关于网络招聘信息的数据挖掘分析--以数据相关类职位为例
| 内容摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.2.1 研究目的 | 第11页 |
| 1.2.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 网络招聘研究现状 | 第12-13页 |
| 1.3.2 数据挖掘研究现状 | 第13-14页 |
| 1.4 研究内容与方法 | 第14页 |
| 1.4.1 主要研究内容 | 第14页 |
| 1.4.2 拟采用的研究方法 | 第14页 |
| 1.5 本文的创新之处 | 第14-16页 |
| 第2章 数据挖掘的基本理论 | 第16-24页 |
| 2.1 数据挖掘概述 | 第16-18页 |
| 2.1.1 数据挖掘的定义 | 第16页 |
| 2.1.2 数据挖掘过程 | 第16-17页 |
| 2.1.3 数据挖掘方法 | 第17-18页 |
| 2.2 关联规则 | 第18-21页 |
| 2.2.1 关联规则的相关概念 | 第18-19页 |
| 2.2.2 Apriori算法 | 第19-21页 |
| 2.3 文本分析 | 第21-24页 |
| 2.3.1 文本分析的基本流程 | 第21-22页 |
| 2.3.2 中文分词 | 第22-23页 |
| 2.3.3 文本挖掘的常用方法 | 第23-24页 |
| 第3章 网络招聘信息数据的探索性分析 | 第24-40页 |
| 3.1 数据的预处理过程 | 第24-25页 |
| 3.1.1 数据来源 | 第24页 |
| 3.1.2 数据清洗 | 第24-25页 |
| 3.2 数据结构 | 第25-26页 |
| 3.3 区位分布 | 第26-30页 |
| 3.3.1 城市区位分布 | 第26-29页 |
| 3.3.2 区位划分与X线城市划分 | 第29-30页 |
| 3.4 学历与工作经验要求 | 第30-31页 |
| 3.5 薪资待遇 | 第31-35页 |
| 3.5.1 薪资待遇与学历 | 第32页 |
| 3.5.2 薪资待遇与工作经验 | 第32-33页 |
| 3.5.3 薪资待遇与区位 | 第33-34页 |
| 3.5.4 薪资待遇与区位划分、X线城市划分 | 第34页 |
| 3.5.5 薪资待遇与学历、工作经验 | 第34-35页 |
| 3.6 行业、职位大类、职能类别 | 第35-40页 |
| 3.6.1 行业、职位大类与职能类别关系 | 第35-37页 |
| 3.6.2 公司所属行业的薪资分布 | 第37-38页 |
| 3.6.3 职位类型的薪资分布 | 第38-39页 |
| 3.6.4 行业-职位类型的薪资分布 | 第39-40页 |
| 第4章 基于聚类分析与关联规则的企业画像 | 第40-50页 |
| 4.1 企业聚类 | 第40-41页 |
| 4.2 关联规则的生成 | 第41-42页 |
| 4.3 招聘企业的个性化招聘要求 | 第42-45页 |
| 4.3.1 一类企业关联规则 | 第42-44页 |
| 4.3.2 三类企业关联规则 | 第44-45页 |
| 4.4 企业招聘的共性招聘特征 | 第45-47页 |
| 4.5 企业画像 | 第47-50页 |
| 4.5.1 企业面貌画像 | 第47-48页 |
| 4.5.2 企业性格画像 | 第48-49页 |
| 4.5.3 企业招聘共性特征总结 | 第49-50页 |
| 第5章 网络招聘信息的文本分析 | 第50-59页 |
| 5.1 文本数据预处理 | 第50-53页 |
| 5.1.1 中文分词的两种软件比较 | 第50-51页 |
| 5.1.2 jieba文本分词 | 第51页 |
| 5.1.3 自定义词典与人工去停词 | 第51-53页 |
| 5.2 关键词提取与词频生成——岗位职责技能分析 | 第53-55页 |
| 5.3 三类企业的岗位职责描述的词云图 | 第55-57页 |
| 5.4 福利待遇的词云图 | 第57-59页 |
| 第6章 总结与展望 | 第59-63页 |
| 6.1 总结 | 第59-61页 |
| 6.1.1 招聘的相关结论 | 第59-60页 |
| 6.1.2 针对求职者的求职建议 | 第60-61页 |
| 6.1.3 学校的培养建议 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 附录 | 第63-67页 |
| 参考文献 | 第67-70页 |
| 后记 | 第70页 |
