進(jìn)行清洗時(shí)，使用哈希表來(lái)去除重復(fù)數(shù)據(jù)。哈希表是一種常用的數(shù)據(jù)結(jié)構(gòu)，可高效判斷數(shù)據(jù)項(xiàng)是否存在于哈希表中。使用哈希表去除重復(fù)數(shù)據(jù)的具體流程如圖2所示。

圖2 哈希表就業(yè)信息數(shù)據(jù)采集

如圖2所示，先創(chuàng)建一個(gè)空的哈希表（或字典）來(lái)存儲(chǔ)已經(jīng)出現(xiàn)過(guò)的數(shù)據(jù)項(xiàng)。遍歷數(shù)據(jù)集中的每個(gè)數(shù)據(jù)項(xiàng)，判斷當(dāng)前數(shù)據(jù)項(xiàng)是否存在于哈希表中，如果存在，說(shuō)明該數(shù)據(jù)項(xiàng)是重復(fù)的，可以忽略或進(jìn)行相應(yīng)處理（如刪除）；如果不存在，將當(dāng)前數(shù)據(jù)項(xiàng)添加到哈希表中。完成遍歷后，哈希表中存儲(chǔ)的數(shù)據(jù)項(xiàng)即為去重后的數(shù)據(jù)集。將數(shù)據(jù)集隨機(jī)劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集。通常根據(jù)比例劃分，70%的數(shù)據(jù)用于訓(xùn)練，20%的數(shù)據(jù)用于驗(yàn)證，10%的數(shù)據(jù)用于測(cè)試。將預(yù)處理后的數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù)或文件系統(tǒng)中，以便后續(xù)進(jìn)行數(shù)據(jù)分析和挖掘。

2.2 大學(xué)生就業(yè)信息分析挖掘

大學(xué)生就業(yè)信息分析挖掘模塊先對(duì)采集的數(shù)據(jù)集進(jìn)行特征提取。從原始數(shù)據(jù)集中提取出有用的特征，特征包括個(gè)人特征（如性別、年齡和學(xué)歷）、求職特征（如實(shí)習(xí)經(jīng)歷、項(xiàng)目經(jīng)驗(yàn)）、技能特征（如編程語(yǔ)言、工具使用）以及學(xué)術(shù)特征（如論文發(fā)表、獎(jiǎng)項(xiàng)）等[6]。在文本挖掘特征提取過(guò)程中，Word2Vec是一種基于神經(jīng)網(wǎng)絡(luò)的詞嵌入方法，通過(guò)學(xué)習(xí)詞匯在上、下文中的分布模式來(lái)將詞匯映射到低維度的向量空間[7-8]。該向量表示可以捕捉詞匯間的語(yǔ)義關(guān)系，Word2Vec通過(guò)Google News數(shù)據(jù)集自定義訓(xùn)練，即可提取出所需的大學(xué)生就業(yè)信息。將原始數(shù)據(jù)轉(zhuǎn)換為可用于數(shù)據(jù)挖掘算法的格式后，將數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集，用于模型訓(xùn)練、模型調(diào)優(yōu)和模型評(píng)估，使用Z-score進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化，具體如公式（1）所示。

式中：x是原始數(shù)據(jù)；μ是均值；σ是標(biāo)準(zhǔn)差。

根據(jù)提取的信息進(jìn)行聚類(lèi)分析。使用K-means聚類(lèi)算法將數(shù)據(jù)樣本分成不同的類(lèi)別或群組，并使用歐氏距離來(lái)度量樣本間的相似性。在特征空間中，假設(shè)有2個(gè)樣本向量A和B，每個(gè)向量由d個(gè)特征組成，則歐氏距離的計(jì)算如公式（2）所示。

式中：d（A，B）為樣本A和樣本B之間的歐氏距離；A1，A2，...Ad和B1，B2，...，Bd分別為樣本A和樣本B在每個(gè)特征上的取值。

歐氏距離越小，表示樣本間的相似性越高；歐氏距離越大，表示樣本間的差異性越大。使用K折交叉驗(yàn)證來(lái)評(píng)估模型的泛化能力，在有限的數(shù)據(jù)集上進(jìn)行模型的可靠性評(píng)估。

K折交叉驗(yàn)證的基本步驟如下：1）使用隨機(jī)抽樣的方法將數(shù)據(jù)集劃分為K個(gè)大小相等的子集，確保每個(gè)子集中的樣本數(shù)量大致相同，以保持?jǐn)?shù)據(jù)集的平衡性。2）從劃分的子集中選擇一個(gè)作為驗(yàn)證集，剩余的K-1個(gè)子集作為訓(xùn)練集。依次輪換將每個(gè)子集作為驗(yàn)證集，保證每個(gè)子集都有機(jī)會(huì)作為驗(yàn)證集進(jìn)行模型評(píng)估。3）使用訓(xùn)練集上的數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，在訓(xùn)練過(guò)程中選擇合適的算法或模型。然后在對(duì)應(yīng)的驗(yàn)證集上使用訓(xùn)練好的模型進(jìn)行性能評(píng)估，并計(jì)算評(píng)估指標(biāo)。4）重復(fù)上述步驟，確保每個(gè)子集都有機(jī)會(huì)作為驗(yàn)證集進(jìn)行模型性能評(píng)估，以此獲得更準(zhǔn)確的模型性能評(píng)估結(jié)果。5）對(duì)模型在每個(gè)驗(yàn)證集上的性能進(jìn)行評(píng)估指標(biāo)的計(jì)算。6）計(jì)算所有的K次評(píng)估結(jié)果的平均值和標(biāo)準(zhǔn)差，將其作為最終的模型性能評(píng)估指標(biāo)。平均值反映模型在整個(gè)數(shù)據(jù)集上的性能表現(xiàn)，標(biāo)準(zhǔn)差則表示模型性能的穩(wěn)定性。

K折交叉驗(yàn)證通過(guò)多次模型訓(xùn)練和驗(yàn)證后可降低訓(xùn)練集和驗(yàn)證集的隨機(jī)性影響，提供更穩(wěn)定的模型性能評(píng)估結(jié)果。有效利用有限的數(shù)據(jù)集，了解模型在不同數(shù)據(jù)子集上的表現(xiàn)，從而更好地評(píng)估模型的泛化能力。挖掘關(guān)聯(lián)規(guī)則，對(duì)大學(xué)生就業(yè)信息進(jìn)行深度數(shù)據(jù)挖掘，以便做出深度評(píng)估。

2.3 大學(xué)生就業(yè)評(píng)估展示查詢(xún)

在大學(xué)生就業(yè)評(píng)估展示查詢(xún)模塊中，個(gè)性化就業(yè)評(píng)估報(bào)告將根據(jù)收集的大學(xué)生個(gè)人信息和就業(yè)意向信息，選擇合適的就業(yè)評(píng)估模型或算法進(jìn)行預(yù)測(cè)和評(píng)估，并生成就業(yè)評(píng)估報(bào)告的數(shù)據(jù)模型，如圖3所示。

圖3 就業(yè)評(píng)估報(bào)告數(shù)據(jù)模型

根據(jù)模型預(yù)測(cè)的結(jié)果生成個(gè)性化的就業(yè)評(píng)估報(bào)告，包括就業(yè)前景、薪資預(yù)測(cè)和職業(yè)發(fā)展建議等。在就業(yè)市場(chǎng)信息查詢(xún)功能中，用戶(hù)可以根據(jù)關(guān)鍵詞或行業(yè)選擇查詢(xún)相關(guān)的就業(yè)市場(chǎng)信息，系統(tǒng)提供可視化展示，包括柱狀圖、折線(xiàn)圖等形式，讓用戶(hù)更直觀地了解就業(yè)市場(chǎng)情況。系統(tǒng)還會(huì)收集大學(xué)生的就業(yè)歷史數(shù)據(jù)，包括就業(yè)崗位、薪資以及公司等信息，并設(shè)計(jì)有查詢(xún)和比較功能，用戶(hù)可以根據(jù)時(shí)間、崗位和薪資等維度查詢(xún)并比較就業(yè)歷史數(shù)據(jù)。就業(yè)機(jī)會(huì)推薦功能基于收集的大學(xué)生就業(yè)數(shù)據(jù)情況和就業(yè)市場(chǎng)信息，并根據(jù)個(gè)人特征和職位/公司的相似度衡量匹配程度。余弦相似度（Cosine Similarity）的計(jì)算如公式（3）所示。

式中：A和B分別為個(gè)人特征向量和職位/公司特征向量；||A||和||B||為向量的范數(shù)。根據(jù)相似度計(jì)算，大學(xué)生可以得到有效的就業(yè)評(píng)估，獲得最合適的職位推薦。同時(shí)，該模塊還能夠結(jié)合用戶(hù)反饋和需求進(jìn)行調(diào)整和優(yōu)化，以提供準(zhǔn)確、直觀且有用的大學(xué)生就業(yè)評(píng)估展示查詢(xún)功能。

3 系統(tǒng)測(cè)試

3.1 試驗(yàn)準(zhǔn)備

試驗(yàn)?zāi)繕?biāo)為測(cè)試基于數(shù)據(jù)挖掘技術(shù)的大學(xué)生就業(yè)評(píng)估系統(tǒng)構(gòu)建平臺(tái)的穩(wěn)定性和性能。試驗(yàn)環(huán)境采用Windows 10操作系統(tǒng)，Python 3.8，MySQL 8.0開(kāi)發(fā)環(huán)境，使用Django 3.2開(kāi)發(fā)框架，數(shù)據(jù)庫(kù)管理工具為phpMyAdmin。首先，安裝和配置操作系統(tǒng)、Python以及MySQL等必要軟件，創(chuàng)建并配置Django項(xiàng)目，包括數(shù)據(jù)庫(kù)連接和設(shè)置。其次，設(shè)計(jì)和實(shí)現(xiàn)系統(tǒng)的各個(gè)模塊，包括數(shù)據(jù)收集處理、數(shù)據(jù)分析挖掘和就業(yè)評(píng)估展示查詢(xún)等功能。再次，編寫(xiě)測(cè)試代碼，包括功能測(cè)試、性能測(cè)試和穩(wěn)定性測(cè)試。從次，準(zhǔn)備測(cè)試數(shù)據(jù)集，包括大學(xué)生的個(gè)人信息、就業(yè)意向和就業(yè)結(jié)果數(shù)據(jù)。最后，執(zhí)行測(cè)試代碼，記錄測(cè)試結(jié)果。

3.2 試驗(yàn)結(jié)果

試驗(yàn)根據(jù)系統(tǒng)需求和性能要求，選擇適當(dāng)?shù)闹笜?biāo)來(lái)評(píng)估系統(tǒng)的性能。運(yùn)行系統(tǒng)后記錄各項(xiàng)指標(biāo)的測(cè)試數(shù)據(jù)，測(cè)試結(jié)果見(jiàn)表1。

表1 系統(tǒng)測(cè)試試驗(yàn)結(jié)果

通過(guò)分析試驗(yàn)結(jié)果，可以評(píng)估系統(tǒng)的各項(xiàng)性能表現(xiàn)。由表1可知，系統(tǒng)平均運(yùn)行時(shí)間為0.56s，響應(yīng)速度較快，用戶(hù)能夠迅速獲取就業(yè)評(píng)估結(jié)果。系統(tǒng)能夠同時(shí)處理200個(gè)用戶(hù)的請(qǐng)求，表明系統(tǒng)具備較好的并發(fā)處理能力。錯(cuò)誤率為0.02%，表明在處理過(guò)程中產(chǎn)生的錯(cuò)誤較少，具備較高的穩(wěn)定性。每秒能夠處理1000條數(shù)據(jù)，表明具備較高的數(shù)據(jù)處理能力，能夠快速完成就業(yè)信息的收集和處理。占用150MB的內(nèi)存和42.35%的CPU資源，資源占用水平相對(duì)較低，說(shuō)明系統(tǒng)在處理數(shù)據(jù)過(guò)程中能夠高效利用資源。系統(tǒng)的準(zhǔn)確率為96.98%，表明系統(tǒng)對(duì)大學(xué)生的就業(yè)評(píng)估預(yù)測(cè)具有較高的準(zhǔn)確性。系統(tǒng)平均查詢(xún)響應(yīng)時(shí)間為0.82s，使用戶(hù)能夠在較短時(shí)間內(nèi)獲取就業(yè)評(píng)估結(jié)果，用戶(hù)體驗(yàn)良好。同時(shí)能處理100個(gè)查詢(xún)請(qǐng)求，具備較好的并發(fā)查詢(xún)能力，能夠滿(mǎn)足多用戶(hù)同時(shí)查詢(xún)的需求。

4 結(jié)語(yǔ)

綜上所述，該文對(duì)數(shù)據(jù)挖掘技術(shù)在大學(xué)生就業(yè)評(píng)估系統(tǒng)中的應(yīng)用進(jìn)行了深入探究。通過(guò)系統(tǒng)的總框架設(shè)計(jì)和測(cè)試試驗(yàn)，驗(yàn)證了該系統(tǒng)在穩(wěn)定性和準(zhǔn)確性方面的優(yōu)勢(shì)。數(shù)據(jù)挖掘技術(shù)在大學(xué)生就業(yè)評(píng)估系統(tǒng)中具有重要的應(yīng)用價(jià)值，可以從大規(guī)模數(shù)據(jù)中發(fā)現(xiàn)隱藏的模式和規(guī)律，為大學(xué)生提供個(gè)性化的就業(yè)評(píng)估和支持。未來(lái)的研究可以進(jìn)一步優(yōu)化和改進(jìn)這些算法和模型。希望該文的研究成果能夠助力于相關(guān)領(lǐng)域的研究和實(shí)踐，為大學(xué)生就業(yè)問(wèn)題提供更好的解決方案。