论文部分内容阅读
我国高等教育的规模不断扩大,尤其是从精英型教育转向“大众化”教育以来,大学毕业生人数逐年上升,随之而来的就业问题也越来越突出。大学生是凝聚了国家、社会、家庭无数希望和目光的群体,如何帮助他们毕业后顺利找到适合自己专业和特长的工作,是每个高校普遍面临的重要课题。就业指导课程的开设可以引导和帮助大学生充分认识自身特点、了解社会需求、最终成功就业,也是解决现阶段大学生就业难问题、提高高校就业率的一个有效且必要的途径。在Web技术被广泛应用的大环境下,设计开发《就业指导》网络课程,能更有效地促进就业指导工作的开展,保证学生可以随时随地进行课程学习的可能性。本文在研究中引入了数据挖掘的思想。数据库技术越来越成熟,存储在数据库中的信息也在急剧增长。而据调查显示,大部分高校信息管理系统中存储的数据,80%以上都只提供简单的查询功能,隐藏在这些数据中的潜在关系几乎都未被发现和利用。笔者以S大学教务管理系统中的学生成绩信息、就业数据库中的学生就业信息为对象,结合学生的基本信息和在校期间的表现,利用数据挖掘技术中基于支持向量机(Support Vector Machine,SVM)的特征选择算法,找出这些不同数据库中信息之间的内在关系。在此基础上,分析了实验结果在建设《就业指导》网络课程中的应用,为建设该课程的学习平台提供了理论基础。论文总共分为五个章节,第一部分介绍了课题研究的背景、研究的意义和目的以及研究的思路和方法,让读者对本文有一个总体的认识;第二部分阐述了本论文研究课题所基于的理论基础,并介绍了现阶段的研究概况;第三部分对数据挖掘技术进行了概述,着重介绍了SVM的相关概念、原理和最优化方法;第四部分是本文的关键部分,经过对原始数据的收集、预处理,利用基于SVM的特征选择方法对数据进行分析,最终得出实验的结果,探讨其对《就业指导》网络课程建设的实际指导意义。最后一部分是论文的结论,总结了在论文研究进行过程中存在的不足和进一步努力的方向。