摘要
大学生就业跟踪是高等教育质量管理工作的核心,针对大学生毕业后就业去向的多变性,构建了基于深度学习网络的大学生就业去向跟踪模型.考虑到各大高校毕业生人群中存在尚未工作的学生,所以使用基于粗糙集与BP神经网络的就业数据分类方法,筛选大学生就业数据,获取已就业大学生的就业数据;将该数据应用于基于马尔科夫过程的大学生就业移动预测模型,预测大学生就业岗位转移次数、就业岗位状态,实现大学生就业去向跟踪.实验结果表明,该模型对北京市"对外经济贸易大学"2017届某本科生在2018-2019年就业去向的跟踪结果和实际就业状况完全匹配,与其他模型相比,该模型更适用于大学生就业去向跟踪.
NETL
NSTL
维普
万方数据