| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外数据挖掘研究现状 | 第11-12页 |
| 1.2.2 国内数据挖掘研究现状 | 第12-13页 |
| 1.2.3 数据挖掘在大学生就业中的研究现状 | 第13页 |
| 1.3 论文研究内容与组织结构 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 论文组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 相关研究基础 | 第16-23页 |
| 2.1 数据挖掘的相关理论 | 第16-20页 |
| 2.1.1 数据挖掘的定义 | 第16页 |
| 2.1.2 数据挖掘模型及方法 | 第16-19页 |
| 2.1.3 数据挖掘的步骤 | 第19-20页 |
| 2.2 决策树分类方法 | 第20-22页 |
| 2.2.1 决策树的概念 | 第20页 |
| 2.2.2 决策树的生成 | 第20-21页 |
| 2.2.3 典型的决策树算法 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 大学生就业预测模型数据准备及属性相关性分析 | 第23-36页 |
| 3.1 大学生就业影响因素研究综述 | 第23-24页 |
| 3.2 研究对象及挖掘目标确定 | 第24-25页 |
| 3.3 数据预处理 | 第25-30页 |
| 3.3.1 数据采集 | 第25-26页 |
| 3.3.2 数据集成 | 第26-28页 |
| 3.3.3 数据转换 | 第28-29页 |
| 3.3.4 数据清洗 | 第29-30页 |
| 3.4 大学生就业影响属性相关性分析 | 第30-35页 |
| 3.4.1 大学生就业影响属性相关分析法 | 第30-31页 |
| 3.4.2 影响大学生是否能顺利就业的属性相关分析 | 第31-33页 |
| 3.4.3 影响大学生就业地区选择的属性相关分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于决策树算法的大学生就业预测模型构建 | 第36-48页 |
| 4.1 大学生就业预测模型概述 | 第36页 |
| 4.2 大学生就业预测模型的构建 | 第36-44页 |
| 4.2.1 C4.5算法介绍 | 第37页 |
| 4.2.2 大学生就业预测模型的构建过程 | 第37-42页 |
| 4.2.3 大学生就业预测工具的研制 | 第42-44页 |
| 4.3 大学生就业预测模型分类规则的提取 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 大学生兢业预测模型评估及应用分析 | 第48-60页 |
| 5.1 大学生就业预测模型的预测准确率分析 | 第48-51页 |
| 5.2 大学生就业预测模型的因子分析 | 第51-53页 |
| 5.2.1 基于信息增益率的因子分析法 | 第51-52页 |
| 5.2.2 大学生“是否能顺利就业”预测模型的因子分析 | 第52-53页 |
| 5.2.3 大学生“就业地区”预测模型的因子分析 | 第53页 |
| 5.3 基于大学生就业预测模型的案例分析 | 第53-57页 |
| 5.3.1 案例数据准备及预测处理 | 第54-56页 |
| 5.3.2 预测结果统计及分析 | 第56-57页 |
| 5.4 促进大学生就业的相关决策与建议 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 总结和展望 | 第60-62页 |
| 6.1 论文总结 | 第60-61页 |
| 6.2 研究局限与展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间参与项目及科研成果 | 第65-66页 |
| 致谢 | 第66页 |