李兆飞，熊兴中，汤勇，Volchenkov Dimitry

（1.四川轻化工大学自动化与信息工程学院，四川 宜宾 644002；2.人工智能四川省重点实验室，四川 宜宾 644002；3.比勒费尔德大学先进认知交互技术中心，德国 比勒费尔德 D-33718）

引 言

随着20世纪90年代末中国高等教育实行扩招政策以来，高等院校毕业生数量持续增长，社会就业岗位需求相对不足，毕业生教育结构、就业观念与市场需求脱节的结构性矛盾仍然突出，毕业生就业工作面临极大压力［1］。高等院校毕业生的就业情况是国家及地方各级主管部门、学校和社会都非常关心的问题。高等院校毕业生信息数据库涵盖了高等教育环境的各个方面，能提供对各级教育机构目前状况的一个意义深远的观察，通过对其分析，可以帮助指导专业建设和有针对性的课程改革，能预测复杂的教育系统发展的未来趋势。然而，高等院校毕业生信息数据库包含海量、结构异构、不同度量和非度量的阵列统计数据，如何从这些模糊、有噪声、不完全、随机、事先无法预知却又成倍增长的潜在有用的“大数据”信息中获取有价值的知识是目前亟需解决的问题。

传统上用于高等院校毕业生就业趋势分析系统的数据处理方法，使用简单的SQL 语句进行数据库查询及基本的数据统计［2-4］，并通过简单的图表进行可视化展示。这种方法虽然便于直接比较，但并没有提供高等教育系统的综合情况，其分析方法和呈现方式单一。目前，针对毕业生就业数据挖掘较多采用的技术主要是决策树算法、神经网络算法、关联规则算法和模糊集方法等。……