《软件创新设计》
期末报告
项目名称：
基于大数据可视化技术的毕业生就业分析服务项目
姓 名：
学 号：
班 级：
一、项目简介
《基于大数据可视化技术的毕业生就业分析服务项目》项目针对目前大学生就业选择困难，茫茫企业，无法根据个人及毕业院校情况制定就业目标及预测未来就业情况，以及无法第一时间获取企业公司的招聘信息及招聘计划等问题，设计并实现大学生就业数据分析服务类项目。
此项目研究基于大数据可视化分析方法，推荐类算法、模糊查询、和基于模糊信息的大学生满意度评价方法，按照软件工程的开发流程设计而成,主要项目功能包括：“分析就业趋势”“根据学生情况推荐并制定就业计划”“根据关键字模糊查询”“添加企业招聘信息日历提醒”“用户满意度评价”等功能。
- 项目实施的目的、意义
2.1项目目的
随着当前市场经济高速发展，高校不断扩招，就业制度改革小断深化和毕业生数量逐年增加，社会整体就业形势日益严峻，大学生就业问题逐步成为社会极度关注的话题，研究大学生就业问题具有一定的紧迫性和重要性。
从大学生自身角度出发，分析目前情况，在校大学生选择就业目标的时候，本身并没有明确的就业思路，再加之无法结合历届毕业生的就业情况，制定出合理的就业目标，使得选择就业的这条路就变得艰难且漫长。另一方面，现如今，互联网信息平台泛滥，每个平台上都登载着海量的招聘信息，但是这些平台都无法根据自身条件做合理推荐，无法精准定位到符合理想专业的公司，在校大学生只能犹如海底捞针般在海量信息中摘选，然后再人工的抄录在记事本上，然而记事本上的信息不能做到随时提醒，不加小心，就会容易错过准备已久的公司，令大学生懊恼不已。
所以我们的《基于大数据可视化技术的毕业生就业分析服务项目》项目就应运而生了，通过此项目，大学生可以在平台上结合由历届毕业生就业情况汇总的图表，合理定制就业目标，快捷查看"就业日历"，搜索出最适合自己专业和水平的企业。
2.2项目意义
高校的根本使命就是培养人才,大学生就业情况更是完成这一使命的重要指标之一，更好帮助学生进行就业分析和指导，提高学生就业率和就业质量，是促进高校教育发展的一大重点。
针对目前的情况分析，现在的高等院校大多数通过第三方协议或者电话回访等方式收集和统计毕业生就业情况，绘制成EXCEL表格的形式进行存储，没有统一的数据库管理数据，而毕业生数量众多，回访工作流程复杂，需要很多的财力、人力和时间，同时在收集信息的过程中也难免会出现各式各样的弊端和疏忽，这样的工作形式，导致数据汇总效率低下，并且也无法发挥这些数据的价值，不能满足当今高等院校加强辅导毕业生就业的需求。而通过《基于大数据可视化技术的毕业生就业分析服务项目》可以改变现状低效的工作形式，将传统的就业指导方式进行改革，使其数字化、信息化。更加有效地加强大学生职业指导,帮助大学生进行合理的职业定位,认清就业形势,掌握就业和求职技巧,解决大学生、家长及高校的就业迷茫，对促进大学生就业和高校教育发展具有非常重大的意义。
三、项目研究现状与分析
3.1毕业生就业服务应用现状分析
目前国内对于毕业生就业指导问题，校内多采用邀请企业推行讲座，专门辅导教师一对一企业辅导，校外多为媒体宣传企业招聘信息，或者网络信息平台对招聘信息的粗略展示，这些都不能更好的满足毕业生在自主分析就业趋势上的需求，缺少专门针对学生就业服务的服务系统。故在当今“互联网+”和“大数据时代”的形势下，高校就业服务数字化，信息化，仍然属于探究阶段，还需进一步综合整合学生与学校的需求，为学生提供更良好的就业服务体验。
3.2大数据可视化技术在教育领域研究现状分析
就目前高校生产和获取数据的能力几何级增长的情况，如果对海量数据进行分析以支持学生的深度学习，以及如何应用信息技术更好地服务学生的就业服务，优化就业过程，成为亟待解决的问题。由此，数据挖掘以及数据可视化技术成为关注的热点。
大数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。它是一个处于不断演变之中的概念，其边界在不断地扩大。主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。
数据可视化技术经过了多年的发展，已经产生了一大批优秀的产品工具，并在工程、计算、金融、医疗等领域得到了较为成熟的应用，然而其在教育领域的应用尚显不足，如何利用大数据技术进行就业数据的挖掘，并且得到良好的可视化显示的应用，仍需继续研究。
3.3个性化推荐技术
个性化推荐技术是数据挖掘中的一类，给技术直到20世纪末期才被单独提出，随着计算机技术的不断发展，直到Web2.0技术成熟后该技术才被应用到实际当中，个性化推荐技术的运用使用用户对信息的获取从被动变为主动，个性化推荐技术在商业领域中的成功运用，使得推荐系统的产品种类大幅度增加，教具代表性的推荐系统有eBay，Amazon和You tube等，这些系统的用户数量相当可观
3.4模糊评价研究分析
综合对模糊评价研究现状不难发现，FMADM 理论和方法的研究已经引起了国内外学者和专家的专注，并取得了丰富的成果，特别针对是基于模糊决策矩阵的 MADM。然而，由于MADM是一个复杂的系统工程，所以目前无论是在理论研究还是方法应用上都还不很成熟，仍存在有待改进、完善的地方。
综上，利用大数据可视化技术的毕业服务项目具有一定程度上的上的研究意义。
参考文献
- 中国产业信息网，2018年中国大学生毕业人数、就业率最高的十大专业及毕业生就业形势分析,http://www.chyxx.com/industry/201804/629134.html
- 李璞、杨德祥，提升大学生就业竞争力的培养体系研究[J].2010（3）
- 高凤荣、杜小勇、王珊，一种基于稀疏矩阵划分的个性化推荐算法，维普资讯http://www.cqvip.co
- 张金磊、张宝辉、刘永贵，数据可视化技术在教学中的应用[J].现代远程教育研究，2013年6期
- 涂聪，大数据时代背景下的数据可视化应用研究[J].数字产业，2013年5期
- 孙净宇，李澈，张震，高校校园APP发展现状初探[J].中国传媒科技，2014年6期
- 袁春花，基于协同过滤算法的个性化高校选课推荐系统研究[J].2012年5期
- 陈琳 ，陈耀华．以信息化带动教 育现代化路径探析 [J]．教 育研 究，2013，(11)：114—118．
- 周斌等，用户访问模式数据挖掘的模型与算法研究，计算机研究与发展，1999，36(1O)：87O～ 875
- 祝智庭、沈德梅，基于大数据的教育技术研究新范式 [J]．电化教育研究 ，2013(10)
- 孙洪涛，教育大数据的核心技术、应用现状与发展趋势[J].Journal Of Distance Education,2016（6）
- 项目研究内容
本项目的研究内容主要包括以下几个方面：
- 对于结合历届毕业生就业情况，分析就业趋势的问题，采用大数据可视化技术，将数据集中的数据以图形图像形式表示，利用数据分析和开发工据总结并从不同维度观察信息，进行深入的就业趋势分析
- 对于制定毕业生就业推荐计划的问题，采用静态和动态的算法，协同过滤算法，聚类算法，最佳优先搜索算法（BFS），模糊查询的规则等根据毕业生自身需求，帮助毕业生确定就业目标
- 对于高校存储毕业生就业信息的问题，根据数据来源，采用ETI工具将数据抽取到数据库中，对数据进行索引后存储到数据库中，保证开源、高可靠性、高性能、可伸缩性，用以存储大规模结构化数据，（如图4-1）
图4-1 高校存储数据信息
（4）对于用户满意度评价问题，研究基于模糊信息的满意度评价方法。基于模糊数学，综合应用信息理论、运筹学灰色系统理论等学科知识，运用转换函数、数学方法等，研究基于模糊相关平均算子及模糊多属性的满意度评价方法。
（5）对于设计优化分析和平台需求分析，采用自顶向下分析方法。研究并优化毕业生优化流程；分析平台的功能性需求和非功能性需求，包括：多线程编程等系统并发的研究、锁的应用、事务特性等。
（6）对于基于大数据可视化技术的毕业生就业分析服务平台的设计与实现，按照软件工程的方法和流程。主要项目功能包括：“分析就业趋势”“根据学生情况推荐并制定就业计划”“根据关键字模糊查询”“添加企业招聘信息日历提醒”“用户满意度评价”等功能。
五、项目技术路线（800字左右）
本项目依据大数据技术进行就业趋势分析，包括数据存储，数据分析与挖掘，数据可视化。主要通过协同过滤算法等互相结合进行个性化推荐的操作，以及使用模糊信息的技术收集用户满意度评价。
- 大数据技术
大数据技术方面按照如下图所示进行技术的开展
对于普遍的高校就业数据的抽取与存储，可以采取小同的数据抽取方式，对于结构良好的各信息系统的数据，采用ETI工具如KETTLE将数据抽取到数据库中，对于web网页这类非结构化数据，通过进行抓取，对数据进行索引后存储到数据库中，完成开源，高可靠性，高性能，可伸缩需求。
数据分析，用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。将就业分析模型所需的数据存储在数据库后，可以利用数据进行分析，提供了一种简单的类SQI查询语句，。通过我们可以实现传统数据仓库所实现的对就业数据的汇总统计分析，而且可以容易的扩展其存储能力和计算能力，首先是写作筛选，通过分析已就业学生的成绩、就业单位、就业岗位等、计算学生之间的相似度，为即将毕业的学生推荐适合的就业单位和岗位，提供个性化的服务；其次是聚类，这是一种无监督的机器学习，我们可以通过小同的维度将未能及时就业的学生进行分析，从中找出其共同的特点，再通过比较在校学生的相关属性，及时对学生付出预警，以便其在后续的学习和生活中确定目标。
在数据展示层，构建对大学生就业城市、就业企业类别进行柱状图或者曲线图形的抽象与描述，我们可以使用软件将分析的结果可以进行可视化的展示，将数据与美观的图标完美地结合在一起，它包含非常多的预定义的图标格式，同时还可以讲时间，地图等多种维度在单一的图表中进行展示
- 以协同过滤算法为主要的个性推荐化算法
协同过滤系统是所有个性化推荐算法中运用效果和运用情况最好的，协同过滤推荐，可以完成对过滤内容的过滤和分析，分析出用户的兴趣爱好，主观特点，提高信息服务质量，根据对象的不同，协同过滤算法可以分为基于用户和基于项目的两种，我们的项目服务平台选择的是基于用户。
详细过程包括：建立评价矩阵、搜索最近邻居、产生推荐，算法公式如下
sire(a，z)表示相似度，尺表示项目评分，R和表示项目评价平均值。
- 基于模糊信息的收集用户满意度评价
模糊决策是指在模糊环境下进行决策的数学理论和方法。严格地说，现实的决策大多是模糊决策。模糊决策的研究开始较晚，但涉及的面很广，还没有明确的范围。常用的模糊决策方法有模糊排序、模糊寻优和模糊对策等。
此项目中则使用模糊决策技术，对用户进行满意度评价信息的收集，从中分析和总结系统改进的建议和目标，为长期的发展和维护作良好的铺垫，力求满足用户的需求。