关于网络招聘信息的数据挖掘分析——以数据相关类职位为例

发布时间：2023-09-24 16:57

　　为了提高大学毕业生就业市场的效率,充分发挥招聘网络平台每日数以万计招聘信息的价值,以解决大学生结构性失业问题,本文运用关联分析、聚类模型和文本挖掘技术等大数据处理和分析方法对网络招聘信息数据进行建模分析,了解、掌握招聘企业的招聘要求,为求职者提供与招聘相关的重要因素,以获取相关岗位的价值信息,力图为求职者提供就业指导、为人才培养机构制定培养方案提供参考。文章以国内大型网络招聘网站的招聘数据为样本数据,以数据相关类职位信息为研究对象,完成原始数据去重去空、属性匹配、数值转换等数据预处理工作之后,对招聘企业的地理区位、学历要求、工作经验、薪资待遇、所属行业、业务类型等进行探索性分析与可视化展现。着重分析了此类岗位的平均薪资与区位、学历、工作经验、业务类型之间的相关关系,并首次尝试ggplot可视化风格呈现探索结果。运用关联规则分析和聚类分析,得到与招聘企业招聘要求相关的关联规则,并根据不同的地理区位、不同的业务类型将招聘企业划分为3类,同时结合文本分析针对性地分析了 3类企业的招聘特点与岗位职责要求,进行了企业画像。从分析结果可知,数据相关类的职位主要集中在移动互联网行业,以技术型和产品型...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
内容摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 研究目的及意义
        1.2.1 研究目的
        1.2.2 研究意义
    1.3 国内外研究现状
        1.3.1 网络招聘研究现状
        1.3.2 数据挖掘研究现状
    1.4 研究内容与方法
        1.4.1 主要研究内容
        1.4.2 拟采用的研究方法
    1.5 本文的创新之处
第2章 数据挖掘的基本理论
    2.1 数据挖掘概述
        2.1.1 数据挖掘的定义
        2.1.2 数据挖掘过程
        2.1.3 数据挖掘方法
    2.2 关联规则
        2.2.1 关联规则的相关概念
        2.2.2 Apriori算法
    2.3 文本分析
        2.3.1 文本分析的基本流程
        2.3.2 中文分词
        2.3.3 文本挖掘的常用方法
第3章 网络招聘信息数据的探索性分析
    3.1 数据的预处理过程
        3.1.1 数据来源
        3.1.2 数据清洗
    3.2 数据结构
    3.3 区位分布
        3.3.1 城市区位分布
        3.3.2 区位划分与X线城市划分
    3.4 学历与工作经验要求
    3.5 薪资待遇
        3.5.1 薪资待遇与学历
        3.5.2 薪资待遇与工作经验
        3.5.3 薪资待遇与区位
        3.5.4 薪资待遇与区位划分、X线城市划分
        3.5.5 薪资待遇与学历、工作经验
    3.6 行业、职位大类、职能类别
        3.6.1 行业、职位大类与职能类别关系
        3.6.2 公司所属行业的薪资分布
        3.6.3 职位类型的薪资分布
        3.6.4 行业-职位类型的薪资分布
第4章 基于聚类分析与关联规则的企业画像
    4.1 企业聚类
    4.2 关联规则的生成
    4.3 招聘企业的个性化招聘要求
        4.3.1 一类企业关联规则
        4.3.2 三类企业关联规则
    4.4 企业招聘的共性招聘特征
    4.5 企业画像
        4.5.1 企业面貌画像
        4.5.2 企业性格画像
        4.5.3 企业招聘共性特征总结
第5章 网络招聘信息的文本分析
    5.1 文本数据预处理
        5.1.1 中文分词的两种软件比较
        5.1.2 jieba文本分词
        5.1.3 自定义词典与人工去停词
    5.2 关键词提取与词频生成——岗位职责技能分析
    5.3 三类企业的岗位职责描述的词云图
    5.4 福利待遇的词云图
第6章 总结与展望
    6.1 总结
        6.1.1 招聘的相关结论
        6.1.2 针对求职者的求职建议
        6.1.3 学校的培养建议
    6.2 展望
附录
参考文献
后记



本文编号：3848392