數據挖掘技術(shù)在就業(yè)指導的應用論文
近年來(lái)隨著(zhù)高校畢業(yè)生人數的逐年增加，大學(xué)生就業(yè)壓力也在逐漸增大，如何做好就業(yè)指導，促進(jìn)學(xué)生更快更好的就業(yè)，已成為目前各大高校研究的重點(diǎn)課題。隨著(zhù)信息化技術(shù)的快速發(fā)展和信息搜集能力的日益提高，將數據挖掘技術(shù)應用到高校的就業(yè)指導工作中，從大量的數據中挖掘發(fā)現隱藏的、有價(jià)值的信息來(lái)指導學(xué)生有效的就業(yè)，提高學(xué)生的就業(yè)質(zhì)量，已成為一個(gè)非常值得研究的重要課題。
1數據挖掘技術(shù)概念和類(lèi)型分析
1.1數據挖掘技術(shù)概念
信息技術(shù)水平的迅速發(fā)展，使得一些新技術(shù)在教育領(lǐng)域當中得到了廣泛的應用，有效促進(jìn)了教育教學(xué)的快速發(fā)展。信息技術(shù)的應用會(huì )產(chǎn)生大量的數據，對這些數據的處理顯得非常的重要，利用數據挖掘技術(shù)不但能發(fā)揮數據信息處理的優(yōu)勢，還能大大提高信息處理的效率。數據挖掘（DataMining）又稱(chēng)數據庫中的知識發(fā)現，是指從大型數據庫或數據倉庫中提取隱含的、未知的、非平凡的、極有潛在應用價(jià)值的信息或模式，是數據庫研究中的一個(gè)很有應用價(jià)值的新領(lǐng)域，是一個(gè)涉及到高性能計算、模式識別以及神經(jīng)網(wǎng)絡(luò )等各方面內容的交叉性學(xué)科。數據挖掘需要經(jīng)過(guò)數據采集、預處理、數據分析、結果表示等一系列過(guò)程，對數據信息進(jìn)行有效的處理。采用的相關(guān)方法有決策樹(shù)方法、遺傳算法、粗糙集方法等。
1.2數據挖掘技術(shù)類(lèi)型分析
數據挖掘技術(shù)由于涉及到的學(xué)科比較多，故此在數據挖掘技術(shù)的類(lèi)型上也比較多樣，根據不同的標準就能分成不同的類(lèi)型。根據數據庫的類(lèi)型進(jìn)行分類(lèi)，數據挖掘主要是關(guān)系數據庫中挖掘知識，在數據庫的類(lèi)型上會(huì )不斷的增加，這樣就出現了不同數據庫數據挖掘，在這些數據挖掘類(lèi)型當中，歷史數據挖掘以及模糊數據挖掘等都是比較突出的應用技術(shù)類(lèi)型。在數據挖掘技術(shù)的類(lèi)型當中，結合挖掘方法的不同，以及技術(shù)應用的不同進(jìn)行分類(lèi)，主要方法有統計方法、探索性分析和數據庫方法。除此之外，按照數據挖掘的任務(wù)對其進(jìn)行分類(lèi)，也能分成不同的類(lèi)型，主要有時(shí)序模式、關(guān)聯(lián)分析、分類(lèi)數據挖掘等。對不同的數據挖掘技術(shù)類(lèi)型進(jìn)行分析與應用，對信息數據的處理效率水平的提高可起到積極作用。
2數據挖掘技術(shù)在高校學(xué)生就業(yè)指導中的應用步驟和具體應用
2.1數據挖掘技術(shù)在高校學(xué)生就業(yè)指導中的應用步驟
將數據挖掘應用到高校學(xué)生就業(yè)指導當中，能促進(jìn)就業(yè)指導教學(xué)的整體質(zhì)量水平的提高。而對數據挖掘技術(shù)的應用，需要遵循相應的步驟，這樣才能有利于發(fā)揮其積極的作用。數據挖掘技術(shù)的應用要注重過(guò)程操作。
2.1.1對問(wèn)題進(jìn)行分析源數據庫需要評估以及確認是否與數據挖掘的標準相符合，對這一情況結合實(shí)際加以分析。
2.1.2提取、清洗和校驗數據所提取的數據放在一個(gè)結構上和數據模型兼容的數據庫當中，采取統一模式清除不兼容數據，保障數據的完整性。
2.1.3選定數據挖掘算法結合其目的，通過(guò)DM過(guò)程當中的準則選擇一個(gè)特定的數據挖掘算法，用于搜索數據當中的模式。
2.1.4實(shí)施數據挖掘通過(guò)數據挖掘方法，產(chǎn)生一個(gè)特定的感興趣模式或特定數據集。
2.1.5在對數據挖掘之后進(jìn)行解釋對所發(fā)現的模式進(jìn)行分析，去掉多余的不切題意的模式。
2.1.6進(jìn)行知識評價(jià)對知識作用加以查看或證明，采用預先可信知識，檢查以及解決知識當中所存在的矛盾。通過(guò)以上一系列的操作，可將數據挖掘技術(shù)的作用得到充分發(fā)揮。
2.2數據挖掘技術(shù)在高校學(xué)生就業(yè)指導中具體應用
在高校畢業(yè)生的就業(yè)指導工作中，需要對影響學(xué)生就業(yè)的因素實(shí)施量化分析，為在畢業(yè)生就業(yè)指導方面提供相應的數據。在數據挖掘技術(shù)的應用中，主要就是對學(xué)生生源地信息以及學(xué)生就業(yè)率關(guān)聯(lián)關(guān)系實(shí)施挖掘，對學(xué)生性別和就業(yè)的關(guān)聯(lián)關(guān)系進(jìn)行挖掘，還有對學(xué)生的就業(yè)和學(xué)業(yè)的關(guān)聯(lián)關(guān)系進(jìn)行挖掘。結合實(shí)際情況對數據挖掘技術(shù)系統進(jìn)行設計，并且在該系統中，要和數據挖掘專(zhuān)業(yè)知識緊密結合，將其設計成幾個(gè)重要的模塊，即：數據預處理，頻繁項挖掘，關(guān)聯(lián)規則分析。
�。�1）數據挖掘技術(shù)的采集以及轉換和預處理操作。在對數據進(jìn)行采集以及轉換和預處理環(huán)節的操作上，先對學(xué)生就業(yè)情況加以分析，在決策屬性方面明確，然后分析指標數據，如：對學(xué)生的實(shí)踐能力水平以及計算機等級等進(jìn)行分析。
�。�2）對相關(guān)的指標數據采集充分重視，在數據信息的采集方面，要和開(kāi)發(fā)的成績(jì)管理系統進(jìn)行連接，并能從成績(jì)數據庫當中提取學(xué)生綜合性的成績(jì)。通過(guò)Excel表格將學(xué)號導入，提供輸入數據界面，管理人員進(jìn)行手工輸入。對學(xué)生工作單位量化標識，將工作單位分成升學(xué)、事業(yè)單位、企業(yè)、個(gè)體公司，采用字母a、b、c、d進(jìn)行表示。
�。�3）數據挖掘技術(shù)的應用過(guò)程中，對決策樹(shù)的應用也比較重要，這是通過(guò)離散型變量作為屬性類(lèi)型的學(xué)習方法。通過(guò)決策樹(shù)當中C4.5算法思想的應用，能夠有效處理描述屬性連續的相關(guān)問(wèn)題。某連續屬性將存儲訓練實(shí)例中的不同屬性值進(jìn)行排序，然后選擇相鄰值中的點(diǎn)，作為離散時(shí)區分不同屬性值的標準。
�。�4）數據挖掘技術(shù)中決策樹(shù)和算法的選擇應用也是比較重要的，如在對算法的選擇方面，就要能先建立真正適合挖掘算法的分析模型，選擇合適的數據挖掘技術(shù)和算法，然后采用程序設計語(yǔ)言實(shí)現算法，這樣就能獲得有效的數據算法。在數據庫的處理方法方面，就包含著(zhù)諸多的內容，其中的數據讀取以及查詢(xún)操作是比較重要的。根據這些操作應用對學(xué)生的相關(guān)數據信息的提取查看就比較方便。
3結語(yǔ)
綜上所述，高校畢業(yè)生就業(yè)指導過(guò)程當中對數據挖掘技術(shù)的應用，能有效提高就業(yè)指導的效率水平，從而為學(xué)生的未來(lái)就業(yè)發(fā)展提供有力條件，對教師在為學(xué)生就業(yè)指導方面能指明方向。希望在此次對數據挖掘技術(shù)的應用研究下，有助于實(shí)際的就業(yè)指導教學(xué)發(fā)展。
參考文獻
[1]金延軍.數據挖掘技術(shù)在高校學(xué)生就業(yè)指導中的應用[J].黑龍江工程學(xué)院學(xué)報(自然科學(xué)版),2015(01).
[2]蔡麗艷.淺談數據挖掘技術(shù)及其在高校就業(yè)工作中的應用[J].電腦知識與技術(shù),2015(09).
[3]康艷霞.數據挖掘在學(xué)生成績(jì)分析中的應用[J].信息與電腦(理論版),2014(09).
[4]馮麗霞.數據挖掘技術(shù)在學(xué)校教學(xué)中的應用研究[J].甘肅科技,2015(20).
[5]于祥茹.數據挖掘淺析[J].硅谷,2015(20)
【數據挖掘技術(shù)在就業(yè)指導的應用論文】相關(guān)文章：
數據挖掘技術(shù)的教學(xué)輔助系統應用論文03-16
數據挖掘技術(shù)在Web信息檢索中的應用研究論文12-01
數據挖掘在電力企業(yè)中的應用論文12-13
數據挖掘在現代遠程教育中的應用論文11-22
大數據云計算技術(shù)及應用論文06-11
數據挖掘技術(shù)在高校學(xué)生成績(jì)分析中的應用研究論文03-15
數據挖掘論文的參考文獻01-07
網(wǎng)絡(luò )編碼中數據通信技術(shù)的應用論文03-17
- 相關(guān)推薦