结合相似度的朴素贝叶斯自训练算法的就业预测模型
Journal: Journal of International Education Forum DOI: 10.12238/jief.v6i10.10554
Abstract
实现高校毕业生更加准确的就业预测对于促进高校毕业生更高质量就业具有重要的战略性意义。本文提出了结合相似度的朴素贝叶斯自训练分类方法应用于河北省高校毕业生的就业预测。通过对比其他就业预测算法,本文提出的方法稳定性好,并且具有更高的预测准确率,能够更好地解决当前河北省高校毕业生就业预测中存在的一些问题,对于河北省高校毕业生的就业指导与管理工作具有指导意义。
Keywords
自训练；朴素贝叶斯；就业预测；欧氏距离；余弦相似度
Funding
本文系2024年河北省社会科学发展研究课题项目“河北省高校毕业生就业预测模型研究及应用(课题编号：202402101)”的阶段性研究成果。
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 金延军.数据挖掘技术在高校学生就业指导中的应用[J].黑龙江工程学院学报(自然科学版),2009,23(01):60-63.
[2] 王亚如.基于决策树算法的大学生就业预测模型及应用研究[D].华中师范大学,2018.
[3] 吴亚娟.基于因子-聚类分析的大学生就业满意度统计及预测[J].南京信息工程大学学报(自然科学版),2010,2(06):510
[4] 刘洪超,滕鑫鑫,白浩.基于大数据的高校智能就业平台建设与应用[J].现代教育技术,2020,30(02):111-117.
[5] 黄艳,田辉玉,王建农.高校毕业生就业竞争力的评价与发展趋势预测[J].统计与决策,2014,No.400(04):114-116.
[6] 张稳,恰汗·合孜尔.毕业生就业率分析与预测系统[J].计算机与数字工程,2008,No.224(06):95-98.
[7] 董立岩,隋鹏,孙鹏,等.基于半监督学习的朴素贝叶斯分类新算法[J].吉林大学学报(工学版),2016,46(03):884-889.
[8] PIROONSUP N,SINTHUPINYO S.Analysis of training data using clustering to improve semi-supervised self-training [J].Knowledge-Based Systems,2018,143(1):65-80.
[9] GAN H T,SANG N, HUANG R,et al.Using clustering analysis to improve semi-supervised classification[J].Neurocomputing,2013,25(3):290-298.
[2] 王亚如.基于决策树算法的大学生就业预测模型及应用研究[D].华中师范大学,2018.
[3] 吴亚娟.基于因子-聚类分析的大学生就业满意度统计及预测[J].南京信息工程大学学报(自然科学版),2010,2(06):510
[4] 刘洪超,滕鑫鑫,白浩.基于大数据的高校智能就业平台建设与应用[J].现代教育技术,2020,30(02):111-117.
[5] 黄艳,田辉玉,王建农.高校毕业生就业竞争力的评价与发展趋势预测[J].统计与决策,2014,No.400(04):114-116.
[6] 张稳,恰汗·合孜尔.毕业生就业率分析与预测系统[J].计算机与数字工程,2008,No.224(06):95-98.
[7] 董立岩,隋鹏,孙鹏,等.基于半监督学习的朴素贝叶斯分类新算法[J].吉林大学学报(工学版),2016,46(03):884-889.
[8] PIROONSUP N,SINTHUPINYO S.Analysis of training data using clustering to improve semi-supervised self-training [J].Knowledge-Based Systems,2018,143(1):65-80.
[9] GAN H T,SANG N, HUANG R,et al.Using clustering analysis to improve semi-supervised classification[J].Neurocomputing,2013,25(3):290-298.
Copyright © 2024 宗慧敏, 邢亚璇, 刘微, 黄江枫
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License