關聯規則-在高職院校就業信息管理中的應用以廣西農業職業技術學院為例

黃榮喜,粟圣森,鄧江榮

(廣西農業職業技術學院,廣西 南寧 530007)

關聯規則-在高職院校就業信息管理中的應用以廣西農業職業技術學院為例

黃榮喜,粟圣森,鄧江榮

(廣西農業職業技術學院,廣西 南寧 530007)

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

就業信息;關聯規則;就業決策;Apriori算法

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

1 關聯規則及在就業信息管理中的研究現狀

關聯規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,在計算機對數據統計分析上起到了極其重要的作用,其發現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,主要是通過對數據的大量掃描找出相關數據,并建立相應的頻繁集.Eclat算法,主要是通過數據的頻繁項交集來形成相關的數據,其主要在于內存空間占用較少.FP-growth算法,主要是采用多分枝策略,對數據進行比較壓縮,以一棵樹的形式保留相應的頻繁項集.本文主要采用Apriori算法來對就業數據進行挖掘分析.

1.2 關聯規則的挖掘

關聯規則的挖掘主要體現在對數據的高效分析,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據來分析畢業生的就業方向,為他們的就業作出正確的指導.

1.3 關聯規則在就業信息管理中的研究

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

2 關聯規則對就業數據模型設計

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據并解決相關的問題,在就業信息管理系統中挖掘出的數據,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,數據的挖掘雖然有偏差,但通過與實際的調研分析,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.在本系統的設計中,主要是針對學生就業信息數據的統計以及找出這些數據各方面的關聯情況,看哪些數據對學生的就業影響比較大,通過這些數據作一些基本的預測,并根據提供的數據對預測的結果進行分析對比,得出所需要的數據.

2.1.2 數據信息的預處理

在信息的預處理上,主要有數據采樣與數據轉換.本文研究數據來源于廣西農業職業技術學院學生管理系統、教務管理系統及就業統計上報數據庫的信息管理系統,主要有學生信息表、綜合成績表、學生就業統計信息表.在這些數據表中進行對數據采樣,并把這些表中的數據轉換成數據模型,通過轉換成符號的形式來分析處理數據.

2.1.3 關聯規則模型挖掘

關聯模型的建立是為了對就業信息管理系統中的數據進行研究構建.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據規矩模型,通過前面定義好的符號進行數據的關聯轉換,挖掘出有效的關聯數據.通過不同算法的分析對比,本文所采用的關聯屬性挖掘值的算法主要是APriori算法.

3 就業信息關聯規則挖掘設計

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據,并可以找出有用的屬性值,比如一個人的性格取向對就業的影響等.多維度的設計研究是本文的重要研究算法,主要是通過對數據的多方面的挖掘比較來對數據進行分析.本文主要采用APriori算法對數據進行設計,主要體現在對多維頻繁維的收集處理上,對數據進行掃描存儲分析.

3.1.2 Apriori算法在就業信息管理中的應用

APriori算法的應用已經非常成熟,數據的處理也比較可靠.在就業信息數據管理統計分析中,該算法掃描一次事務數據庫D,并得到一個初始化的集合F1.在掃描得到相關數據后,將數據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,對掃描到的數據進行動態的統計,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,并對相關數據進行分析,得出相應的結論.

3.1.3 生成關聯規則

關聯規則的生成及其有效利用,是本文研究的重點,關聯規則的利用主要體現在支持度上.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據挖掘.通過對頻繁謂詞集的挖掘,找出滿足條件的最小置信度,并產生強關聯規則[3].

在這些挖掘出的數據關聯中,找出研究中所需要的某一個屬性維值,并作為在數據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作為數據的頻繁謂詞記錄項,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.

通過如下的公式計數而得:

4 關聯規則挖掘測試及結果分析

4.1 挖掘測試

通過以上的數據模型設計以及挖掘設計后,設置好相應的數據表,找出相關的字段及相應的屬性維,并根據相應的關聯度來計算其數據的關聯程度.通過設置相關數據的最小支持度來獲取數據的關聯性強度計算,在數據表中,如果選擇的字段越多,其構建出來的關聯數據也越多,分析的難度也越大[4].因此,為了降低數據的分析強度以及數據測試的最大可靠度,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,并設置好關聯數據值,為了讓數據的關聯度更加緊密,把這個值設定為0.02,最后通過Apriori算法進行數據分析挖掘.

4.2 結果分析

通過就業信息管理系統的數據挖掘,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的影響,通過相應的規則,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,為他們在今后的就業上打下堅實的基礎.作為就業管理人員,也可以根據相關的數據,更好地指導學生就業.

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

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

表1 綜合能力對就業的影響

表2 高考成績、畢業成績以及性格取向對就業的影響

5 結語

在就業數據的分析研究中,本文通過將Apriori算法應用到就業信息關聯挖掘中,挖掘出對畢業生今后的就業情況相關的屬性以及影響比較大的屬性,并進行結果分析.通過調研對比,其數據的分析統計具有很高的可靠性.因此在教學的過程中,不僅需要培養學生的學習能力,更要培訓學生的興趣愛好,通過不斷地調整學生的發展方向來讓其更好地就業.分析得出,學生的高考成績對今后在高職院校的發展以及就業影響并不大.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量,對高校學生的就業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].蘭州工業學院學報,2014(6):13-16.

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

[3]李磊.基于云計算與大數據的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.關聯規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的高職院校就業信息管理系統的研發與應用;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.