基于SVM算法的精准就业服务平台研究.pdf

信息与电脑软件开发与应用Information&Computer基于 SVM算法的精准就业服务平台研究2023年第10 期彭超云1姚渺波柏忠贤？（1.温州大学，浙江温州摘要：针对当前高校毕业生就业服务的新需求，文章利用高校学生在校期间产生的海量数据，运用支持向量机（SupportVector Machine，SVM）算法构建学生就业去向预测模型，设计基于SVM算法的精准就业服务平台，实现了“精准指导”“精准匹岗”“精准培训”等功能，可为毕业生精准就业服务提供有效途径。关键词：支持向量机（SVM）算法；精准就业；预测模型；就业平台中图分类号：TP181Research on Precise Employment Service Platform Based on SVM Algorithm1325035；2.浙江传媒学院，浙江杭州文献标识码：A文章编号：10 0 3-97 6 7（2 0 2 3）10-112-0 31310018)PENG Chaoyun,YAO Miaobo,BAI Zhongxian?(1.Wenzhou University,Wenzhou Zhejiang 325035,China;2.Zhejiang Media College,Hangzhou Zhejiang 310018,China)Abstract:In response to the new demand for employment services for college graduates,this article utilizes the massivedata generated by college students during their school years to construct a student employment destination prediction modelusing Support Vector Machine(SVM)algorithm.A precision employment service platform based on SVM algorithm is designed,achieving functions such as precision guidance,precision job matching,and precision training,which can provideeffective ways for precise employment services for graduates.Keywords:Support Vector Machine(SVM)algorithm;precise employment;prediction model;employment platform0引言党的二十大报告指出，健全就业公共服务体系，完善重点群体就业支持体系，加强困难群体就业帮扶。其中，高校毕业生属于就业重点群体。据中华人民共和国教育部统计，2 0 2 3年我国高校毕业生规模预计1158 万人，同比增加8 2 万人，再创历史新高，就业形势复杂严峻。为了缓解这种压力，中华人民共和国国务院办公厅发布了国务院办公厅关于进一步做好高校毕业生等青年就业创业工作的通知教育部办公厅关于开展全国普通高校毕业生精准就业服务工作的通知等文件，要求各收稿日期：2 0 2 3-0 4-0 5基金项目：温州市基础性科研项目“基于深度学习的人才精准服务研究”（项目编号：R20210043）；教育部人文社会科学研究青年基金项目“智慧学习环境下基于群智感知的个性化资源推荐机制研究”（项目编号：19YJC880002）；浙江省教育厅教育技术重点项目“高校学生大数据模型构建及应用研究”（项目编号：RZ1804001P)。作者简介：彭超云（198 5一），女，江西九江人，硕士研究生，实验师。研究方向：人工智能教育、教育信息化、大数据应用。地各高校要充分利用短信、App、微信等渠道，建立精准就业服务平台1-2 。为了满足大学生就业服务的需求，文章面向温州大学50 0 名在校生进行调研，收回有效问卷498 份。结果显示，就业信息获取更倾向于网站、专业App或微信小程序，分别占比8 2.7 3%、7 0.2 8%，且绝大部分学生希望学校能够提供智能推荐就业岗位服务，占比93.57%。因此，利用学生在校期间产生的海量数据，并运用大数据技术构建精准就业服务数字化平台，为在校学生提供就业预测和岗位精准推送等服务，实现个性化就业指导112信息与电脑2023年第10 期Information&Computer和人岗匹配是高校就业服务的当务之急。文章拟采用机器学习支持向量机（SupportVectorMachine，SVM）算法，建立高校毕业生就业去向预测模型，研发了就业指导精准推荐功能。1数据采集与处理1.1数据采集和整理在高校毕业生毕业去向的影响研究中，学者主要从学生的教育程度、实习经历、政治面貌等方面展开3。本次主要从学生基础信息、就业能力、就业偏好等自身因素分析就业去向。其中：基础信息包括学号、性别、专业、生源地以及政治面貌等数据；就业能力包括课程成绩、课外赛事成绩、考级成绩等数据；就业偏好数据包括职业测评、就业意向调研、图书借阅等数据。本次数据来源于温州大学电子信息工程、电子信息科学与技术、计算机科学与技术等计算机相关专业的2021届毕业生，共得到2 52 名毕业生的信息，共计2 万余条数据。为了保护个人隐私，只采集学号作为学生的唯一标识，而未采集姓名等隐私数据。1.2数据预处理数据预处理是将数据进行清洗、集成、标准化及转换，并直接用于数据分析和建立模型的技术实现过程3。根据采集的毕业生数据，将数据进行清洗和标准化，结果如表1所示。2构建算法模型SVM算法是一种流行的模式识别算法，通过最大化正负样本到分类边界的间隔来构造最优分类边界4。和神经网络等算法相比，适用于小样本问题的机器学习算法可以有效解决局部极小点等问题5-。和其他模式识别算法相比，SVM的特点在于泛化能力强、预测精度不随输人维度的增加而显著下降，可有效求解高维非线性问题7 。本次拟选取温州大学2 0 2 1届计算机等相关专业毕变量类型（X)基础数据就业能力软件开发与应用业生的课程成绩、课外竞赛成绩、等级考试成绩以及获奖或荣誉等反映就业能力的核心数据，建立SVM算法预测模型，预测毕业生的就业去向（升学、求职、创业），为建设精准就业服务数字化平台、开展精准就业指导、岗位供给及技能培训等就业服务，提供决策参考，实现个性化育人。SVM算法就业去向预测模型的基本步骤如图1所示。数据集课程成绩课外竞赛成绩等级考试成绩获奖或荣誉数据预处理数据归一化fit(得到均值和方差）transform（得到归一化后的数据集）Svc.（运行支持向量机分类器）升学求职图1SVM预测算法的基本步骤第一，根据StandardScaler归一化方法预处理数据，通过ft函数计算成绩x的均值和方差，并替换训练数据。第二，通过transform函数将成绩转换成标准的正态分布。第三，同样地，对于目标（就业去向升学、求职、创业），先通过fit_transform函数计算目标y的均值和方差，再将目标转换成标准的正态分布，利用LabelEncoder函数对其进行编号，转换成连续的数值型变量。第四，开始训练，构建一个SVC分类器clf。第五，用训练数据成绩x和目标y拟合上述的分类器模型。第六，开始进行参数cV=20的2 0 折交叉验证，将数据集拆分为2 0 个部分，再用2 0 个数据集对模型进行训练和评分，最终得到2 0表1数据预处理变量名称学号性别专业生源地政治面貌课程成绩课外竞赛成绩等级考试成绩获奖或荣誉数据7创业数据处理说明一男为0，女为1非生源地就业为0，生源地就业为1非党员为0，党员为1专业课程为1，非专业课程为2；如果课程有补考，选取为及格成绩竞赛得奖一次得10 0 分，无竞赛获奖得0 分四六级成绩/7 2 0，折算成百分制获荣誉一次得10 0 分，无荣誉得0 分113信息与电脑软件开发与应用Information&Computer个交叉验证分数。第七，打印交叉验证平均值。该模型使用Python和Scikit-Learn执行任务，对温州大学2 0 2 1届毕业生2 52 名毕业生就业去向（升学、求职、创业）预测的准确率为7 9.45%。3基于SVM算法的就业服务平台设计3.1平台总体建构大学生精准就业主要体现在“精准”上，帮助大学生提高就业质量，促进大学生就业目标的实现【8 。本研究围绕就业指导、岗位供给、技能培训等就业服务的核心工作，运用SVM算法就业去向预测模型，设计“精准指导”“精准匹岗”“精准培训”3大功能模块，促进就业服务全周期数字化。平台功能设计如图2 所示。入口浙里办（学在浙江）服务端精准指导就业目标功能目标指引图模块成长途径图就业月历一人一策智能升学算法苹台图2 基于SVM算法的就业服务平台总体架构3.2功能模块设计3.2.1“精准指导”功能根据算法模型预测的就业方向精准推送给学生确认，并按升学、求职、创业3个方向设计目标指引图、成长途径图、就业日历以及一人一策等功能模块，为学生提供个性化指导。例如：对目标为“就业”的学生，系统自动推荐考公考编、政策性岗位、求职制定等个性化指导内容；对目标为“升学”的学生推荐考研考博和出国留学准备工作等内容，形成目标驱动型一人一策的指导方案。3.2.2“精准匹岗”功能打通高校就业网、政府招聘网、企业求职平台等主流招聘系统数据共享通道，集成多平台就业岗位信息，实现多源岗位“一屏汇聚”。同时，根据算法模型预测的就业去向结果和学生就业能力画像，系统进行人岗精准匹配和个性化推荐，实现就业岗位“智能匹配、精准推荐”。3.2.3“精准培训”功能根据算法模型预测的就业方向精准推荐技能培训内容。例如：就业方向预测为“升学”的学生，有针对性2023年第10 期推送考研培训和语言培训等；就业方向预测为“求职”的学生，有针对性推送面试技巧、简历包装、形式礼仪以及笔试技巧等培训内容。同时，系统提供线上报名、上课签到、考证申请等全方位服务，实现技能培训“一键申报、个性化育人”。4结语文章采用SVM算法分析了温州大学部分毕业生的数据，对升学、求职、创业3个就业去向进行预测，所得的预测结果表明SVM模型能够有效预测学生的毕业去向。SVM算法具有成熟、简单、高效的优点，能够为高校就业情况进行有效预测。但是，文章存在不足之处，例如训练样本较少，可能存在一定的偏差，下一步研究将选取更大的训练样本，考虑更多的关联因素。省政务服务网钉钉治理端精准匹岗精准培训多平台岗位集成校内外培训集成学生就业能力画像精准推送就业岗位精准推送一键申报一屏汇聚一健申报求职创业基于SVM算法的就业预测模型微信（公众号）参考文献1中华人民共和国国务院办公厅.国务院办公厅关于进一步做好高校毕业生等青年就业创业工作的通知 EB/OL.(2022-05-13)2023-03-02.https:/wwW EB/OL.(2016-04-01)2023-03-02.http:/ 0 2 2(8):12 1-12 6.2董如福，杨福华，刘红杏.用户画像在精准就业推荐服务的应用研究J.电子世界,2 0 2 2(1):8 4-8 6.4赵云.SVM算法在昂贵多目标优化问题中的应用研究D.岳阳：湖南理工学院,2 0 2 2:2 6.5邓乃扬，田英杰.数据挖掘中的新方法：支持向量机M.北京：科学出版社,2 0 0 4:13-19.6刘宇航.基于SVM的港口项目风险评估与对策优选方法研究D.大连：大连理工大学,2 0 2 2:2 3.7WU Z,ZHOU P.Feature selection of wrapper based on GAand prediction of burning through point of integrated multi-kernel support vector machineC/2021 33rd ChineseControl and Decision Conference(CCDC),2021:618-623.8苏欣.基于精准就业的大学生就业指导信息化路径探析J.吉林工程技术师范学院学报,2 0 2 2,38(8):34-37.1144一