关联规则挖掘在学校招聘中的应用研究

摘 要：近年来，以物联网和云计算为代表的大数据技术正在改变各个行业的发展。在教育领域，大数据技术在招聘学校人员方面也发挥着重要作用。本文利用Visual FoxPro开发的关联规则挖掘工具对学校招聘岗位计划和应聘者信息进行分析研究，找出它们之间客观存在的规律，为学校人员招聘提供科学依据。

关键词：大数据;关联规则挖掘;学校;招聘

DOI：10.16640/j.cnki.37-1222/t.2019.20.190

1 引言

2008年9月，“自然”杂志首次开设了“大数据”专栏，引发了学术界对大数据的关注[1]。目前，“大数据”已成为信息技术应用的热点，受到各界的高度重视，一致认为大数据具有“及时、高效、多样、大规模、广泛使用”的特征。麦肯锡研究所指出：“大数据是一种超出了传统数据库软件的采集、存储等功能范围的数据集，而不是不大于一定数量的数据。因为随着科学技术的发展，大数据标准也会改变，不同的行业标准也会发生变化[2]”。

随着国家对高等教育招生政策的开放，高等学校每年招生数量也越来越多，导致学科、专业数量增加和办学规模的扩大，最终致使高校对学科、专业、管理等人才的需求量越来越大。但是高校在进行招聘时，由于没有掌握应聘者的信息，不能招到紧需的人才，或对应聘者不满意。为了解决“招不到人”或“对应聘者不满意”等问题，学校可使用大数据技术对以往招聘相关数据进行分析研究，找出影响招聘的因素，及时调整招聘和宣传策略，吸引优秀人才报考，达到招聘到满意人才的目的。

随着大数据应用技术的普及，在数据挖掘技术基础上开发了许多大数据分析工具。因此，目前对数据挖掘技术的讨论尚未过时，研究数据挖掘技术是为更好地利用大数据奠定基础。关联规则挖掘正好能通过以往招聘相关数据进行统计分析，为学校招聘工作服务。

2 关联规则挖掘的概念

关联规则是数据挖掘发现知识模型中重要的模式之一，属于数据挖掘中最活跃的分支，是一种揭示数据库中对象之间的关联关系的手段[3]。关联规则挖掘是从海量历史数据中找出数据项之间相关规则的过程[4]。在大数据时代，数据规模越来越大，结构越来越复杂，数据价值越来越高，数据挖掘技术越有用武之地。

关联规则挖掘是Agrawal等人提出的数据挖掘技术。设I={i1，i2，…，in}是项集，D是事务集，T是I上子集，TI，TID是单个事务，则关联规则表示为XY，其中XI，YI且XY=，X叫做规则的条件，Y叫做规则的结果[5]。为了提高关联规则挖掘的准确性，引入了支持度（S）和置信度（C）两个指标来衡量规则的可用性。

支持度计算表达式为：

置信度计算表达式为：

其中D表示事务数据库，N表示事务数的总和，Count（X）表示事务X的出现次数，Count（X∪Y）表示事务X和Y同时发生的次数。支持度S是表示X发生的频率，置信度C是表示X发生时Y也发生的频率。

3 关联规则挖掘在学校人员招聘中的应用

3.1 数据准备

挖掘对象主要使用学校招聘岗位计划和应聘者报名信息，根据关联规则挖掘需求，将学校招聘岗位计划和应聘者报名信息分别转化为2个二维数据表，并对数据进行合法性不断、缺失值处理、归类等预处理。预处理后的学校招聘岗位计划表和应聘者报名信息表结构见表1和表2所示。

3.2 算法实现

招聘关系挖掘工具使用FoxPro作为后端数据库管理工具，使用Visual FoxPro 6.0作为前端系统开发平台。

3.2.1 数据库实现

3.2.2 关联规则挖掘的实现

招聘关系挖掘工具的操作对象是学校招聘岗位计划数据和应聘者报名数据，以文本的形式产生关联规则，格式为：属性A→属性B 支持度：S% 置信度：C%。

关联规则挖掘算法由Visual FoxPro编程工具实现，其算法流程图如图1所示。

4 关联规则挖掘

4.1 挖掘结果显示

基于预设的最小支持阈值（5%）和最小置信度阈值（20%）进行关联规则挖掘，以“属性A→属性B 支持度：S% 置信度：C%”形式显示满足条件的规则，挖掘界面和结果如图2所示。

4.2 挖掘结果分析

关联规则挖掘在学校招聘中应用的主要任务是找出招聘岗位计划要求与应聘者信息间的关系，指导学校招聘工作。对29项结果的进一步分析得出以下结论：

第一，从规则1-9可看出，应聘者来源于生源地“省内”的支持度远高于“省外”的支持度，这说明应聘者主要来源于省内。因此，学校在以后招聘中要扩大宣传范围，加大对“省外”生源的宣传力度，或在制定招聘政策时对省外生源适当倾斜。招入部分省外教师，使教职工生源地结构合理，合理的教职工生源地结构有利于人才培养和学校的发展。

第二，从规则10-19可看出，招考关系挖掘系统对应聘者的学历和专业类不敏感，因为学历和专业主要取决于学校岗位计划的要求。

第三，从规则20-29可看出，应聘者毕业学校为“省内高校”的支持度远高于“省外高校”的支持度，这说明应聘者主要毕业于省内高校。因此，学校在以后招聘中要加大在省外高校的宣传力度，吸引更多省外高校毕业的应聘者，使学校教职工的学源结构更合理。来自不同研究生院的教职员工有利于改革和创新，有利于学校的发展。

5 结束语

本文讨论了关联规则挖掘技术在大数据时代背景下的学校招聘中的应用。使用Visual FoxPro开发的挖掘工具分析招聘计划和应聘人员信息，找出各數据项间客观存在的关系。学校可根据关联规则挖掘结果调整招聘宣传策略、招聘政策等，吸引更多优秀人才来应聘，最终达到招到结构合理的优秀教职工队伍的目的。同时，为学校人才招聘分析和研究开辟了新思路，也为学校人事管理工作者招聘人才提供了新的依据。

参考文献：

[1]王树西，李安渝，夏增艳.大数据和云计算环境下的信息足迹[C].秦皇岛：国际电子商务联合会中国分会，2014.

[2]付佳美.大数据研究特征分析[D].哈尔滨：哈尔滨工业大学，2016.

[3]毛德梅，丁瑞国.对数据挖掘中关联规则算法的比较研究[J].皖西学院学报，2006（05）：27-30.

[4]苏蕊.数据挖掘中关联规则算法的研究[D].上海：上海海事大学，2007.

[5]（加）Jiawei Han， Micheline Kamber，范明，孟小峰译.数据挖掘概念及技术[M].北京：机械工业出版社，2008：147-154.

作者简介：李佐军（1980-），男，云南凤庆人，硕士，副教授，主要从事数据挖掘及大数据应用技术研究。