大數據背景下的大學生個性化就業指導

王 密

河南牧業經濟學院，河南 鄭州 450046

在大數據這一時代背景下，社會中任意事物均可以被數據化，而數據化事物可以被進一步研究、預測、應用，為精準個性化服務實現提供支持。這種情況下，在大數據背景下，如何恰當利用大數據技術，為大學生提供更加精準、個性化的就業指導，降低大學生在人才市場中碰壁風險，幫助大學畢業季擺脫最難就業季厄運，就成為大學院校面臨的重要任務。

一、大數據背景下的大學生個性化就業指導必要性

大數據采集、大數據計算是大數據背景下大學生個性化就業指導主要用技術。

一方面，大數據采集具有采集渠道廣泛、數據資源收集便捷、數據庫容量大、數據庫保存時間長等優良特點。通過從多個渠道收集信息，可以保證創業指導方向、就業指導方向客觀、全面性，為教師授課、學生學習提供實際價值較高的預測方案［1］。

另一方面，大數據計算具有容錯能力強、計算速度快、誤差分析處理效率高等優良特點。通過大數據分析計算，可以搭建較為恰當、科學的數學模型，還原真實就業情況，保證大學生就業指導數字預測、評估的準確性［2］。

二、大數據背景下的大學生個性化就業指導平臺搭建

（一）平臺總體架構設計

大數據背景下的大學生個性化就業指導平臺本質上為一個基于Hadoop平臺的大學生個性化就業指導系統。其可以將第三方就業信息服務網絡搜集整理，結合大學生求職簡歷，為其分析個人偏好、專業水平，隨后為其推薦恰當的招聘信息。

基于大數據背景下的大學生個性化就業指導平臺主要包括基礎數據層、個性化指導層、系統展現層三個部分。其中基礎數據層主要是利用分布式數據庫HBASE，實現數據存儲。其可以存放全部從互聯網爬取的就業信息、指導結果、學生信息、學生反饋信息等，上述信息均是由分布式爬蟲Nutch，爬取第三方就業服務網站就業信息并進行網頁解析，最終儲存在分布式數據庫內；個性化指導層（邏輯層）主要是依托個性化指導引擎及Mahout、MapReduce，對數據層大量數據進行分析、計算、推理，針對每一位大學生特點，為其推薦個性化信息；系統展現層（表示層）主要包括大學生注冊、登錄、信息反饋列表等幾個部分，學生可以根據個性化指導信息，結合自身興趣度評分結果，選擇恰當方案，并反饋結果，為個性化就業指導平臺改進提供依據。

（二）個性化指導引擎及策略設計

個性化指導引擎及策略是大數據背景下大學生個性化就業指導核心，因此，為了從根本上克服個性化指導系統在實際運行中遇到的問題，可以將整個個性化指導策略劃分為離線指導部分、在線指導部分兩個部分。依據離線指導為主，在線指導為輔的原則，相輔相成，對基于內容的指導方案進行改革優化，保證離在線并行式混合指導工作順利開展［3］。

第一，在僅考慮就業信息內容本身的情況下，可以摒棄歷史評分數據，制定基于內容的分布式指導策略。即針對就業信息庫內以文本形式存儲的信息，利用TF-IDF方法，剔除高頻詞匯后，將其轉化為向量空間模型。隨后作為LDA（線性判別分析）輸入數據輸出主題集合，分別將每一條就業信息、求職信息映射到一個主題向量上。最終得到的主題向量就是大學生偏好向量，在大學生偏好向量明確之后，可以利用余弦相似性計算方法，分別對就業信息主題向量、學生求職信息主題向量進行分析。

確定大學生、就業信息相似度，根據相似度大小次序，將就業信息添加到指導方案中。

第二，除基于就業內容的指導方案外，也可以選擇基于物品的協同過濾指導方法。即提取大學生對已指導信息表達興趣度評分，以URL（統一資源定位系統）的形式，將數據庫中數據形成一條記錄。隨后構建物品的共現矩陣（部分評分列表中每一物品共同出現的次數矩陣）。綜合考慮對某一就業信息進行過評分的學生數量共現次數、對某一就業信息進行過評分的學生數量共現次數等因素，將上述因素與學生偏好向量相乘，獲得指導方案。

第三，在指導策略確定后，結合大數據背景下學生個性化就業指導需求，可以在NoSQL數據庫框架確定的基礎上，僅設計RowKey（行鍵）一個索引。依據字典順序，進行儲存，提高索引速度。同時將索引字段放在列族中，允許適當數據冗余。

（三）個性化指導平臺實現及應用

個性化就業指導平臺實現主要是通過路由器，將各個節點連接。隨后依托Web服務器，在學生端、教師端搭建信息交互橋梁。這種情況下，學生可以通過訪問Web服務器，將個人情況、反饋信息提交至Hadoop集群中。系統計算指導方案可以通過Web服務器傳遞給教師，為教師離線或在線指導提供幫助。同時基于Nutch的分布式爬蟲、離線指導，可以每間隔一定時期在Hadoop集群中運行爬取最新信息，更新每一位學生指導方案。

個性化指導平臺主要應用于往屆大學生就業情況分析、現階段就業市場情況分析、大學生就業情況分析幾個方面。

第一，往屆大學畢業生就業情況分析，明確往屆大學畢業生就業指導信息，可以為本屆大學生個性化就業指導方案優化提供依據。因此，院校應注意依托大數據平臺，對每一條往屆大學生興趣度評分、指導方案評價信息進行匯總，并將其儲存在專門的數據庫中。

第二，現階段就業市場情況分析，為了解現階段就業市場實際情況，學校應依托大數據技術，摒棄抽樣調查的方法，依托廣泛數據樣本，掌握現階段就業市場發展動態。并對當年學院各專業對口用人企業招聘人才傾向進行分析，結合本屆用人企業要求，為畢業生提供個性化就業指導。

第三，大學生專業及自身能力分析，學生專業及自身能力分析是大數據背景下大學生個性化就業指導工作開展的前提。因此，在基于大數據的大學生個性化就業指導方案應用的基礎上，院校應從大學生專業、個人介紹、求職意向、實踐經歷、實習經歷、求職信息等方面。結合系統計算的大學生特征向量信息，制定個性化就業指導策略方案。

三、大數據背景下的大學生個性化就業指導注意事項

大數據背景下大學生個性化就業指導應注意避免大數據與大學生個體脫鉤、大數據與社會實際脫鉤、大數據與真實性脫鉤等問題出現［4］。

第一，為保證大數據與大學生個體相符性，應明晰大數據背后隱藏的大學生真實行為習慣、思維方式，以引導大學生樹立正確就業觀、人生觀為核心，進行數據模型構建。

第二，基于大學生獲取信息量大、信息價值密度低、信息獲取速度快的特點，為避免大學生在互聯網中即興發布言論對個性化服務指導真實性造成影響，應注意從客觀入手，篩選較為準確、真實的大學生信息，保證大數據分析價值效應［5］。

四、總結

綜上所述，大數據是一個系統性概念，在指導大學生個性化就業方面，大數據技術的優勢主要表現在大數據采集、大數據分析計算等模塊。因此，大學院校應正確認識大數據技術在大學生個性化就業指導中應用優勢，結合本院校各專業大學畢業生就業需求，搭建適應性、個性化的大學生個性化就業指導平臺。依托大數據技術，通過廣泛數據樣本收集、計算、分析、展現，為大學生提供個性化就業指導，幫助大學生順利實現更高質量的就業。