数据挖掘分类技术在企业人才招聘中的应用研究

摘要

数据挖掘技术是利用分析工具从有噪声的、模糊的、随机的大量数据中,提取出隐含在内部的、未知的,又有潜在作用的知识和信息的过程,建立关系模型,并对其作出预测。分类挖掘技术是数据挖掘的核心技术之一,而分类技术中的决策树方法又是其中的重点。他能够直接体现出数据的特点,具有很好的分类预测能力,能够方便的提取出决策规则。
　　 目前存在多种决策树方法,可以对大规模数据集进行分类,其中以ID3算法最为经典。ID3算法是以信息增益为选择分裂属性的标准来建立决策树的,能够很好的解决离散型属性的问题。
　　 企业人才招聘问题是企业人力资源的核心和重点之一,它对于提高企业人才质量、提高企业在市场经济中的竞争力具有非常重要的意义。由于目前毕业生过多,企业不可能对每位学生都进行面试,因此就存在怎么选取适合自己企业的毕业生的问题。本文介绍了数据挖掘技术,并对分类技术的概念、算法等进行了论述,分析了决策树分类算法,详细论述了分类算法在企业人才招聘中应用的整个过程。包括样本数据的采集、数据的前期准备、ID3算法研究、根节点的确定以及最终决策树的建立。最后通过决策树得出分类模型的一般规则,这些规则可以对企业的人才招聘起指导作用,选出最适合企业的那部分人才。
　　 本文以青岛三硕公司的信息数据为基础,运用数据挖掘技术对其数据库中的人才部分的数据进行分析,作出预测,为人才招聘提供技术支持。

目录

文摘

英文文摘

1 绪论

1.1 引言

1.2 课题研究的目的及意义

1.3 数据挖掘的研究现状

1.4 研究的主要内容及组织结构

2 数据挖掘的技术研究

2.1 数据挖掘的基本理论

2.2 数据挖掘的过程和模型

2.3 数据挖掘的工具

2.4 应用领域

2.5 研究热点

3 数据分类中的决策树算法

3.1 数据分类

3.1.1 数据分类的过程

3.1.2 分类方法的评估标准

3.2 决策树分类算法在在国内外的研究现状

3.3 决策树算法的含义

3.4 决策树算法的构造

3.5 决策树方法的评价

3.6 本文采用决策树的原因

3.7 常用的决策树方法

3.8 贝叶斯分类算法

3.9 神经网络分类算法

3.10 几种分类算法的比较

4 课题需求分析及数据准备

4.1 问题的提出

4.2 问题的定义

4.3 员工分类过程中的总体结构

4.4 数据准备

5 分类技术在人才招聘中的实现

5.1 ID3算法

5.1.1 ID3算法的定义

5.1.2 算法的描述

5.1.3 ID3算法的基本策略的说明

5.2 决策树的建立

5.2.1 ID3算法的具体实现过程

5.2.2 建立决策树模型

5.3 结果分析

5.3.1 评估决策树分类效率的模型

5.3.2 决策树中提取出的规则

6 结束语

6.1 工作总结

6.2 未来工作展望

参考文献

致谢

个人简历

攻读学位期间的主要成果