近年來,我國高考報名人數(shù)屢創(chuàng)新高,相應(yīng)地,全國各大中院校也在不斷實施擴招政策,畢業(yè)生數(shù)量在十年間增長了十倍,大學(xué)畢業(yè)生的就業(yè)難度越來越大。與此同時,教育信息化的快速發(fā)展使得高校里積累了海量的教育數(shù)據(jù),但是在實際應(yīng)用中,并沒有將它們背后的價值挖掘出來。在這種背景下,本文基于校園大數(shù)據(jù)(如:一卡通信息、成績信息、就業(yè)信息等),對學(xué)生在校行為進行分析和計算,最后利用機器學(xué)習(xí)相關(guān)算法建立大學(xué)生就業(yè)預(yù)測模型。本研究一方面可以為有關(guān)部門提供決策建議;另一方面為大學(xué)生提供就業(yè)指導(dǎo),為其提供預(yù)警和指導(dǎo)服務(wù)。本文的相關(guān)研究內(nèi)容如下:(1)數(shù)據(jù)的匯聚及融合。本文用到的數(shù)據(jù)主要來自校園一卡通和數(shù)字教務(wù)系統(tǒng)。首先,對一卡通等校園大數(shù)據(jù)進行采集。接著對相關(guān)數(shù)據(jù)進行預(yù)處理:一方面,進行數(shù)據(jù)的清洗、轉(zhuǎn)換、整合、規(guī)約、融合等操作;另一方面,對學(xué)生信息進行加密以保護學(xué)生的隱私。最后,將處理后的數(shù)據(jù)寫入數(shù)據(jù)庫,并對相關(guān)數(shù)據(jù)庫進行優(yōu)化,提高數(shù)據(jù)庫讀取效率。(2)學(xué)生行為特征的提取與分析。首先,將數(shù)據(jù)按周進行劃分,初步統(tǒng)計每周內(nèi)學(xué)生行為發(fā)生的頻次等基本信息(如每周去圖書館次數(shù)等)。其次,綜合利用統(tǒng)計分析和深度學(xué)習(xí),研究學(xué)生行...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究意義
        1.2.1 理論意義
        1.2.2 現(xiàn)實意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 論文的主要內(nèi)容和工作
    1.5 論文的組織結(jié)構(gòu)
第二章 相關(guān)研究基礎(chǔ)
    2.1 相關(guān)算法研究
        2.1.1 常見監(jiān)督學(xué)習(xí)分類算法
        2.1.2 深度學(xué)習(xí)相關(guān)算法
        2.1.3 算法的比較與選擇
    2.2 模型優(yōu)化及評估策略
        2.2.1 模型驗證方法
        2.2.2 模型的超參數(shù)優(yōu)化
        2.2.3 模型評估指標(biāo)
    2.3 本章小結(jié)
第三章 相關(guān)數(shù)據(jù)匯聚及融合
    3.1 學(xué)生數(shù)據(jù)采集
    3.2 數(shù)據(jù)的預(yù)處理
    3.3 數(shù)據(jù)的隱私保護
    3.4 數(shù)據(jù)的存儲及優(yōu)化
        3.4.1 數(shù)據(jù)的存儲
        3.4.2 數(shù)據(jù)庫優(yōu)化
    3.5 本章小結(jié)
第四章 學(xué)生行為特征提取與分析
    4.1 在校行為量化與特征提取
        4.1.1 傳統(tǒng)行為特征的量化和提取
        4.1.2 時序行為特征的量化和提取
    4.2 本章小結(jié)
第五章 就業(yè)預(yù)測模型的構(gòu)建與評估
    5.1 特征的選擇
    5.2 就業(yè)預(yù)測模型的構(gòu)建
    5.3 實驗結(jié)果分析
        5.3.1 實驗結(jié)果展示
        5.3.2 特征的重要性分析
        5.3.3 實驗結(jié)果對比與分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
參考文獻
致謝



本文編號：3788357