网络招聘信息的分析与挖掘

发布时间：2018-07-07 14:32

  本文选题：K-Means聚类 + 社会网络分析法　； 参考：《贵州财经大学》2017年硕士论文

【摘要】：网络招聘信息平台现在已经成为招聘者发布信息和应聘者获取信息的主要途径。网络招聘信息不仅能够直接反映用人单位对人才基本条件、能力和素质的要求,为应聘者提供求职参考;也能够反应出社会和各行业对人才的需求现状,或未来一段时间的人才需求趋向;同时也有助于高等院校及时了解社会对人才的需求变化情况,及时调整各专业的招生规模和修订人才培养方案。本文基于R软件利用数据挖掘中的K-Means聚类分析、主成分分析等技术对网络招聘系统信息进行分析和挖掘,概括起来,主要包括以下几个方面的工作。1.利用K-Means聚类算法对职业类型进行分析,得出目前企业最需要的职业类型,并得出这些职业类型对应的专业领域。2.利用社会网络分析法,得出技术类、市场与销售类、运营类、职能类等七大职业类型中各个职业类型的热门职位与职位画像。3.利用主成分分析对热门地域、热门行业、热门职位进行排名同时分析人才需求情况。4.利用统计方法对数据分析师、大数据分析师、数据产品经理、数据挖掘算法工程师等新兴职位在地域、公司发展阶段、学历、salary(月薪)以及技能要求方面进行需求分析。最后为院校有针对性的调整人才培养方案和设置一些相关课程以及为大学生的就业规划都提供了重要的参考建议。
[Abstract]:Network recruitment information platform has become the main way for recruiters to release information and candidates to obtain information. The online recruitment information can not only directly reflect the requirements of employers for the basic conditions, abilities and qualities of talents, but also can reflect the current situation of the demand for talents in the society and various industries. At the same time, it is helpful for colleges and universities to understand the changing situation of social demand for talents, adjust the enrollment scale of each specialty and revise the talent training plan. Based on R software, K-Means clustering analysis, principal component analysis and other techniques in data mining are used to analyze and mine the information of network recruitment system. The K-Means clustering algorithm is used to analyze the occupational types, and the most needed occupational types are obtained, and the corresponding professional fields of these occupational types are obtained. By means of social network analysis, the portraits of popular positions and positions in seven major occupational types, such as technology, market and sales, operation and function, are obtained. Use principal component analysis to rank hot area, hot industry, hot position and analyze talent demand. 4. 4. Using statistical methods to analyze the needs of emerging positions such as data analyst, big data analyst, data product manager, data mining algorithmic engineer in terms of geography, company development stage, academic salary and skill requirements. Finally, it provides important reference suggestions for colleges and universities to adjust the talent training programs, set up some related courses and provide important reference for the employment planning of college students.
【学位授予单位】：贵州财经大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP311.13;F249.2

【参考文献】

相关期刊论文 前10条

1 陶伟;;警务应用中基于双向最大匹配法的中文分词算法实现[J];电子技术与软件工程;2016年04期

2 张跃;李葆青;胡玲芳;孟丽;;基于K-Mean文本聚类的研究[J];中国教育技术装备;2014年18期

3 徐明;高翔;许志刚;刘磊;;基于改进卡方统计的微博特征提取方法[J];计算机工程与应用;2014年19期

4 黄章益;刘怀亮;;一种基于语义的中文文本特征降维技术研究[J];情报杂志;2011年S2期

5 马宁;;浅议Web数据挖掘在电子商务中的应用[J];中国商贸;2011年03期

6 樊宁;;电子商务中Web数据挖掘技术的应用研究[J];软件导刊;2010年03期

7 袁庆宏;刘昌苹;;国内外网络招聘行业现状分析——兼论我国高校毕业生网络求职概况[J];中小企业管理与科技(下旬刊);2009年07期

8 武涛;;垂直细分是方向——浅析网络招聘的现状与未来[J];信息系统工程;2009年04期

9 郭飞;张先君;叶俊;;基于改进互信息的特征提取的文本分类系统[J];四川理工学院学报(自然科学版);2008年03期

10 王美方;刘培玉;朱振方;;基于TFIDF的特征选择方法[J];计算机工程与设计;2007年23期

相关博士学位论文 前1条

1 尚文倩;文本分类及其相关技术研究[D];北京交通大学;2007年

相关硕士学位论文 前10条

1 邬启为;基于向量空间的文本聚类方法与实现[D];北京交通大学;2014年

2 刘志;基于用户兴趣的协同过滤算法的广告推荐研究[D];昆明理工大学;2014年

3 朱志远;基于数据挖掘的网络招聘系统的设计与实现[D];电子科技大学;2012年

4 徐德;关于互联网文本数据挖掘的一些关键技术研究[D];电子科技大学;2011年

5 郑翠翠;面向领域文本的潜在语义分析研究[D];南京理工大学;2010年

6 向铖;分类预测技术在移动通信企业数据挖掘分析中的应用研究[D];湖南大学;2010年

7 曹婷;数据挖掘在员工网络招聘中的应用研究[D];暨南大学;2009年

8 郭炜星;数据挖掘分类算法研究[D];浙江大学;2008年

9 王礼礼;基于潜在语义索引的文本聚类算法研究[D];西南交通大学;2008年

10 陈小莉;基于信息增益的中文特征提取算法研究[D];重庆大学;2008年

，

本文编号：2105256