基于智能數據信息分析的就業評估方法研究

趙瑞丹

（西安航空職業技術學院，陜西西安 710089）

傳統的就業數據來源于調查問卷（紙質或網絡），以及高校的官方統計信息。但這兩種方式均存在各自的問題，前者得到的數據較為有限，難以涵蓋全部學生，后者保證了數量，但無法顧及每個學生的就業質量[1-3]。事實表明，即使在畢業時有確定的就業崗位，但仍有大批學生對職業有了充分了解后，在一年或更短時間內更換工作。因此，合理地評估就業質量也是需要關注的重要問題[4-5]。

在高速發展的信息化時代，新的行業不斷產生，對人才的需求也迫切增加。學生就業質量的優劣，不僅能反映社會行業的發展趨勢，且可以及時地反饋給高校，從而適當地調整專業分布，提高教育水平[6-7]。

面對大量的就業數據，不僅缺少從事質量評估的專業人員，且因評估人員的水平不足導致評價結果因人而異。近年來，興起的人工智能與數據分析方法尤為適合應對此類問題。人工智能采用深度學習，可以模仿人腦對信息做出邏輯判斷，評估隱藏在數據背后的就業質量[8-9]。文中采用智能信息分析，將采集到的就業數據通過層次分析方法和單層感知器，確定每種信息每次的相應權重，最終產生對就業信息的質量評估。

1 數據采集

1.1 第一階段數據采集

數據采集包括兩個階段，第一階段采集學生畢業前的就業信息，主要內容包括6 個大類：學生個人信息（編碼A）、就業信息（編碼B）、檔案寄送地址（編碼C）、就業單位性質（編碼E）、工作性質（編碼F）、個人滿意度（編碼G1）。每個大類均包含若干小類，除填寫類信息外，選擇類信息均對應著具體的數值。

第一階段的個人滿意度取值范圍為0～100，表示學生對就業方向的滿意程度，第一階段的滿意度占比為40%。

1.2 第二階段數據采集

考慮到學生還未參與到實際工作中，對工作和前景的認知尚不充分。在就業12 個月后再采集一次就業數據，作為第一階段數據的修正與補充。第二階段的滿意度由學生了解實際工作內容及行業知識后打分，具有更高的可信度，取值范圍為0～100，占比為60%。從數據量化可以看出，第一階段的數據主要用于建立就業信息資料庫；第二階段的數據用于輸入信息分析網絡訓練集，估計出每一層數據的權重，從而實現就業質量的評估。

2 數據預處理

實際采樣到的數據無法達到理想的采樣狀態，不能直接進入訓練集中參與運算。首先對采樣數據進行預處理，其過程包括：數據提取、相關性分析與離散化、數據清洗、數據集成4 個步驟[10-13]。

2.1 信息提取

考慮采集到的原始信息為3 種格式：文本格式、表格格式和圖片格式。對于文本格式，使用Python自然語言處理，提取第一節中所述的類別信息。信息提取的基本過程，如圖1 所示。

圖1 文本類信息提取

表格類型的原始信息，多來源于院校發布，已極為接近理想的采樣狀態，直接進入下一步信息處理。

對于圖片類型的采集信息，利用Python構造信息提取算法，先調用文字識別軟件，提取圖片中的文本和圖形信息。再進一步提取和目標相關的數據，轉換為表格類型的文件。信息提取過程如圖2 所示。

圖2 圖片類信息提取

2.2 相關性分析和離散化

對于采集所給類別之外的信息，按照相關性強弱的關系將其歸納到該系統的類別中，使用互信息來衡量這種相關性，互信息的計算公式如下：

互信息可對文本特征值的相關性進行度量，將互信息值在（0.9，1）范圍內的兩種數據視為一類數據，進行合并。并將其具體值按類別的范圍歸納到相關的子類[14]。

文本類信息僅保留A、B、C 類，其余數據均將舍棄文本，保留具體的數值。大多數類型要求采樣到詳細的數值，對于單個如“好”、“差”等語言描述類的采樣數據，根據對應的取值范圍，離散化為相應的數值。

2.3 數據清洗

按A～M 的順序，檢查數據集中的數據。刪除重復項，計算數據集中的各個子類的均值和眾數。當數據集的該項缺失在30%以下時，用眾數補全缺失的數據；當缺失率達到50%～80%時，用均值補全缺失的數據；當缺失率達到80%以上時，從訓練集中刪除該子類[15]。數據的補全操作不包括A、B、C 項。

2.4 數據集成

每位學生的數據按照一個標準模板存放，稱為標準數據包。以A 項數據為每個數據包的總類，存放下屬的B～M 類樣本數據及每個樣本的值。對每個類別只保存一個子類的數值，例如H 項僅保存H1～H5 五項數據中的一項，及其對應的具體數值。

通過數據預處理可以計算出學校的就業率、升學率信息，計算公式如下：

3 質量評估模型的構建

3.1 層次分析法模型

層次分析算法包括3 個層次：最高層、最低層和中間層。最高層為要解決的問題，最低層為決策時的備選方案，中間層為決策要考慮的因素及決策的準則?；谶@三層的質量評估模型如圖3 所示。

圖3 層次分析法模型

3.2 構造判斷矩陣

使用一致矩陣法構造各類對就業質量的判斷矩陣。判斷矩陣的元素由1～9 標度法給出，表示兩個準則層的因素對于就業質量評判的重要性對比，如表1 所示。

表1 1～9標度含義

圖4 依據重要性對比構造的判斷矩陣

3.3 類別權重因子計算

為了使判斷矩陣是成對比較陣，對判斷矩陣的列求和，并將每個元素歸一化，其公式如下：

計算所有元素的和，并對每行歸一化。得到各指標對目標的權重，計算公式如下：

考慮到更換工作次數與就業質量成反向關系，且更換工作次數越多，說明就業的質量越低。因此對更換工作類單獨建立二次項模型，參與后續計算。計算得到的各類別的權重因子，如表2 所示。

表2 各類別的初始權重

更換工作類參與質量評估的選定為：

3.4 使用BP算法降低誤差

使用單隱藏層前饋網絡模型來降低質量估計的誤差，神經網絡由兩層神經元組成。輸入層接收8 個類別的采樣信息，隱藏層和輸出層為M-P 神經元，模型如圖5 所示[16]。

圖5 單隱藏層神經網絡模型

模型的隱藏層和輸出層神經元的激活函數均采用Sigmoid 函數，公式如下：

對于訓練集(xk,y)，神經網絡的輸出為：

其中，β為輸出層神經元的輸入，θ為其閾值。隱藏層神經元的輸入為wj，閾值為bj，而β可表示為：

該網絡共有8×2+8×8+1=81個參數待定，BP算法在每一輪迭代中對參數進行更新估計，更新公式為：

其中，η用于控制算法中每一次迭代的更新步長，η∈(0,1]。

BP 算法的流程總結如下：

1）輸入訓練集和學習率；

2）使用3.3 節得到的各類權值初始化w1,w2,…,w8。v1,1,v1,2,…,v8,8均初始化為0.5；

3）根據式（7）計算每個訓練樣本的神經網絡輸出；

6）根據式（13）～（16）更新神經元的連接權值及閾值；

7）重復步驟2）～6），以達到停止條件。

停止條件為使訓練集上的累計誤差最小，如式（19）所示。

4 模型仿真

文中使用Python 編寫層次分析模型和單層感知器模型，仿真的訓練集采用武漢大學發布的2019 屆畢業生就業質量報告，并加以精簡。學習率η設置為0.6，當神經網絡輸出達到穩定時，得到神經網絡的各神經元連接權值和閾值。

使用構造的質量評估模型，評估2019 年某航空職業院校的3 492 名畢業生的就業質量。其中未就業137 人，就業率為96.08%，將已就業學生的數據分兩次進行采集，經過量化和預處理以后輸入到質量評估模型中，得到如圖6 所示的專業評分數據結果。

圖6 基于該模型的某高校專業評分結果

5 結束語

文中結合機器學習和信息分析技術，為高校的就業質量評估提供一種新的方法。基于文中構建的質量評估模型得出的專業評分數據，與實際高校專業質量情況進行比較，結果基本一致，證明了該模型的可靠性。與傳統一次性信息采集不同的是，文中選擇時間間隔一年的兩次就業數據采集，且就業質量的分析主要取決于第二次數據采集。實際操作過程中，遇到了樣本較少的問題，但隨著高校對畢業生的就業信息跟蹤調查的力度加大，這一問題也將得到解決。

該系統的優點在于，采用人工神經網絡可做出接近人類思維的決策，從而降低人力成本、時間成本。且隨著樣本數據的增多和訓練集的擴展，會使評估結果更加可靠，系統的升級與誤差修正也遠比傳統質量評估系統方便、簡潔。