基于k—means和關(guān)聯(lián)度分析的網(wǎng)絡(luò)招聘信息數(shù)據(jù)挖掘

章胤++趙文慧++包恒玥++李亞健++周克強(qiáng)

摘 要：本文基于K-means算法對(duì)網(wǎng)絡(luò)招聘數(shù)據(jù)進(jìn)行聚類分析，并運(yùn)用關(guān)聯(lián)規(guī)則對(duì)大數(shù)據(jù)和IT行業(yè)進(jìn)行關(guān)聯(lián)預(yù)測(cè)。從分析結(jié)果可知，學(xué)歷和經(jīng)驗(yàn)直接影響薪資水平，且金融銀行職業(yè)類型的平均薪資水平在所得分類中最高，同時(shí)也得到大數(shù)據(jù)和IT行業(yè)對(duì)學(xué)歷要求較高，其占總體職業(yè)類型比例有增加趨勢(shì)。

關(guān)鍵詞：網(wǎng)絡(luò)招聘；數(shù)據(jù)挖掘；聚類算法；關(guān)聯(lián)度分析

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

3.4 聚類分析

在完成文本信息向量化處理后，使用統(tǒng)計(jì)分析軟件SAS中IML模塊進(jìn)行矩陣化運(yùn)算[5]，通過(guò)對(duì)K-means聚類算法的研究和應(yīng)用[6，7]，得到關(guān)于職業(yè)類型的聚類結(jié)果，我們對(duì)經(jīng)過(guò)聚類分析的數(shù)據(jù)進(jìn)行挖掘，便可以得到網(wǎng)絡(luò)招聘信息中關(guān)于職業(yè)類型、薪資、地域、學(xué)歷和工作經(jīng)驗(yàn)的知識(shí)模式。

4 結(jié)果分析和預(yù)測(cè)（Interpretation of result and

prediction）

4.1 對(duì)整體數(shù)據(jù)進(jìn)行分析和挖掘

（1）通過(guò)北上廣職業(yè)分布和大長(zhǎng)福職業(yè)分布詞云圖（圖1和圖2）對(duì)比可以得出：

相同點(diǎn)：銷售行業(yè)在兩類城市占比最高，依此可以推斷出在全國(guó)范圍內(nèi)，銷售行業(yè)仍然占據(jù)主流招聘人群。

不同點(diǎn)：一線城市中除銷售相關(guān)職業(yè)外，“PHP”“.NET”

“JAVA”“UI設(shè)計(jì)師”“iOS”“C++”等詞出現(xiàn)頻數(shù)較大，直接說(shuō)明了大數(shù)據(jù)和IT相關(guān)職業(yè)在一線城市的興起和熱門，而二線城市各個(gè)行業(yè)需求較銷售都比較小，借此推斷高端技術(shù)的需求量和城市類型有一定關(guān)系。

（2）對(duì)比兩類城市的學(xué)歷、經(jīng)驗(yàn)分別與平均薪資的分布圖（圖3和圖4）可以看出，無(wú)論是哪類城市，隨著學(xué)歷的提高，薪資水平提高明顯；隨著工作經(jīng)驗(yàn)的豐富，薪資水平同樣提高明顯。

所以我們有理由得出：工作經(jīng)驗(yàn)和學(xué)歷都與薪資水平呈正相關(guān)系，即隨著學(xué)歷的提高和經(jīng)驗(yàn)的豐富，薪資水平提高明顯。

（3）通過(guò)聚類結(jié)果，得到關(guān)于職業(yè)類型和對(duì)應(yīng)的平均薪資待遇的表格（表1）。

通過(guò)對(duì)上述平均薪資狀況的對(duì)比得知：金融銀行業(yè)相應(yīng)職位平均薪資最高，其次是要求專業(yè)技術(shù)較高的互聯(lián)網(wǎng)通訊行業(yè)平均薪資條件優(yōu)秀，其余產(chǎn)業(yè)薪資水平接近，但是鑒于職位供應(yīng)地區(qū)是一二線城市。所以數(shù)據(jù)顯示薪資水平與實(shí)際相比較為合理。

4.2 大數(shù)據(jù)和IT行業(yè)的預(yù)測(cè)

鑒于近年來(lái)大數(shù)據(jù)和IT行業(yè)的崛起，高精尖產(chǎn)業(yè)和職業(yè)的興起已經(jīng)成為了當(dāng)今社會(huì)的主流走向，所以對(duì)這類行業(yè)進(jìn)行分析更有價(jià)值。

（1）通過(guò)對(duì)這類專業(yè)招聘信息和總體招聘信息對(duì)比，得出大數(shù)據(jù)相關(guān)職業(yè)所占百分比條形圖（圖5）。通過(guò)對(duì)圖表信息的解讀，我們可以得到三點(diǎn)結(jié)論：

大數(shù)據(jù)相關(guān)職業(yè)招聘比例在2016年9月開(kāi)始快速增長(zhǎng)，到2017年2月開(kāi)始放緩增長(zhǎng)速度，但是仍然以一種放緩的趨勢(shì)增長(zhǎng)。

根據(jù)上圖所示，大數(shù)據(jù)相關(guān)職業(yè)招聘比例最大的三個(gè)月份是2016年8月、2017年3月和2017年4月，結(jié)合實(shí)際分析，可以得出每年的這兩個(gè)季度是大學(xué)生畢業(yè)求職的高峰期，也是傳統(tǒng)意義上的秋招和春招，側(cè)面說(shuō)明了大數(shù)據(jù)行業(yè)對(duì)于學(xué)歷要求和能力要求較高。所以集中大學(xué)生畢業(yè)求職期間發(fā)布招聘信息。

對(duì)比2016年8月和2017年4月數(shù)據(jù)可以得出，大數(shù)據(jù)行業(yè)正在逐漸增長(zhǎng)所占比重。因此可以認(rèn)為短期內(nèi)，大數(shù)據(jù)相關(guān)行業(yè)所占比重在未來(lái)短期內(nèi)會(huì)持續(xù)上升。

（2）我們針對(duì)從整體數(shù)據(jù)中篩選出的大數(shù)據(jù)和IT行業(yè)的招聘信息數(shù)據(jù)的分析，得到關(guān)于大數(shù)據(jù)和IT行業(yè)的學(xué)歷與經(jīng)驗(yàn)要求柱形圖（圖6和圖7），從圖像中我們可以得到如下結(jié)論：

根據(jù)圖6得出，大數(shù)據(jù)和IT行業(yè)需求學(xué)歷更高，半數(shù)以上的最低學(xué)歷要求是本科，?？萍耙陨蠈W(xué)歷占據(jù)絕大部分比例。說(shuō)明這個(gè)行業(yè)對(duì)人才的要求更高，所以相對(duì)應(yīng)聘者來(lái)說(shuō)除專業(yè)適合以外，學(xué)歷要求門檻也較高。

根據(jù)圖像可以看出，經(jīng)驗(yàn)要求大部分集中于經(jīng)驗(yàn)三年以下和不限經(jīng)驗(yàn)。參考社會(huì)大背景下，大數(shù)據(jù)和IT行業(yè)較傳統(tǒng)工商業(yè)起步晚，說(shuō)明現(xiàn)有供給量已經(jīng)無(wú)法滿足日益增長(zhǎng)的需求量，基于此原因出現(xiàn)了經(jīng)驗(yàn)要求低的現(xiàn)狀。

結(jié)合以上兩點(diǎn)，我們大膽預(yù)測(cè)市場(chǎng)急需關(guān)于大數(shù)據(jù)和IT行業(yè)的人才，正處于求大于供的階段，而且學(xué)歷越高、經(jīng)驗(yàn)越多的人才薪資待遇越好。

（3）通過(guò)對(duì)編碼后各指標(biāo)之間的關(guān)聯(lián)規(guī)則進(jìn)行挖掘，結(jié)果顯示圖如圖8所示。

其中編碼對(duì)應(yīng)文本信息為：

c1=北京；c2=上海；c3=廣州；c4=大連；c5=長(zhǎng)沙；c6=福州。

s1=0-5k；s2=5-10k；s3=10-15k；s4=15-20k；s5=20-25k；s6=25-30k；s7=30k以上。

e1=高中以下；e2=大專以下；e3=大專；e4=本科；e5=碩士；e6=不限；e7=其他。

w1=一年以下；w2=1-3年；w3=4-5年；w4=5年以上；w5=其他。

通過(guò)圖8的結(jié)果表示，在所有的大數(shù)據(jù)和IT相關(guān)職位中，存在的關(guān)聯(lián)規(guī)則如下：

（1）如果一個(gè)企業(yè)在長(zhǎng)沙，且要求學(xué)歷是大專，工作經(jīng)驗(yàn)一年以下，那么這家企業(yè)95.54%的概率提供平均薪資為0—5k。

（2）如果一個(gè)在北京的企業(yè)提供平均薪資為20k—25k，且要求工作經(jīng)驗(yàn)是4—5年的人才，則有85.7%的概率需要最低學(xué)歷為本科。

5 結(jié)論（Conclusion）

數(shù)據(jù)挖掘是一項(xiàng)綜合技術(shù)，熟悉運(yùn)用數(shù)據(jù)挖掘技術(shù)可以得到許多有價(jià)值的信息，通過(guò)對(duì)網(wǎng)絡(luò)招聘信息的分析與挖掘可以得到學(xué)歷和經(jīng)驗(yàn)直接影響薪資水平，各類型職業(yè)的平均薪資狀況，而且有針對(duì)性的對(duì)大數(shù)據(jù)和IT行業(yè)的行業(yè)現(xiàn)狀分析，得出了相關(guān)行業(yè)有較大缺口，正處于求大于供的階段。通過(guò)對(duì)大數(shù)據(jù)和IT相關(guān)信息的挖掘，得出在置信度很高的關(guān)聯(lián)規(guī)則下的解讀信息。本文針對(duì)大數(shù)據(jù)和IT行業(yè)著重進(jìn)行分析和挖掘，并沒(méi)有得到所有職業(yè)類型數(shù)據(jù)信息，這是本文存在的不足之處，同樣也是我們下一步的研究方向。

參考文獻(xiàn)（References）

[1] 趙鵬.企業(yè)網(wǎng)絡(luò)招聘的現(xiàn)狀與對(duì)策研究[J].人力資源，2016，

11：145.

[2] Benites，et al.Evaluation of Hierarchical Interestingness Measures for Mining Pairwise Generalized Association Rules[J].IEEE TRANSACTIONSON KNOWLEDGE AND DATA ENGINEERING，2014，26（12）：3014-3015.

[3] Erkens，et al.Improving collaborative learning in the classroom：Text mining based grouping and representing[J].International Journal of Computer Supported Collaborative learning，2016，11（4）：389-391.

[4] 田瑞.針對(duì)特定主題的短文本向量化[J].軟件，2012，33（11）：

202-203.

[5] 張曉冉.統(tǒng)計(jì)分析及其SAS實(shí)現(xiàn)[M].北京：清華大學(xué)出版社，2011.

[6] Chen，et al.Discriminative Hierarchical K-Means Tree for Large-Scale Image Classification[J].IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS，2015，26（9）：2200-2202.

[7] Liu，X&Li，M.A Predictive Fault Diagnose Method of Wind Turbine Based on K-Means Clustering and Neural Networks[J].JOURNAL OF INTERNET TECHNOLOGY，2016，17（7）：1521-1528.

作者簡(jiǎn)介：

章 胤（1978-），男，碩士，講師.研究領(lǐng)域：微分方程數(shù)值解，數(shù)學(xué)建模.

趙文慧（1996-），女，本科生.研究領(lǐng)域：應(yīng)用統(tǒng)計(jì)和大數(shù)據(jù)分析.

包恒玥（1995-），女，本科生.研究領(lǐng)域：應(yīng)用統(tǒng)計(jì)和大數(shù)據(jù)分析.

李亞?。?995-），男，本科生.研究領(lǐng)域：應(yīng)用統(tǒng)計(jì)和大數(shù)據(jù)分析.

周克強(qiáng)（1995-），男，本科生.研究領(lǐng)域：應(yīng)用統(tǒng)計(jì)和大數(shù)據(jù)分析.