基于關聯規則的畢業生就業現狀與在校表現分析

田然 劉嘉敏 歐思華 胡曉清

摘 要：基于對某獨立學院畢業生的調查問卷，通過Apriori算法進行關聯規則分析并實現數據可視化，挖掘畢業生平均學分績點，畢業半年后月收入和現狀滿意度之間的潛在關系，從而給學校相關部門以及在校生提供參考。

通過關聯分析，我們得出以下結論：平均學分績點在[3，4）的畢業生普遍對現狀感到不滿意；畢業生的平均學分績點越低，則畢業生半年后的月收入就呈較低的趨勢。對此，我們給出相應建議：在對畢業生進行就業指導時，可按績點進行分批培訓給不同層次的學生進行對應的輔導，適當對平均學分績點在[1，2）和[3，4）范圍內的學生加強輔導、勸導以及指導，增強對現狀的滿意度，使其更好的應對嚴峻的就業形勢。

關鍵詞：關聯規則；Apriori算法；數據可視化

中圖分類號：G420文獻標志碼：A文章編號：2095-9214（2016）07-0235-02

一、引言

近年來，我國大學生就業難問題愈發嚴重。本文在這一背景下以某獨立學院2010級畢業生為例，對其在校表現與就業現狀進行關聯性分析。旨在找出兩者間的關系，給學校相關部門和在校生提出一些切實可行的建議。

二、基于Apriori算法的靜態關聯規則基本原理

Apriori算法是一種先驗概率算法，它利用了頻集特性的先驗知識，采取層次順序搜索的循環方法來完成頻繁項集的挖掘工作[1]。本文利用R語言中arules包及其相關包對我校畢業生半年后月收入，在校各類滿意度和平均學分績點進行關聯規則挖掘和數據可視化展現。

關聯規則的一般表示形式為： X=>Y （規則支持度，規則置信度，規則提升度），其中X為規則前項，Y為規則后項，規則支持度，規則置信度及規則提升度是規則的評價指標。

規則支持度是該項集出現的次數除以總的記錄數。其意義在于度量項集在整個事務集中出現的頻次。我們在發現有價值的規則時，會更多的關注頻次高的項集。

ConfidenceX=>Y=SupportX∪YSupportX

規則提升度反映X的出現對Y出現的影響程度，一般大于1才有意義，表示X的出現對Y的出現有促進作用，故規則提升度越大越好，其表達式如下：

LiftX=>Y=SupportX∪YSupportX*SupportY

三、關聯規則的應用

置信度和支持度閥值的設定直接影響到關聯規則結果輸出的數量。若置信度和支持度的閥值設置得越小，生成的關聯規則越多，而關聯規則所體現的項集之間的關聯更傾向于偶然；若置信度和支持度的閥值設置得太大，就可能無法得到關聯規則，因此需要合理地設置閥值。若計算出的規則的置信度大于或等于預先給定的最小置信度閾值，且支持度大于或等于預先給定的最小支持度閾值，那么這條規則就被保留下來，否則刪除。

得出符合條件的全部關聯規則中可能存在冗余的規則，即規則1實際上包含了規則2，且規則2與規則1的提升度相等，或低于規則1的提升度，由此認定規則2是冗余的。因此我們通過生成關聯規則子矩陣并刪除其每列元素和大于等于1的列將冗余的規則刪除，得到最終的關聯規則并根據提升度降序排序。

由于提升度大于1的才有意義，因此，本文提取提升度大于1的三條關聯規則進行分析討論。

本文做了兩個關聯分析，第一個關聯分析選取大學生對現狀滿意度為后項，以大學生平均學分績點為前項；第二個關聯分析是以大學生畢業后半年月收入為后項，以大學生平均學分績點為前項。

1.現狀滿意度跟平均績點的關聯規則

首先進行第一個關聯分析，選取最小置信度閾值為30%，且最小支持度閾值為0.4%，冗余處理后剩下3條關聯規則如表1。

圖1 現狀滿意度與平均績點的關聯規則泡泡圖

圖1中圈的大小表示支持度的值，支持度代表兩種事物同時出現的概率。顏色的深淺代表了提升度的大小。由圖可知，績點[1，2）和[3，4）范圍內的畢業生與對現狀不滿意關聯程度較高，績點[2，3）范圍內的畢業生與對現狀滿意關聯程度較高。

從表1看到，三條關聯規則的提升度均大于1，說明這三個規則中，一個學生出現該平均學分績點時，他相對于其他績點的學生對自己的現狀出現該滿意度的可能性較大，而且提升度越大，代表這條關聯規則越有價值。

第一個關聯規則：平均學分績點=[3，4） =>對自己的現狀是否滿意=不滿意的支持度為0.1633，這說明2014屆畢業生當中有16.33%的畢業生平均績點在[3，4）范圍內時，同時會對自己的現狀感到不滿意；它的置信度是0.3668，說明平均績點在[3，4）范圍內的畢業生中有36.68%的畢業生確實對自己現狀感到不滿意。

第二個關聯規則：平均學分績點=[2，3） =>對自己的現狀是否滿意=滿意的支持度為0.2933，這說明2014屆畢業生當中有29.33%的畢業生平均績點在[2，3）范圍內時，同時會對自己的現狀感到滿意；而在2014屆平均績點為[2，3）范圍內的畢業生中，對自己的現狀感到滿意的畢業生占55.80%，即該規則的置信度為0.5580。

第三個關聯規則：平均學分績點=[1，2） =>對自己的現狀是否滿意=不滿意的支持度為0.0097，這說明2014屆畢業生當中有0.97%的畢業生平均績點在[1，2）范圍內時，同時會對自己的現狀感到不滿意；而在2014屆平均績點為[1，2）范圍內的畢業生中，對自己的現狀感到不滿意的畢業生占35.29%，即該規則的置信度為0.3529。

平均學分績點在[3，4）范圍內的會對現狀感到不滿意的原因也許是要求過高，成績好的都希望找到一份好工作或者好的出路，但個人感覺并沒有很好，因此對現狀感到不滿意。因此，在對畢業生進行就業指導時，可按績點進行分批培訓給不同層次的學生進行對應的輔導，或者適當對平均學分績點在[1，2）和[3，4）范圍內的學生加強輔導、勸導以及指導，增強對現狀的滿意度。

2.月收入跟績點的關聯規則

注：月收入1類為（0，2500]， 2類為（2500，3500]， 3類為（3500，4500]， 4類為（4500，5500]， 5類為5500以上

從表2看到，在設定最小支持度的閥值為0.004，最小置信度閥值為0.1的條件下，七條關聯規則的提升度均大于1。經過冗余處理的數據，關聯規則并未有所減少，冗余前后都包含10條關聯規則，說明該數據并沒有存在冗余的規則。

第一條關聯規則：說明在2014屆畢業生中有0.49%的畢業半年后的月收入屬于5類，同時平均學分績點落在[1，2）的范圍內。且在平均績點在[1，2）范圍內的畢業生中有17.65%的畢業生月收入屬于5類。相對于其他規則，其可能性較低，屬于“令人費解的規則”，其價值不值得深入分析。

第四條關聯規則：說明在2014屆畢業生中有13.16%的畢業半年后的月收入屬于3類，同時平均學分績點落在[3，4）的范圍內。且在平均績點在[3，4）范圍內的畢業生中有29.56%的畢業生月收入屬于3類。

第五條關聯規則：說明在2014屆畢業生中有17.22%的畢業半年后的月收入屬于2類，同時平均學分績點落在[3，4）的范圍內。且在平均績點在[3，4）范圍內的畢業生中有38.69%的畢業生月收入屬于2類。

第四條關聯規則和第五條關聯規則均屬于發生概率較高的規則，說明在校成績較為良好的學生出來就業時的月收入均屬于中等水平，且該種現象普遍存在于本校。

從整體看，整體的支持度均較高，由此可知，畢業生的平均學分績點在一定程度上影響了畢業生半年后的月收入，并可看出，畢業生的平均學分績點越低，則畢業生畢業半年后的月收入就越低的趨勢。另一方面，說明我校在開展學生工作時應給予學生必要的思想工作，適當地跟學習成績較差的學生進行溝通，使其可以應對較為嚴峻的就業形勢。

四、結論及相關建議

通過關聯分析，我們分別研究了績點與現狀滿意度的關系，以及月收入與績點的關系。通過設定最小閥值消除冗余，提取提升度大于1的關聯規則，我們得出以下結論，并分別給出相應對策：

（1） 平均學分績點在[3，4）的畢業生普遍對現狀感到不滿意，在2014屆的畢業生中達到16.33%的比例。對此，在對畢業生進行就業指導時，可按績點進行分批培訓給不同層次的學生進行對應的輔導，或者適當對平均學分績點在[1，2）和[3，4）范圍內的學生加強輔導、勸導以及指導，增強對現狀的滿意度。

（2）畢業生的平均學分績點在一定程度上影響了畢業生半年后的月收入，畢業生的平均學分績點越低，則畢業生畢業半年后的月收入就越低的趨勢。其中平均績點落在[3，4）的畢業生中，畢業后的月收入多數落在2類和3類，其在2014屆的畢業生中分別達到13.16%和17.22%的比例。說明我校在開展學生工作時應給予學生必要的思想工作，適當地跟績點落在[3，4）的學生進行溝通，提供就業方面的相關輔導，使其可以應對較為嚴峻的就業形勢。

（作者單位：北京理工大學珠海學院數理與土木工程學院）

北京理工大學珠海學院大學生創新創業訓練計劃項目省級課題

參考文獻：

[1]王星等譯.大數據分析：方法與應用[M]，清華大學出版社，2013.

[2]陳健等譯.R語言與數據挖掘（最佳實踐和經典案例）[M]，機械工業出版社，2014.

[3]李洪成等譯.機器學習與R語言[M]，機械工業出版社，2015.

[4]范明等譯.數據挖掘基礎教程[M]，機械工業出版社，2009.

[5]范明等譯.數據挖掘（概念與技術）[M]，機械工業出版社，2012.

[6]范明等譯.數據挖掘導論（完整版）[M]，人民郵電出版社，2013.