基于量化關(guān)聯(lián)規(guī)則挖掘的就業(yè)分析系統(tǒng).pdf

1、近年來我國(guó)高等院校畢業(yè)生的就業(yè)問題不斷突現(xiàn)出來，原因不僅包括經(jīng)濟(jì)改革、高等院校擴(kuò)招、教育資源緊缺、就業(yè)模式不健全等，還包括高等教育模式不適應(yīng)社會(huì)要求的重要因素。深化高等教育改革、改進(jìn)高校學(xué)生的培養(yǎng)模式已刻不容緩。普通高校需要面向社會(huì)，培養(yǎng)應(yīng)用型人才。 本文試圖通過數(shù)據(jù)挖掘技術(shù)，發(fā)現(xiàn)學(xué)生的受教育屬性和就業(yè)屬性之間的關(guān)聯(lián)性，找出社會(huì)需要的應(yīng)用型人才的模型，從而給決策者提供指導(dǎo)或數(shù)據(jù)支持，改進(jìn)現(xiàn)有的教育模式。 關(guān)聯(lián)規(guī)則挖掘是數(shù)

2、據(jù)挖掘的重要內(nèi)容之一，1993年由Agrawal等人提出了Apriori算法。目前，關(guān)聯(lián)規(guī)則挖掘技術(shù)已經(jīng)被應(yīng)用到商業(yè)、電訊、金融、農(nóng)業(yè)、醫(yī)療等領(lǐng)域，取得了良好的效果。 由于Apriori算法是以分析事務(wù)數(shù)據(jù)庫(kù)中項(xiàng)(屬性)與項(xiàng)之間聯(lián)系為目標(biāo)，各項(xiàng)的值均為布爾型，而教育信息中涉及大量的量化屬性，其值為連續(xù)的離散值。后來的研究者們對(duì)Apriori算法原型進(jìn)行多方面的改進(jìn)和擴(kuò)充，以適應(yīng)不同的挖掘需要，其中包括引入部分完全性概念來處理量化

3、屬性。 本文處理的數(shù)據(jù)包括量化屬性和分類屬性，文中首先介紹了部分完全性方法，它可以量化由于給連續(xù)離散值劃分區(qū)間而導(dǎo)致的信息丟失。然而直接應(yīng)用該方法可能導(dǎo)致產(chǎn)生大量的相似的規(guī)則，因此文中引入了一種基于期望興趣度的度量方法以便在規(guī)則輸出后確定其興趣度。該方法同時(shí)關(guān)注規(guī)則的泛化和特化，以識(shí)別有趣規(guī)則。 同時(shí)由于區(qū)間的劃分帶來了項(xiàng)的數(shù)量大量增加的問題，導(dǎo)致搜索范圍增加、速度下降。因此我們?cè)O(shè)計(jì)了將待挖掘數(shù)據(jù)和項(xiàng)集均用位串表示的方法