基于数据挖掘的学生就业管理系统.docx
《基于数据挖掘的学生就业管理系统.docx》由会员分享,可在线阅读,更多相关《基于数据挖掘的学生就业管理系统.docx(27页珍藏版)》请在冰豆网上搜索。
![基于数据挖掘的学生就业管理系统.docx](https://file1.bdocx.com/fileroot1/2022-11/20/bdf613ab-4d69-41ee-95c4-939d5add82de/bdf613ab-4d69-41ee-95c4-939d5add82de1.gif)
基于数据挖掘的学生就业管理系统
考试成绩
任课教师
陕西科技大学研究生考试试卷
考试科目智能信息处理与数据挖掘
专业计算机应用技术
学号1606035
考生姓名李丰
考生类别学术硕士
注意事项
1.试题随试卷交回;
2.试卷评阅后,一周内送交研究生秘书处保存;
3.考生类别为学术硕士、专业学位硕士、在职人员攻读硕士学位。
摘要
随着计算机的普及应用和升级发展,数据挖掘作为一个新兴的、多学科交叉的应用领域,正在各行各业的以信息分析为基础的决策支持系统活动中扮演着越来越重要的角色。
数据仓库挖掘作为数据挖掘的一个重要研究分支,其主要目的是用于发现数据集中项之间的相关联系,即关联规则。
数据挖掘是从大型数据库中提取知识信息的主要手段,由于形式简单、易于理解,因此,数据仓库挖掘已广泛应用各个领域,用来检验行业内长期形成的知识模式,或发现隐藏的新规律。
随着我国教育改革的不断深入,高等教育得到了长足的发展。
当前,在各类学校中,学校的数据库建设已较完善,数据库中存储着大量的教育教学信息。
据调查,这些隐藏着大量教育信息的历史数据没有被很好地利用,没有好好挖掘隐藏在这些数据中的教育规律。
致使在一些学校专业区分性不大,专业课设置没有明显的区分。
毕业的学生却很难找到适合本专业的工作。
究其原因,除了课程设置不能跟上,学生的实际能力不能被培养到实际用人单位所要求的标准等原因外,还存在着很多隐藏在背后的因。
最终造成了学生在接受完四、五年教育后,良好素质没有被开发,能力不够。
而具有实际工作能力的学生被专业或某些未被发现的因素所限制,本文研究从大量的学校教育信息中挖掘出正确的、可靠的、可信的关联规则。
本文利用数据仓库技术、OLAP技术、数据挖掘技术分析学校毕业生就业数据。
通过对已毕业学生的专业、生源地、成绩及就业时间等信息进行联机分析与数据挖掘,从不同角度、不同层次寻找出学生就业与否的内在原因,发现学生对学校专业设置的需求,从而达到为专业设置和教育教学提供决策支持。
Abstract
Ascomputerbeingwildlyusedandupgraded,thedatamininggrowingintoanewrisingandmulti-disciplinaryapplicationfieldareplayingamoreandmoreimportantroleintheinformationanalysisofdecisionsupportsystem.
Associationminingisanimportantresearchbranchofthedatamining,anditaimsatdiscoveringtherelationshipamongitemsinadataset.Thedataminingisthemainmeasureofderivingknowledgefromlargedatabases.Becauseofitssimpleformanditcanbeeasilyunderstood,associationmininghasbeensuccessfullyappliedtomanyfields.Itnotonlycantesttheknowledgemodesexitingintheindustry,butalsocanfindsomenewruleshidden.
AseducationinnovationinChinabeingenhanced,highereducationinbeensignificantlydeveloped.Atpresent,inallkindsofschools,theschooldatabasehasbeenwellconstructedandhasstoredenormouseducationandteachinginformation.Accordingtosomeresearches,thehistoricaldatawithalargenumberofeducationalinformationofhistoricaldatahasnotbeenwellusedordigtheeducationruleshiddeninthedatabaseout.Consequently,themajorsofanumberofhighereducationschoolshavelittledistinction,andthecoursescheduleshavenocleardistinction.Graduatesarehardtofindsuitablejobaccordingwiththeireducationexperience.Toanalyzethereasons,besidescurrentcurriculumcannotbekeptupwiththeactualemployer’srequirement,therearealsomanyhiddenreasons,whichresultinlacknessofstudents’abilityafterthreetofive-yeareducation.However,somecompetentstudentshavebeenconstrainedbymajorsorsomeundiscoveredfactors.Thepurposeofthisarticleistodigoutcorrect,reliableandcrediblecorrelativerulesfromalargeamountofeducationinformation.
Basedondatawarehouse,OLAPtechnologyanddatamining,thisthesisanalyzeshighereducationschoolgraduates’employmentdata.Throughstudent’smajor,student’slocation,educationexperienceandemployedtime,on-lineanalysisanddatamininghasbeencarriedouttofindoutthatinternalreasonofemploymentstatusofthestudentfromdifferentaspectsanddifferentlevelsanddiscovermajorarrangementrequirementsfromthestudents,whichcouldofferadecision-makingsupportforcoursedesignandeducationmethod.
摘要
Abstract
第一章引言
1.1研究的背景、目的和意义
1.2数据挖掘的含义
1.3国内外发展和研究现状
第二章学生就业管理系统数据仓库的设计与实现
2.1确定指导主题
2.2就业数据仓库建模
第三章数据挖掘在学生就业中的应用
3.1数据挖掘应用流程
3.2数据挖掘应用流程
第四章总结
附录-代码
一引言
1.1研究的背景、目的和意义
世界在进步,人类在发展,各项技术都在不断的发展和完善,当然数据库技术也不会例外,储存在数据库中的数据量也在不断的增大,当然这也是得益于互联网的出现,互联网的出现使人类的信息交流不再受到空间的限制,让所有人可以通过互联网十分方便的交换各种数据信息。
在互联网不断的发展过程中,人们拿到的数据也像滚雪球一样,越来越大,大量数据的背后隐藏着许多重要的信息,人们通过对其深入的分析,希望能从中得到那些十分重要或有价值的数据信息。
数据库系统并不能自动的找出十分重要或有价值的数据信息,这就孕育出来数据挖掘。
从这个词的意思不难理解,人们拥有着大量的数据信息,要从大量的数据信息中找出隐藏在其中的十分重要或有价值的数据信息,就需要不断的进行掘。
在现在数据挖掘已经被广泛的运用在各个领域,并且都取得的令人满意的效果。
在我们国家教育改革的不断发展深入的过程中,高等教育也在大踏步的前进,高等院校如雨后春笋般的在增长。
随着教育信息化的推进,几乎所有学校的办公室、教室都配有电脑,而且绝大多数的学校都建设有自己的校园网络,学校的所有数据信息都能在网络上查询到。
这些数据信息里面我们将其分为三大类:
第一类是学校的行政管理信息:
如重要会议通知、教学简报、各种活动报道等;第二类是教学信息:
如课程安排、任课教师情况、教学质量检查情况等;第三类是学生信息:
如学生的基本资料、每学期成绩、表彰获奖情况等。
在这三类信息中学生信息本该最为重要,但却得不到重视,只是在学期末寄发成绩单时才被使用。
通过数据挖掘技术所发现的专业、家庭经济状况、地域分布与就业的关系,合理的引导学生选择专业,最终提高学生的就业率。
从而对高等教育及其教学改革具有一定的指导性意义。
1.2数据挖掘的含义
数据挖掘(datamining)又称数据库中的知识发现(KnowledgeDiscoveryinDatabase,简称KDD),比较公认的定义是由U.M.Fayyad等人提出的:
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据集中,提取隐含在其中的、人们事先不知道的、但又是潜在的有用的信息和知识的过程,提取的知识表示为概念(Concepts)、规则(Rules)、规律(Regularities)、模式(Patterns)等形式。
数据挖掘是一种决策支持过程,分析各组织原有的数据,做出归纳的推理,从中挖掘出潜在的模式,为管理人员决策提供支持。
1.3国内外发展和研究现状
相应地,数据挖掘在国外商场、金融(信用评估,欺诈监测)、电讯、科学、保险等领域早已有不同层次的应用。
数据挖掘在商业领域有丰富应用:
客户关系管理、欺诈检测、供应链分析、医疗分析、文件分析(文本挖掘)、决策支持系统和财务分析。
而在政府方面的应用主要有财务管理、人力资源管理、欺诈侦测、分析社会现象、打击恐怖主义、处理人们对政府数据的访问。
国内数据挖掘还是一个很新的研究课题,并处于一个初步应用的层次,但它所固有的为企业创造巨大经济效益的潜力,已使其很快有了许多成功的应用,具有代表性的应用领域有市场预测、投资、制造业、金融、通讯等,数据挖掘目前还在国家资助(975,863,基金)的科研项目中有着重要的应用价值。
我国数据挖掘研究与开发的总体水平相当于数据库技术在20世纪70年代所处的地位,迫切需要类似于关系模式、DBMS系统和SQL查询语言等理论和方法的指导,才能使数据挖掘这项技术的应用得以普遍推广。
预计在未来一段时间数据挖掘的研究焦点可能会集中到以下几个方面:
(1)发现语言的形式化描述,即研究专门用于知识发现的数据挖掘语言;
(2)寻求数据挖掘过程中的可视化方法,使知识发现的过程能够被用户理解,也便于在知识发现的过程中进行人机交互;(3)研究