大学生信息管理及就业预测系统的设计与实现

发布时间：2023-04-08 00:59

　　从2010年开始应届毕业生的人数每年都屡创新高,与此同时就业率从2015年开始持续下降。应届毕业生的就业压力越来越来大的同时,企业却时常抱怨招不到合适的人才。这中间存在的巨大的信息差异,在当前各级高校都已全面普及学生信息管理电子信息化的前提下,利用人工智能技术对学生信息加以分析预测,为其提供可靠的就业定位参考,可以有效缓解当前用工就业紧张局势。学生信息管理是各大学的主要日常管理工作之一,涉及到校、系、师、生的诸多方面,随着教学体制的不断改革,尤其是学分制、选课制的展开和深入,学生成绩日常管理工作及保存管理日趋繁重、复杂;同时随着就业形势的不断变化,国家经济转型和国内产业结构调整,新兴企业的需求量不断上升,传统企业的需求固话,对学生就业分析的预测系统在高校就业工作中开始崭露头角,同时随着国外神经网络技术的飞速发展,大数据和云计算的价值和作用开始体现出来。因此我们利用当前最成熟的Java语言编写学生信息管理系统,以MySQL存储数据,以Web应用的形式进行信息系统的管理,并利用机器学习和深度学习,对在校生进行职业推荐。

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 项目背景
        1.1.1 信息管理系统
        1.1.2 就业难度增大
        1.1.3 就业难度增大的形成原因
        1.1.4 就业现状
    1.2 现有技术的发展现状
        1.2.1 人工神经网络发展现状
        1.2.2 推荐系统发展现状
    1.3 本文的研究意义
第二章 需求分析与项目基础
    2.1 用户实际需求描述
    2.2 用户用例需求描述
        2.2.1 用户划分
        2.2.2 用户用例分析
    2.3 业务流程分析
    2.4 项目需求
        2.4.1 总体需求
        2.4.2 功能需求
    2.5 系统开发相关技术
        2.5.1 MySQL
        2.5.2 Java
        2.5.3 Python
第三章 系统总体设计
    3.1 系统总体架构
    3.2 数据库的架构
    3.3 数据流图
    3.4 就业推荐工作流程
第四章 信息管理模块的设计与实现
    4.1 引言
    4.2 前端页面的设计
    4.3 数据库设计
        4.3.1 数据库ER图
        4.3.2 数据仓库表设计
        4.3.3 数据字典
        4.3.4 类对象设计
        4.3.5 后端实现
第五章 就业推荐引擎的设计与实现
    5.1 引言
    5.2 数据预处理
        5.2.1 预处理的重要性
        5.2.2 预处理步骤
        5.2.3 第三方数据来源
        5.2.4 数据清洗举例
        5.2.5 特征工程举例
    5.3 推荐模型
        5.3.1 XGBoost推荐模型
        5.3.2 Wide&Deep模型
        5.3.3 模型融合
第六章 系统的设置与测试
    6.1 实验设计
    6.2 实验数据
    6.3 实验步骤
    6.4 实验结果
        6.4.1 信息模块实验结果
        6.4.2 推荐引擎实验结果
第七章 总结与展望
    7.1 总结
    7.2 展望
致谢
参考文献



本文编号：3785678