聊城大学专科-聊城大学专科
XXX
工
学
院
学
年
论
文
作
者
:
系
(
院
):
专
业
:
题
目
:
XX
学
号：
XXX
XXX
XXXX
基于数据挖掘的大学生兼职
APP< /p>
应用设想
指导者：
XX
XX
(
姓
名
)
(
专业技术职务
)
2016
年
5
月
摘要
随着技术的高速发展，
数 据时代已经悄悄来临了。
由于技术的不断发展，
数
据库技
术也得到了不断的发展并且数据库系统在信息管理中得到了广泛的应用
,
数据库中存储的数据量急剧增大。如何从这些海量数据中发现知识
,
就引导人们< /p>
发现了数据挖掘这一技术。
数据挖掘就是从大量的数据中抽取以前未知并潜 在可
用的模式。
近年来，
中国 的社会和经济以超高速之态不断发展，
而就业压力也随之上升，
这使得兼职作为一种社会实践以及工作经历对于大学生成功就业有着重要意义。
由此发现大学生兼职已经成为一种日益普遍的现象。许多调查报告结果显示
,
中< /p>
介、校园海报、兼职网站或
APP
是大学生寻找兼职的主要 渠道
,
调查报告同时显
示了兼职种类相对比较单一
,
兼职与专业的相关度较低且科技含量不高。
本文主要研究在大数据时代下，数据挖掘在大学生兼职活动中的应用。
关键词：数据挖掘
兼职
相关度
ABSTRACT
With
the
rapid
development
of
technology,
the
data
era
has
come.
Due
to
the
continuous
development
of
technology,
database
technology
has
been
continuously
developed and the
database system has been widely used in
information management,
the
amount
of
data
stored
in
the
database
increased
dramatically.
How
to
discover
knowledge
from the massive data, and guide people to
discover the technology of data
mining.
Data mining is to extract previously unknown and
potentially useful patterns
from a
large number of data.
In recent years,
China's social and economic to ultra high speed
development,
the employment pressure is
increasing, which makes a part-time as a kind of
social
practice and work experience for
the successful employment of university students
has important significance. It has
become an increasingly common phenomenon for
college students to have part-time
jobs. Many survey report shows that intermediary,
the
campus
posters,
part-time
website
or
app
is
college
students
looking
for
part-time main channel, survey report
also shows the part-time are relatively single,
part-time and professional related
degree is low, and the scientific and
technological
content is not high.
This paper mainly studies the
application of data mining in university students'
part time activities in the era of big
data.
Keywords
：
data mining
；
part-time job
；
Correlation degree
1
绪论
数据挖掘，
同时可以理解为资料探 勘、
数据挖掘。
它是数据库知识发现中的
一个步骤。在毛
国君、段立娟、王实、石云等编著的《数据挖掘原理与算法（第
二版）
》 中
[4]
，提出了数据挖掘定义应该有广义与狭义之分。从广义
的观点，数
据挖掘是从大型数据集（可能是不完全的、有噪声的、不确定性的、各种存储
形
式的）中，挖掘隐含在其中的、人们事先不知道的、对决策有用的知识的完整过
程。
从狭义的观点上出发，
我们可以定义数据挖掘是从特定形式 的数据集中提炼
知识的过程。
数据挖掘包含了丰富的内涵，
是一个多学科交叉研究领域。
每个领
域的研究人员都从不同的角度看待
数据挖掘的概念。
所以，
面对数据挖掘的时候，
我们应该
结合具体的角度来看待数据挖掘技术。
目前
,
基于大数据模型的兼职类
APP
飞速发展
,Interne t
为兼职类
APP
提供了
快速的交易速度
和便利使传统的商务活跨越了地域的限制。另一方面
,
涉及客户
< br>端的兼职类
APP
也正在进行着巨大的革新。
如果能够跟踪 用户在
Internet
上的浏
览行为并进行模式分析<
/p>
,
这样将会缩短用户的寻找兼职的速度，并且可以为用户
提
供更好的兼职信息。基于李倩的《大学生兼职的动因分析》
[3]
，同时可以了解
现在的大量的大学生正在寻找或正在兼职的道路上，
同 时我们了解到兼职市场的
规模的大以及兼职市场的信息复杂，正需要使用数据挖掘对相应
的数据进行管
理。基于任明枢的《
Web
数据挖掘及其在 电子商务中的应用》
[2]
我们可以看到数
据挖掘在
web
以及电子商务中的应用，同时可以射影到兼职应用
< p>APP中去，看
到了数据挖掘技术在兼职类应用
AP P
中的应用前景。
本文写作的结构，从以下两个方面展
开：介绍兼职类应用
APP
以及兼职市
场前景与现状和介
绍数据挖掘的发展与技术。
1.1
研究背景
近年来，大数
据时代的到来，为人们的生活带来了不少的便利。
Internet
使
< p>计算机、网络、通信合而为一
[2]
。电子商务等
一些新概念的出现，以其巨大的社
会效益和极富挑战与机遇的内涵，
成为 信息科学中引人注意的科研课题。
然而网
络技术在快速发展中给人们带来
的快捷与便利的体验时，也带来了不少的问题：
信息量过多无法筛选；信息质量良莠不齐
；信息安全难以保证；信息形式不一，
难以处理。
智能手机也是这一时代的产物。智能手机上面拥有各种各样的
APP
应用，< /p>
包括生活、学习、娱乐等各个方面。大学生寻找兼职的方式也就变得多样性了，
不再局限于一些中介、
校园海报或口头询问了，
而是更多地进行自主 的寻找。
那
些兼职类应用
APP
也如雨后 春笋般不断地出现。面对巨大的注册用户人群以及
各种各样的兼职信息要求，
如此数据挖掘技术就成了
一个必不可少的
知识。
1.2
研究现状与发展趋势
1.2.1
国外发展现状
知识发现
( Knowledge Discovery in Databases
，
KDD)< /p>
与
DM
是数据库领域中
最重要的课题之一<
/p>
[6]
。
KDD
一词是在
1989
年
8
月于美国底特律市召开的第十一
届国际人工智能会议上正式形成的。
之后每年召开一次这样的会议，
经 过十几年
的努力，数据挖掘技术的研究已经取得了丰硕的成果。目前，对
KDD
的研究主
要
围绕理论、
技术和应用这三个方面展开。
多种理论与方法的合理整合是大多数
研究者采用的有效技术。
目前，
国外数据挖掘的最新发展主要 有对发现知识的方
法的进一步研究，如近年来注重对
Bayes(
贝叶斯
)
方法以及
Boosting
方法 的研究
和改进提高；
KDD
与数据库的紧密结合；传统的 统计学回归方法在
KDD
中的应
用。在应用方面主要体现
在
KDD
商业软件工具从解决问题的孤立过程转向建立
解
决问题的整体系统，
主要用户有保险公司、
大型银行和销售业等。
许多计算机
公司和研究机构都非常重视数据挖掘的开发应用，
IBM
和微软都相继成立了相应
的研究中心。
1.2.2
国内发展现状
与国
外相比，
国内对数据挖掘的研究起步稍晚且不成熟，
目前正处于发展阶
< p>段。
最新发展：
分类技术研究中，
试图建立其集合理 论体系，
实现海量数据处理；
将粗糙集和模糊集理论二者融合用于知识发
现；
构造模糊系统辨识方法与模糊系
统知识模型；
构造智 能专家系统；
研究中文文本挖掘的理论模型与实现技术；
利
用概念进行文本挖掘。
1.2.3
发展趋势
就目前来
看，数据挖掘的几个研究热点主要包括数据流挖掘、文本挖掘、
Web
挖 掘、及生物信息数据挖掘四个方面
[1]
。
随着越来越多的业务需求被不断开拓，
数据挖掘已成功 应用于社会生活的方
方面面，目前在很多领域如商业、医学、科学研究等均有不少成功的
应用案例。
为了提高系统的决策支持能力，
像
ERP
、
SCM
、
HR
等一些应用系统也逐渐 与数据
挖掘集成起来。多种理论与方法的合理整合是大多数研究者
采用的有效技术。
以下是未来比较重要的数据挖掘发展趋势：
(1)
数据挖掘技术与特定商业逻辑的平滑集成问题；
(2)
数据挖掘技术与特定数据存储类型的适应问题；
(3)
大型数据的选择与预处理问题；
(4)
数据挖掘系统的构架与交互式挖掘技术；
(5)
数据挖掘语言与系统的可视化问题；
(6)
数据挖掘理论与算法研究；
(7)
与数据库数据仓库系统集成；
(8)
与语言模型系统集成；
(9)
挖掘各种复杂类型的数据；
(10)
支持移动环境；
1.3
本文的基本工作
（<
/p>
1
）讨论了数据挖掘技术的发展与现状
[2]
（
2
）讨论了大学生兼职这一现象的现状
（
3
）讨论了数据挖掘在大学生兼职活动中的应用
（
4
）总结了数据挖掘对于大学生兼职的重要 性
2
大学生兼职活动的现状
大学生庞大的群体，
让很多的商业人士看到了其中的商业利润，
纷纷投入兼
职产品的开发与使用。市面上大大小小的兼职类
APP
存在有几百种，上规模的
就有一百种左右。
2.1
大学生兼职的因素
（
1
）经济压力
我国高等教育从
1949
年到如今的数几十年
,
家庭教育支出倍增
,
而据国家统
计局数据为例
年全国农村居民人均纯收入实际增长
6.8%,
远 远低于家庭教
育支出
20%
多的增长率
!
学生为减轻家庭负担
,
便产生了出外兼职挣钱的考虑。
< p>
并且在大学生这一年轻群体中，
他们接受新鲜事物的能力都高于其 他的年龄
群体，
所以他们每月或者每一段时间就会花费一定的费用在这上 面，
为了能够支
持自己的消费就需要自己进行兼职活动获得除了父母给予
的生活费之外的收入
（
2
）就业压力
大学生是一个庞大的群体，
每年的应届毕业生都面对着严峻的就业形势。
尤
[3]
其是近几年的高等教育扩招
，这一举动满足了 未来市场对高层次人才的需求
,
另一方面适应了新经济的要求。
尽管这种教育消费的增加正在拉动我国居民的消
费水平
,
但无疑也加剧了岗位间的竞争
,
这种竞争使得大学生无法很好的预计自
己的将来
,
这种对未来的紧张感使得大学生在求学期间早早的就参加了社会实
践
,
期望为自己的未来岗位积累更多的资本。
所以他们也会利用空余时间进 行兼
职。
（
3
）社交需求
随着社会的进步，
有很多的观念也在进步。
很多人认为当今的学生没有过去
的学生好学刻苦
,
这样的评论是不负责的。在九十年代以前
,
大学教育作为我国
的行政职责
,
每一个大学生在入学时就有编制
,
学费由国家全额负担
,
生活费也
由国家承担一部分
,
毕业后完 全由国家的分配就业。
在求学期间就完全不存在兼
职的现象
,
甚至十分抵触这种现象。可是时代变迁
,
在市场经济的发展中
,
学生
要适应社会的发展和要求
,
要不断的培养自身综合能力的发展
,
积极参加社会实
践已经成为了主流选择
,
这就好比是企业中的跳槽现象
,
对其作应不应该和允不
允许的评价是过时的、
没有价值的。
同时现在的大学生都有表现自 身优势的特点
以及需要，
他们需要拓展自己的人脉圈，
接 触社会上的各类人群，
以有限的时间
丰富自身的经历。
2.2
大学生兼职的现状
在对
大学生是否参与过兼职或正在兼职的一项调查中中发现
:
在被调查对象
< p>中
,
各年级参与兼职的情况有所不同
,
一年级学生“参与兼职”比例相对比较小
,
占总体被调查对象的
57.8%,
“没参与兼职”比例占总体一年级被调查对象的
4
2.2%
；二年级“参与兼职”占年级总体被调查对象的
86.4%,
< p>三年级“参与兼职”
占年级总体被调查对象
96.0%,
< p>“参与兼职”的比例最高
[5]
；四年级兼职的人的比
例又略微有下降
,
为
90.6%
。
这样的数据反映了，
在大学生群体中，
对于兼职的接
受度还是较高的。
目前在校大学生获得兼职的途径主要
是通过社会中介机构、
网络信息、
熟人
介绍、学校勤工俭
学组织等方式来寻找到兼职工作。调查结果显示
,
大学生寻找
兼职的主要途径是：中介介绍，占总体调查对象的
20.8%
；网络信息，占 总体被
调查对象的
35.5%
；熟人介绍，占总体被调查 对象的
27.3%
；比例比较小的是通
过学校勤工助学组
织，占总体被调查对象的
10.4%
；以及其他方式的，占总体被
调查对象的
8%
。
这些数据反
应了，
大学生获得兼职信息的来源途径也是与时俱进的。
并且在
< br>
天津大学新校区图书馆-天津大学新校区图书馆
一年级大学季邢菲-一年级大学季邢菲
利兹大学新闻-利兹大学新闻
人民大学人事-人民大学人事
大学入学报到-大学入学报到
厦门大学 路线-厦门大学 路线
大学的出国班-大学的出国班
新疆大学网络-新疆大学网络
-
上一篇：兼职承诺书
下一篇：大学生自我评价模板是怎样的