张志辉;刘增奇;

• 1:燕山大学
• 2:河北师范大学

摘要(Abstract)：

为了获得高精度的高校毕业生就业率预测结果,提出基于大数据集成技术的高校毕业生就业率预测方法。首先采集高校毕业生就业率的历史数据,并进行标准化处理,获得高校毕业生就业率预测的学习样本;然后采用大数据集成技术,即BP神经网络和支持向量机,分别对高校毕业生就业率进行建模与预测,并通过合理加权方式得到高校毕业生就业率预测结果;最后与单一BP神经网络和支持向量机进行高校毕业生就业率预测仿真对比实验。结果证明,所提方法的高校毕业生就业率预测精度分别高于BP神经网络和支持向量机10%和5%左右,降低了高校毕业生就业率预测误差,可以应用于实际的高校毕业生就业管理系统中,具有较高的应用价值。

关键词(KeyWords)： 高校毕业生;就业率;大数据;就业率建模;实例分析;仿真实验

Abstract:

Keywords:

基金项目(Foundation): 秦皇岛市科学技术研究与发展计划项目(201901B031)

作者(Author): 张志辉;刘增奇;

Email:

DOI: 10.16652/j.issn.1004-373x.2021.04.017

参考文献(References)：

• [1]陈勇，邹晓东，吴伟.社会网络学习行为与高校毕业生就业能力[J].高等工程教育研究，2020(2):124-129.
• [2]马彬彬.基于工作搜寻理论的大学生就业服务体系构建[J].黑龙江高教研究，2020,38(4):69-72.
• [3]崔宇.基于供给侧视域下的高校毕业生就业创新路径构建[J].经济问题，2020(6):80-87.
• [4]彭正霞，陆根书，李丽洁.大学毕业生就业质量的影响因素及路径分析[J].中国高教研究，2020(1):57-64.
• [5]徐娜娜.基于灰色绝对关联理论的河南省就业结构滞后时间测算：基于2000-2017年数据的实证分析[J].数学的实践与认识，2020,50(6):244-249.
• [6]刘洪超，滕鑫鑫，白浩.基于大数据的高校智能就业平台建设与应用[J].现代教育技术，2020,30(2):111-117.
• [7]吕同双，王洪国，刘迎港，等.基于立体数据的高校学生就业去向预测方法[J].计算机集成制造系统，2019,25(4):1032-1036.
• [8]王阳.基本劳动就业创业服务建设与促进就业[J].中国软科学，2019(3):69-85.
• [9]李苹，李勇，范全润.高校教学状态数据可视化分析平台的设计与实现[J].实验技术与管理，2020(5):46-51.
• [10]王振坡，牛家威，王丽艳.基于POI大数据的天津市居民居住就业空间特征及其影响因素研究[J].地域研究与开发，2020,39(2):58-63.
• [11]亓红强，张福堃，高大鲲，等.基于灰色系统的大学生就业率预测[J].现代电子技术，2019,42(11):174-177.
• [12]魏玉曦.基于大数据挖掘技术的高校就业质量评价[J].现代电子技术，2020,43(7):103-106.
• [13]申琳.学生就业评估系统平台的改进设计与实现[J].现代电子技术，2019,42(14):117-120.
• [14]张学敏，柴晓旭.我国高校毕业生就业率与高校教育质量评价研究[J].东北师大学报（哲学社会科学版），2019(3):131-141.