数据挖掘大学生兼职APP应用设想剖析

XXX 工 学 院学 年 论 文作 者:XX学 号：XXX系 (院):XXX专 业:XXXX题 目:基于数据挖掘的高校生兼职APP应用设想XXXX指导者： (姓 名) (专业技术职务)2016年5月摘要随着技术的高速发展，数据时代已经静静来临了。由于技术的不断发展，数据库技术也得到了不断的发展并且数据库系统在信息管理中得到了广泛的应用,数据库中存储的数据量急剧增大。如何从这些海量数据中发觉学问,就引导人们发觉了数据挖掘这一技术。数据挖掘就是从大量的数据中抽取以前未知并潜在可用的模式。近年来，中国的社会和经济以超高速之态不断发展，而就业压力也随之上升， 这使得兼职作为一种社会实践以及工作经验对于高校生胜利就业有着重要意义。由此发觉高校生兼职已经成为一种日益普遍的现象。很多调查报告结果显示,中介、校内海报、兼职网站或APP是高校生找寻兼职的主要渠道,调查报告同时显示了兼职种类相对比较单一,兼职与专业的相关度较低且科技含量不高。本文主要探讨在大数据时代下，数据挖掘在高校生兼职活动中的应用。关键词：数据挖掘 兼职 相关度 ABSTRACTWith the rapid development of technology, the data era has come. Due to the continuous development of technology, database technology has been continuously developed and the database system has been widely used in information management, the amount of data stored in the database increased dramatically. How to discover knowledge from the massive data, and guide people to discover the technology of data mining. Data mining is to extract previously unknown and potentially useful patterns from a large number of data.In recent years, Chinas social and economic to ultra high speed development, the employment pressure is increasing, which makes a part-time as a kind of social practice and work experience for the successful employment of university students has important significance. It has become an increasingly common phenomenon for college students to have part-time jobs. Many survey report shows that intermediary, the campus posters, part-time website or app is college students looking for part-time main channel, survey report also shows the part-time are relatively single, part-time and professional related degree is low, and the scientific and technological content is not high.This paper mainly studies the application of data mining in university students part time activities in the era of big data.Keywords： data mining； part-time job； Correlation degree1 绪论数据挖掘，同时可以理解为资料探勘、数据挖掘。它是数据库学问发觉中的一个步骤。在毛国君、段立娟、王实、石云等编著的数据挖掘原理与算法（其次版）中4，提出了数据挖掘定义应当有广义与狭义之分。从广义的观点，数据挖掘是从大型数据集（可能是不完全的、有噪声的、不确定性的、各种存储形式的）中，挖掘隐含在其中的、人们事先不知道的、对决策有用的学问的完整过程。从狭义的观点上动身，我们可以定义数据挖掘是从特定形式的数据集中提炼学问的过程。数据挖掘包含了丰富的内涵，是一个多学科交叉探讨领域。每个领域的探讨人员都从不同的角度看待数据挖掘的概念。所以，面对数据挖掘的时候，我们应当结合详细的角度来看待数据挖掘技术。目前,基于大数据模型的兼职类APP飞速发展,Internet为兼职类APP供应了快速的交易速度和便利使传统的商务活跨越了地域的限制。另一方面,涉及客户端的兼职类APP也正在进行着巨大的革新。假如能够跟踪用户在Internet上的阅读行为并进行模式分析,这样将会缩短用户的找寻兼职的速度，并且可以为用户供应更好的兼职信息。基于李倩的高校生兼职的动因分析3，同时可以了解现在的大量的高校生正在找寻或正在兼职的道路上，同时我们了解到兼职市场的规模的大以及兼职市场的信息困难，正须要运用数据挖掘对相应的数据进行管理。基于任明枢的Web数据挖掘及其在电子商务中的应用2我们可以看到数据挖掘在web以及电子商务中的应用，同时可以射影到兼职应用APP中去，看到了数据挖掘技术在兼职类应用APP中的应用前景。本文写作的结构，从以下两个方面绽开：介绍兼职类应用APP以及兼职市场前景与现状和介绍数据挖掘的发展与技术。1.1探讨背景近年来，大数据时代的到来，为人们的生活带来了不少的便利。Internet使计算机、网络、通信合而为一2。电子商务等一些新概念的出现，以其巨大的社会效益和极富挑战与机遇的内涵，成为信息科学中引人留意的科研课题。然而网络技术在快速发展中给人们带来的快捷与便利的体验时，也带来了不少的问题：信息量过多无法筛选；信息质量良莠不齐；信息平安难以保证；信息形式不一，难以处理。智能手机也是这一时代的产物。智能手机上面拥有各种各样的APP应用，包括生活、学习、消遣等各个方面。高校生找寻兼职的方式也就变得多样性了，不再局限于一些中介、校内海报或口头询问了，而是更多地进行自主的找寻。那些兼职类应用APP也如雨后春笋般不断地出现。面对巨大的注册用户人群以及各种各样的兼职信息要求，数据库面临着巨大的挑战。如此数据挖掘技术就成了一个必不行少的学问。1.2探讨现状与发展趋势国外发呈现状学问发觉 ( Knowledge Discovery in Databases， KDD)与DM是数据库领域中最重要的课题之一6。KDD一词是在1989年8月于美国底特律市召开的第十一届国际人工智能会议上正式形成的。之后每年召开一次这样的会议，经过十几年的努力，数据挖掘技术的探讨已经取得了丰硕的成果。目前，对KDD的探讨主要围绕理论、技术和应用这三个方面绽开。多种理论与方法的合理整合是大多数探讨者采纳的有效技术。目前，国外数据挖掘的最新发展主要有对发觉学问的方法的进一步探讨，如近年来留意对Bayes(贝叶斯)方法以及Boosting方法的探讨和改进提高；KDD与数据库的紧密结合；传统的统计学回来方法在KDD中的应用。在应用方面主要体现在KDD商业软件工具从解决问题的孤立过程转向建立解决问题的整体系统，主要用户有保险公司、大型银行和销售业等。很多计算机公司和探讨机构都特别重视数据挖掘的开发应用，IBM和微软都相继成立了相应的探讨中心。国内发呈现状与国外相比，国内对数据挖掘的探讨起步稍晚且不成熟，目前正处于发展阶段。最新发展：分类技术探讨中，试图建立其集合理论体系，实现海量数据处理；将粗糙集和模糊集理论二者融合用于学问发觉；构造模糊系统辨识方法与模糊系统学问模型；构造智能专家系统；探讨中文文本挖掘的理论模型与实现技术；利用概念进行文本挖掘。发展趋势就目前来看，数据挖掘的几个探讨热点主要包括数据流挖掘、文本挖掘、Web挖掘、及生物信息数据挖掘四个方面1。 随着越来越多的业务需求被不断开拓，数据挖掘已胜利应用于社会生活的方方面面，目前在很多领域如商业、医学、科学探讨等均有不少胜利的应用案例。为了提高系统的决策支持实力，像ERP、SCM、HR等一些应用系统也渐渐与数据挖掘集成起来。多种理论与方法的合理整合是大多数探讨者 采纳的有效技术。以下是将来比较重要的数据挖掘发展趋势：(1) 数据挖掘技术与特定商业逻辑的平滑集成问题；(2) 数据挖掘技术与特定数据存储类型的适应问题；(3) 大型数据的选择与预处理问题；(4) 数据挖掘系统的构架与交互式挖掘技术；(5) 数据挖掘语言与系统的可视化问题；(6) 数据挖掘理论与算法探讨；(7) 与数据库数据仓库系统集成；(8) 与语言模型系统集成；(9) 挖掘各种困难类型的数据；(10) 支持移动环境；1.3 本文的基本工作（1）探讨了数据挖掘技术的发展与现状2（2）探讨了高校生兼职这一现象的现状（3）探讨了数据挖掘在高校生兼职活动中的应用（4）总结了数据挖掘对于高校生兼职的重要性2 高校生兼职活动的现状高校生浩大的群体，让很多的商业人士看到了其中的商业利润，纷纷投入兼职产品的开发与运用。市面上大大小小的兼职类APP存在有几百种，上规模的就有一百种左右。2.1高校生兼职的因素（1）经济压力我国高等教化从1949年到如今的数几十年,家庭教化支出倍增,而据国家统计局数据为例:2004年全国农村居民人均纯收入实际增长6.8%,远远低于家庭教化支出20%多的增长率!学生为减轻家庭负担,便产生了出外兼职挣钱的考虑。并且在高校生这一年轻群体中，他们接受簇新事物的实力都高于其他的年龄群体，所以他们每月或者每一段时间就会花费肯定的费用在这上面，为了能够支持自己的消费就须要自己进行兼职活动获得除了父母赐予的生活费之外的收入（2）就业压力高校生是一个浩大的群体，每年的应届毕业生都面对着严峻的就业形势。尤其是近几年的高等教化扩招3，这一举动满意了将来市场对高层次人才的需求, 另一方面适应了新经济的要求。尽管这种教化消费的增加正在拉动我国居民的消费水平, 但无疑也加剧了岗位间的竞争, 这种竞争使得高校生无法很好的预料自己的将来, 这种对将来的惊慌感使得高校生在求学期间早早的就参与了社会实践, 期望为自己的将来岗位积累更多的资本。所以他们也会利用空余时间进行兼职。（3）社交需求随着社会的进步，有很多的观念也在进步。很多人认为当今的学生没有过去的学生好学刻苦, 这样的评论是不负责的。在九十年头以前, 高校教化作为我国的行政职责, 每一个高校生在入学时就有编制, 学费由国家全额负担, 生活费也由国家担当一部分, 毕业后完全由国家的安排就业。在求学期间就完全不存在兼职的现象, 甚至特别抵触这种现象。可是时代变迁, 在市场经济的发展中, 学生要适应社会的发展和要求, 要不断的培育自身综合实力的发展, 主动参与社会实践已经成为了主流选择, 这就好比是企业中的跳槽现象, 对其作应不应当和允不允许的评价是过时的、没有价值的。同时现在的高校生都有表现自身优势的特点以及须要，他们须要拓展自己的人脉圈，接触社会上的各类人群，以有限的时间丰富自身的经验。2.2高校生兼职的现状在对高校生是否参与过兼职或正在兼职的一项调查中中发觉:在被调查对象中,各年级参与兼职的状况有所不同,一年级学生“参与兼职”比例相对比较小,占总体被调查对象的57.8%,“没参与兼职”比例占总体一年级被调查对象的42.2%；二年级“参与兼职”占年级总体被调查对象的86.4%,三年级“参与兼职”占年级总体被调查对象96.0%,“参与兼职”的比例最高5；四年级兼职的人的比例又略微有下降,为90.6%。这样的数据反映了，在高校生群体中，对于兼职的接受度还是较高的。目前在校高校生获得兼职的途径主要是通过社会中介机构、网络信息、熟人介绍、学校勤工俭学组织等方式来找寻到兼职工作。调查结果显示,高校生找寻兼职的主要途径是：中介介绍，占总体调查对象的20.8%；网络信息，占总体被调查对象的35.5%；熟人介绍，占总体被调查对象的27.3%；比例比较小的是通过学校勤工助学组织，占总体被调查对象的10.4%；以及其他方式的，占总体被调查对象的8%。这些数据反应了，高校生获得兼职信息的来源途径也是与时俱进的。并且在日益完善的网络技术上，高校生可以看到不同地区，不同公司、店铺的招兼职信息，不局限于个别地区的信息。同时这一类的兼职信息就须要进行数据挖掘等处理才可以被用户检索运用。3 数据挖掘内容3.1数据挖掘的主要方法数据挖掘的技术基础是人工智能(Al)。但它仅仅利用了人工智能中一些已经成熟的算法和技术,例如:人工神经网络(ArtifiCialNeuralNetwork)、遗传算法(GenetieAlgorithm)、决策树(DeeisionTreeS)、邻近搜寻方法(NearestNeighborMethod)、规则推理(RuleInduetion)、模糊逻辑(FuzzyLogie)等,其Ib1题的困难度和难度比人工智能降低了很多5。数据挖掘系统利用的技术越多,得出的结果精确性就越高。这主要取决于问题的类型以及数据的类型和规模,无论采纳哪几种技术来完成任务,从功能上可以将DM的分析方法划分为以下四种:(l)基于关联度的分析:关联分析的目的就是为了挖掘出隐藏在数据间的相互关系。(2)基于序列分析:序列模式分析的侧重点在于分析数据间的前后或因果关系。(3)分类分析:分类分析法的输入集是一组记录集合和几种标记,首先为每一个记录赐予一个标记,即按标记分类记录,然后检查这些标定的记录,描述出这些记录的特征。3.2数据挖掘的逻辑模型数据挖掘系统由一组构件联合组成(见图)。用如下的处理过程加以说明:(l)首先熟识应用领域的数据、背景学问,明确所要完成的KDD任务性质;(2)数据选择。依据客户要求,从数据库中提取与KDD相关的数据,KDD将主要从这些数据中进行数据提取;(3)数据预处理与转换。从与KDD相关的数据集合中除去明显错误的数据和兀余的数据,进一步精简所选数据中的有用部分,并将数据转换成为有效形式,以使数据挖掘更有效:(4)数据挖掘。依据KDD发觉任务的要求,选择合适的数据挖掘算法(包括选取合适的模型和参数),在数据库中寻求感爱好的模型,并用肯定的方法表达成某种易于理解的形式;(5)模式说明。对发觉的模式进行说明和评估,必要时须要返回前面处理中的某些步骤以反复提取;(6)学问评价。将发觉的学问以客户能理解的方式供应应客户,并试用之。从以上的处理步骤来看,整个发觉过程不是简洁的线性流程,步骤之间包含了循环和反复。上述众多处理环节事实上也可简化为:KDD=数据预处理十DM十说明评价。由于预处理和说明评价探讨较为成熟,目前KDD的探讨和实现难点都集中在数据挖掘上。作为KDD的一个特定而关键步骤,数据挖掘是最为重要的。正是因为如此,人们在很多场合往往不加区分地运用KDD和DM这两个术语。3.3数据挖掘的应用其实，谈到数据挖掘和学问发觉技术，大多数状况下还是引用了“啤酒与尿布”的例子4。搜寻到的关于“啤酒与尿布”的案例，可以说有100个人就有100个说法，但是最权威的的说法是1998年刊登在哈佛商业评论上的沃尔玛超市的案例。“啤酒与尿布”的故事产生于20世纪90年头的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发觉了一个令人难于理解的现象：在某些特定的状况下，“啤酒”与“尿布”两件看上去毫无关系的商品会常常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的留意，经过后续调查发觉，这种现象出现在年轻的父亲身上。也是因为管理人员主动调查与分析的缘由，为沃尔玛超市带来了更多的收益。同时，在这个案例中，数据挖掘同样发挥了很重要的作用。经过对原始数据的分析处理才可以得到这样的结论，才可以对沃尔玛的布局进行合理有效的调整。从这一个案例得出，数据挖掘与生活的各个方面都处于不行分割的关系。4 数据挖掘在高校生兼职APP应用中的设想背景：在对高校生从事的兼职工作与所学专业的相关性方面的调查中，数据结果显示：高校生所从事的这些兼职工作与所学专业的相关度比较低,与专业不相关的高达49.3%,有点相关的占22.1%,比较相关的占21%,特别相关的仅为7.6%。这就体现出了高校生无法找到合适的，与专业相关的兼职，也从另一个方面就呈现了，几乎全部市面上的兼职APP无法为用户供应合适的，专业对口的，更具挑战性，熬炼性的兼职5。措施：首先制定用户群体为高校生群体，特点就是1、导入课表2、供应专业对口的兼职信息 3、并通过课表空余时间计算举荐兼职信息，合理利用碎片化的时间 4、预料兼职实力，举荐难度适合的专业性兼职。分析市面上绝大多数的兼职APP或网站，他们的营运模式就是将商家进行入驻，信息均由商家发布。这些兼职APP只是为商家供应了一个发布消息的平台，同时对于个人用户的话，只是一个信息的集中地。所以针对这一应用的漏洞，引进一些招收兼职要求专业性强的公司是我们必需完成的工作。同时，在对于用户端，我们须要进行用户信息的完善与采集。完善用户的个人信息：如学校地址、学生课程表、个人的爱好特长。这都便于我们平台的信息供应。依据课表信息，后台可以进行专业分析、年级分析、空余时间的计算，得出关于用户合适的信息，然后再从后台的发布的兼职信息库中为其推送合适的兼职信息，为用户免去了选择阅读的过程，节约了用户的时间，当然也是会有一般APP都会有的功能。我们为用户供应的兼职信息，首先依据用户专业进行筛选；其次，依据用户的年级，进行难度的筛选；第三，依据用户的阅读记录，进行最终的筛选。数据挖掘在这设想中发挥着巨大的作用。KDD是一个多步骤的处理过程，分为问题的定义、数据抽取、数据预处理、数据挖掘以及模式评估等基本阶段（如图）4。图：KDD阶段处理过程模型在问题定义部分，必需实时进行相关领域的了解，熟识背景学问，确定挖掘目标，清晰的知道服务的内容。这就像是我们的模型初步定义时。在数据抽取部分，必需选择合适的数据库，并依据要求进行信息的抽取，对应用户提起消息推送的要求时。在数据预处理部分，对前一阶段抽取的数据进行再处理，检查数据的完整性及数据的一样性。对应用户的消息推送要求提请时。在数据挖掘部分，运用选定的数据挖掘算法，从数据中提取出用户所须要的学问，可以运用特定的形式进行表达。对应的是为用户在数据库中查找对应的数据时。在学问评估阶段部分，数据挖掘阶段发觉出来的模式，在进行评估，去除冗余或无关的模式，若是无法满意用户须要的须要重新返回前面的步骤。因为KDD最终的目的是为了面对用户，所以可能还要进行可视化操作。对应的是信息在发送前。结语感谢在这两个多星期间，赐予我很大帮助的崔杰老师。经过了两个多星期的学习，我最终完成了数据挖掘在高校生兼职APP应用中的设想的论文。从起先构思论文题目到论文的完成，每走一步对我来说都是新的尝试与挑战，这也是目前为止我在高校期间独立完成的最完善的论文。在这段时间里，我学到了很多学问也有很多感受，从对数据挖掘只停留在上完课的相识的基础上，我起先了独立的学习和试验，查看相关的资料和书籍，让自己头脑中模糊的概念渐渐清晰，使自己特别稚嫩文章一步步完善起来，每一次改进都是我学习的收获。从中我也充分相识到了数据挖掘将是这个时代的一个发展支柱型技术，并且他拥有一个完整的发展前景。虽然我的论文作品不是很成熟，还有很多不足之处，但我可以骄傲的说，这里面的每一句话，都有我的劳动。当看着自己的论文，真是莫大的华蜜和欣慰。我信任其中的酸甜苦辣最终都会化为甜蜜的甘泉。 这次做论文的经验也会使我终身受益，我感受到做论文是要真真正正专心去做的一件事情，是真正的自己学习的过程和探讨的过程，没有学习就不行能有探讨的实力，没有自己的探讨，就不会有所突破，那也就不叫论文了。希望这次的经验能让我在以后学习中激励我接着进步。参考文献1 宋爱波,董逸生,吴文明等,WEB挖掘探讨综述J,计算机科学,2001,28(11):13-162 任明枢,Web数据挖掘及其在电子商务中的应用D，山东科技高校，20043 李倩,高校生兼职的动因分析，重庆科技学院学报（社会科学版）J，2008（1）4 毛国君，段立娟，王实，石云，数据挖掘原理预算法（其次版），清华高校出版社，20075 黄倩，高校生兼职问题及管理策略探讨，西南高校，20096 郝先臣，张德干，高光来，赵 海，数据挖掘工具和应用中的问题A，东北高校学报（自然科学版），2001,22（2）:1831877 经素,吴亚子,赵燕，高校生兼职状况调查报告以南京地区高校为例J，青年探讨，2005（10）8 孙婷婷，崔基哲，关于高校生兼职对毕业以后就业的影响探讨J，信息化建设，2015（06）