本站原创以高校毕业生就业信息数据为研究对象,将关联规则算法应用于就业信息数据分析,进而从大量积累的历史就业信息数据中挖掘出有意义的规则,以便以就业为导向,提高高等教育质量,提高学生就业率.
关联规则算法就业信息系统
随着计算机技术的发展,我国不少单位的管理工作都向信息化方向转变.比如就业管理方面的信息系统已经在不少高校投入运行,而且经过若干年的应用,系统积累了非常重要的就业管理方面的数据.但就目前所使用的就业管理信息系统而言,一般只是提供一些简单的功能,比如：信息录入、信息查询以及信息的统计等.随着就业信息量的增加,如何从其中挖掘出有效的规则,并进一步指导高校就业管理就成为一个值得关注的问题.也就是说,通过数据挖掘技术,从就业管理信息系统的数据中挖掘出知识,从而预测未来.
近年来,高校毕业生数量呈大幅度增长的趋势,高校教育也由原来的精英化教育逐渐转变成大众化教育.以此同时,这么多大学生涌入社会,如何保证这些学生都能就业就成为亟待解决的问题.我国政府、高校以及企事业单位都在努力缓解就业压力.高校领导层也认识到了就业率与教学专业结构、办学基本条件等之间的关系,但只能借助于挖掘技术,才能实现以就业为导向,提取合理性的规则,从而提升高校教育水平,促进学生就业率的提高.
1关联规则Apriori算法
Apriori算法是一种最具影响力的挖掘频繁项目集的算法,通过该算法挖掘出的关联规则是单维、单层、布尔关联规则.Apriori算法以Agrawal等人创建的项目集空间理论中的两个核心定理为基础,作为经典的关联规则挖掘理论,这两个定理一直在被广泛地讨论和应用,它们分别如下：
定理1如果项目集X是频繁项目集,那么它的所有非空子集都是频繁项目集.
定理2如果项目集X是非频繁项目集,那么它的所有超集都是非频繁项目集.