高校毕业生去向信息管理及推荐系统的研究与设计

发布时间：2020-07-31 20:39

【摘要】：随着高校毕业生数量的不断增加,毕业生的就业压力越来越大但同时选择也愈加多样,因而很多学生对于毕业后的发展方向和职业选择颇感困惑甚至迷茫。为了帮助这类学生减少盲目性、提高成功率,本文研究和开发了高校毕业生去向信息管理及推荐系统。该系统的主要功能是:收集往届生的毕业去向信息包括毕业去向、专业成绩、绩点、获奖情况、性别等,根据毕业去向(分为升学、出国、就业、创业和待就业等五类)将这些信息分门别类地建立数据库并加以管理;在此基础上,对这些信息进行统计和挖掘,并向应届生推荐与之条件较为匹配的去向供其参考。本文在具体实现上,首先对获取的数据进行清洗分类,从中抽取毕业去向信息,并相应地进行数据库管理,为了便于查询设计、开发了搜索、筛选模块。其次,利用K-means++算法对学生数据进行聚类分析,并选用实验效果最好的Adaboost集成算法,依据往届生数据为当前咨询的应届生进行分类预测,并提供预测结果供其参考,从而实现大类、粗略推荐。第三,在分析、比较的基础上采用基于经验公式的相似度计算方法,通过该应届生和往届生“一对一”的基本特征比较得出其相似度,作为推荐具体毕业去向的主要依据,为其提供与之最为匹配的往届生的就业去向信息。第四,按照往届生的最终去向等进行数据整理,供应届生、有关管理部门(如高校就业办)等进行快速浏览和查阅。此外,还设计开发了用户管理和登录、注册等模块,以方便系统管理员进行管理。总之,本文对K-means++聚类算法、Adaboost集成分类算法和基于经验的相似度算法等进行了研究,并结合运用MVC开发框架、Django站点管理框架和数据库软件开发等技术,初步完成了上述毕业去向信息管理及推荐系统的原型开发。希望本文的工作和成果能够为相关研究和开发提供参考和帮助。
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.3
【图文】：

特征因素,学校,在校成绩,高校毕业生

高校毕业生去向信息管理及推荐系统的设计与研究业的情况进行研究分析，使用问卷的方式来获取数据，通过数学统计的方法对学生在就业过程中所遇到的问题进行分析总结，最后在从学生自身的定位、学校的培养模式等不同的角度提出准确的参考意见。张清芳教授是从宏观环境特征因素、学校特征因素以及学生的个性特征因素等入手，包含学生的在校成绩、英语四、六级、党员和性别等指标[8]，最后分析的结果表明，学校累积的海量数据的分析研究对应届毕业生具有重大的参考和推荐意义，能够有效提高毕业生就业的水平。以我国目前情况来看，绝大部分学校都有自己的毕业生就业管理系统来提高本校学生的就业率。如图 1-1 所示，即为东华大学的毕业生就业管理系统。

原理图,推荐系统,原理图,相似度

图 2-1 推荐系统原理图相似度算法相似性算法是用来计算往届毕业生之间和往届生和应届生之间相似度键部分。现有很多的基于向量夹角或者基于距离计算的算法，夹角越小越短则相似度越高。相似性度量的方法有很多，常见的有欧氏距离、余、和杰卡德相关技术以及修正的余弦相似度方法[17]等。通过不同数据记录之间相似度的计算，把相似度高的数据记录划归为一就可以得到相似度较高、实际情况较为相似的数据群。在推荐系统中常画像这个概念来将目标用户标签化。在这些用户画像中有些标签是定性则是定量的。在本文中所使用的数据标签有定量的也有定性的，因此下与定性的相似度计算进行介绍。.1 定量相似度计算

原理图,推荐系统,原理图

图 2-2 推荐系统原理图推荐算法作为推荐系统的核心能够根据用户的行为和偏好，利用合适的数法，从大量的候选信息中筛选出对用户有价值的信息。在图 2-2 中，系统通两种途径可以得到用户的推荐请求和偏好信息，一种方式是系统主动进行，另一种方式是用户主动提供给系统。推荐系统会使用不相同的策略，通过模块，把得到的用户数据和信息进行计算和处理之后得到结果。也可以使用模的数据库直接进行推荐。最终，把结果推荐给用户。目前的推荐领域中并为推荐算法形成的标准分类，有许多的学者、科研人员依据自己的理解对推法有不同的区分。常用的推荐算法大致有基于规则推荐、基于内容推荐、基用推荐、基于知识推荐和协同过滤推荐这几种。.4 数据挖掘中的聚类分析.4.1 数据挖掘中的聚类分析

【参考文献】