基于數(shù)據(jù)挖掘的失業(yè)人員再就業(yè)預(yù)測(cè)模型研究.pdf

1、實(shí)現(xiàn)充分就業(yè)是近年來(lái)我國(guó)的一個(gè)工作重點(diǎn),雖然各級(jí)政府和社會(huì)各界對(duì)就業(yè)工作十分重視,并探索出許多有益的經(jīng)驗(yàn),但隨著城鎮(zhèn)化、工業(yè)化、經(jīng)濟(jì)成分多元化和就業(yè)形式多樣化,勞動(dòng)關(guān)系將更趨復(fù)雜,就業(yè)形勢(shì)將更為嚴(yán)峻。充分就業(yè)是現(xiàn)代國(guó)家宏觀經(jīng)濟(jì)的重要目標(biāo)之一。 本文為2007年摩浙江省科技廳支撐和引導(dǎo)計(jì)劃面上項(xiàng)目--《基于網(wǎng)格的分布式勞動(dòng)力市場(chǎng)決策支持系統(tǒng)》的核心研究?jī)?nèi)容,主要研究面向勞動(dòng)力市場(chǎng)決策支持的功能層,即建立符合國(guó)內(nèi)實(shí)際情況的勞動(dòng)力需求

2、、供給等模型庫(kù)和方法庫(kù)。失業(yè)人員并不是完全被動(dòng)的承受者,有必要從微觀層面出發(fā),對(duì)個(gè)體的選擇行為進(jìn)行剖析。因此,本文從研究國(guó)內(nèi)外失業(yè)理論和發(fā)展、我國(guó)就業(yè)和失業(yè)特征、現(xiàn)狀、存在問(wèn)題和解決辦法等入手,通過(guò)總結(jié)和分析,對(duì)我國(guó)失業(yè)再就業(yè)突出問(wèn)題：勞動(dòng)力供需、失業(yè)率、再就業(yè)困難程度進(jìn)行了深入探索。應(yīng)用數(shù)據(jù)挖掘等技術(shù)和方法構(gòu)建了基于趨勢(shì)模式的勞動(dòng)力供需時(shí)間序列預(yù)測(cè)模型、基于競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的失業(yè)預(yù)警模型和基于聚類的失業(yè)人員再就業(yè)困難程度評(píng)分評(píng)級(jí)模型。

3、 基于趨勢(shì)模式的勞動(dòng)力供需時(shí)間序列預(yù)測(cè)模型利用基于趨勢(shì)模式的時(shí)間序列挖掘算法TTSDM將時(shí)間序列轉(zhuǎn)換成時(shí)間子序列數(shù)據(jù)集以提取序列模式,進(jìn)行基于置信度的時(shí)序趨勢(shì)模式預(yù)測(cè)?；诟?jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)的失業(yè)預(yù)警模型利用基于LVQ的層次化組合算法SOM-LVQ使分類邊界得以收縮而更加準(zhǔn)確；而由SOM作為啟發(fā)式過(guò)程初始化LVQ的權(quán)值,提升了LVQ算法整體性能。基于聚類的失業(yè)人員再就業(yè)困難程度評(píng)分評(píng)級(jí)模型利用K-Means聚類算法對(duì)評(píng)分結(jié)果自動(dòng)聚類,得到

4、再就業(yè)困難程度分級(jí),有效的解決了傳統(tǒng)評(píng)級(jí)方法均方差,分界值確定難的問(wèn)題。為了提高聚類性能,解決局部極小解,確定K-Means聚類算法初值的選取問(wèn)題,提出一種新的基于距離的初始化方法,它不需要設(shè)定門(mén)限,不受數(shù)據(jù)集的順序影響,而且對(duì)孤立點(diǎn)和噪聲有較強(qiáng)的抑制能力。本文以杭州市勞動(dòng)和社會(huì)保障局人力資源系統(tǒng)數(shù)據(jù)和杭州市2006統(tǒng)計(jì)年鑒數(shù)據(jù)為樣本輸入和局部利用開(kāi)源數(shù)據(jù)挖掘軟件Weka進(jìn)行模型實(shí)證分析。這些預(yù)測(cè)預(yù)警模型,為幫助失業(yè)人員再就業(yè),提高社會(huì)