基于深度学习网络的大学生就业去向跟踪模型

李春燕

（东北石油大学，黑龙江大庆 163318）

伴随高等教育改革的逐渐深入，毕业生的就业竞争逐渐增大，高校大学生的就业形势愈发严峻。大学生就业问题为中国教育领域中的重中之重，此问题对高等教育的延续、社会经济发展与人才培养均存在不可忽视的作用[1]。为了全面优化大学生就业水平与就业质量，必须全面分析大学生就业状况。大学生就业去向跟踪能够全方位掌握大学生就业趋向，分析大学生对自身的就业观[2]。以往分析大学生就业状况时，各大高校均以就业率来评价，但有研究结果显示，就业率仅可以体现毕业生在毕业之际的就业状况。高校毕业生在刚刚踏入工作岗位后，就业状态将存在一定变动性，所以就业率并不能科学、合理地体现大学生就业状况[3]。就业去向跟踪，能够在指定时间段内，持续跟踪学生就业状况，分析学生就业质量[4]。为此，该文构建基于深度学习网络的大学生就业去向跟踪模型，对大学生就业状况分析存在现实意义。

1 大学生就业去向跟踪模型的具体设计

1.1 基于粗糙集与BP神经网络的就业数据分类方法

因为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。

1.1.1 分类模型的构建

1）就业数据预处理。将大学生就业原始数据集分为条件属性集合与目标属性集合，把每个就业数据属性实施泛化，泛化是为了将大学生就业原始数据集中就业数据连续属性的取值区间分成很多小区间，各个区间存在一种离散符号[5-6]。……