Hans Journal of Data Mining 数据挖掘, 2024, 10(3), 176-182
Published Online July 2024 in Hans. http://www.hanspub.org/journal/hjdm https://doi.org/10.12677/hjdm.2024.103018
Talent Information Flow Analysis System Based on Big Data
Zhi Sui, Jie Cao, Liwen Wang
Institute of Information Engineering, Xuzhou University of Technology, Xuzhou Jiangsu
Received: Apr. 29, 2024; accepted: May 14, 2024; published: May 25, 2024
ththth
Abstract
The talent information flow analysis system based on big data systematically collects the basic talent information of the region. After sorting, the economic characteristics of the floating population in-clude variables such as employment status, occupational attributes, unit nature, employment in-come and housing expenditure [1]. The main factors of these influences are extracted, and the com-mon attributes are extracted. They can be classified according to the regional characteristics, eco-nomic impact, time, gender and other factors during the flow of talents. They can be simply divided into stable talents, mobile talents, and regression talents as the flow of talent information. The training sample set based on k-nearest neighbor algorithm analyzes the newly imported talent in-formation, divides the talents into different categories, provides data support for decision makers, and the talent information flow analysis system based on big data provides decision makers with a visual, convenient and efficient analysis system. The system design uses UML use case diagrams for software requirements analysis, and the software system design uses package diagrams for software system design.
Keywords
Talent Information Flow, k-Nearest Neighbor Algorithm, Data Support, UML
基于大数据的人才信息流向分析系统
睢 治，曹 杰，王立文
徐州工程学院信息工程学院，江苏 徐州
收稿日期：2024年4月29日；录用日期：2024年5月14日；发布日期：2024年5月25日
摘 要
基于大数据的人才信息流向分析系统对地区的基本人才信息进行系统的收集、整理后，流动人口的经济特征包括就业身份、职业属性、单位性质、就业收入与住房支出等变量[1]，将这些影响的主要因素提取，
文章引用: 睢治, 曹杰, 王立文. 基于大数据的人才信息流向分析系统[J]. 数据挖掘, 2024, 10(3): 176-182. DOI: 10.12677/hjdm.2024.103018
睢治 等
提取共有属性，可以根据人才流动时的地区特点、经济影响、时间、性别等因素进行分类，简单划分成稳定型人才、流动型人才、回归型人才等作为人才信息流动的训练样本集，基于k-近邻算法对新导入的人才信息进行分析，将人才划分到不同种类中，为决策者提供数据支持。基于大数据的人才信息流向分析系统为决策者们提供一个可视化方便、效率高的分析系统，系统设计使用UML用例图进行软件需求分析，使用包图进行软件体系设计。
关键词
人才信息流向，k-近邻算法，数据支持，UML
Copyright ? 2024 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). http://creativecommons.org/licenses/by/4.0/
Open Access 1. 引言
随着经济的发展还有城市化的发展，各地的人才流动也变得更加剧烈，各地的人才都在选择自己的择业方向，地点。人才大量的流动无论对企业，还是对当地的政府都是一项巨大的考验，针对本年的高校毕业生，各个城市之间的流动人才，这些不同专业领域的人才在本地的稳定性成为了令人困扰的难题，特别是对企业、单位的决策人来说，如果能够及时地了解到当地稳定的人才信息、数量，就可以根据这些信息做出更有利发展的决策。当然对于企业招聘过程中选择人才也有一定参考价值，基于这些原因一款基于大数据的人才信息流向分析系统必不可少。
基于大数据的人才信息流向分析系统依据人才流动科学中对人才流动的主要因素分析，建立人才流动信息训练集，然后利用机器学习中的k-近邻算法来进行新的人才的划分，将每年新的人才划分到稳定型人才、流动型人才、回归型人才中，同时也从人才流动信息入手，通过查看不同人才的分布，流动方式，用可视化的方式展示给用户等方式为用户进行人才招募提供更多的决策支持。用户们可以看到以散点图动态展示不同领域人才的区域分布，以柱状图展示的该地区人才流入情况，以扇形图展示的不同学历的人才分布，管理员则可以进行用户管理，管理用户信息。
基于大数据的人才信息流向分析系统对解决各地企业和政府对本地的具体发展方向具有很高的数据支持作用，可以辅助他们更好地进行决策。本系统使用UML作为建模工具[2]。
2. 课题需求
1) 用户注册后完成后，即可以正常使用系统功能。
2) 用户可以查看人才在不同地域的分布，以散点图动态展示。 3) 用户可以查看地区人才的流动情况，将以柱状图展示。 4) 用户可以查看地区中不同学历的人才分布，将以扇形图展示。 5) 用户可以检索领域，查看不同专业领域人才流动情况。 6) 用户可以检索年份，查看不同年份人才学历分布情况。 7) 系统管理员进行用户管理。
3. 需求分析建模
基于大数据的人才信息流向分析系统具体业务围绕用户展开。管理员是系统的管理者。
DOI: 10.12677/hjdm.2024.103018
177
数据挖掘
睢治 等
可以使用业务用例图对整个系统进行业务分析建模[3]，见图1。
管理员负责系统的用户管理，权限管理。用户注册完成后可以正常进行系统功能使用。用户可以根据自己的需求查看不同的可视化信息，包括人才分布信息，人才流动信息等。
Figure 1. System business use case diagram 图1. 系统业务用例图
4. 系统分析建模
在对人才流动因素进行系统的学习后，依据人才的地区特点，经济影响，时间，性别，学习经历等基本信息提取，作为进行样本集的分类，分别对稳定型人才，流动型人才，回归型人才种类进行权重的赋值，每个数据集都有自己的中心节点，如图2所示，不同的点可以很清晰的展示在坐标轴上，紫色的三角是每个分类的中点，当新的人才信息输入时，将会计算距离不同种类的中心距离，然后将新的人才归类到具体的人才种类中。
使用KNN近邻填补算法，获得了更好的结果，填补值更接近原始值，这样得到的数值也更贴近于实际获得的数据值[5]。
用户信息：存储用户的数据信息，主要属性包括姓名、联系方式等信息。
人才分布信息：存储人才分布的数据信息，主要属性包括专业领域、人数、地点等信息。
人才流动信息：存储人才流动的数据信息，主要属性包括专业领域、年份、流动方式、人数等信息。 人才学历分布信息；存储人才学历分布的数据信息，包括学历程度，年份，人数等信息。 账户信息：存储账户的数据信息，主要属性包括账号、密码等信息。
管理员信息：用于存储平台管理员相关的数据信息，主要属性包括工号、姓名等信息。
DOI: 10.12677/hjdm.2024.103018
178
数据挖掘
睢治 等
Figure 2. Talent classification k-nearest neighbor algorithm classification diagram
图2. 人才分类k-近邻算法分类图
使用分析类图对整个系统进行系统分析建模，见图3。
Figure 3. System analysis class diagram 图3. 系统分析类图
基于大数据的人才信息流向分析系统设计体系图如图4所示。
Figure 4. Architecture design package diagram 图4. 体系结构设计包图
基于大数据的人才信息流向分析系统功能架构图如图5所示。
DOI: 10.12677/hjdm.2024.103018
179
数据挖掘
睢治 等
Figure 5. Software functional architecture design diagram 图5. 软件功能架构设计图
5. 功能设计
查看人才流动信息模型需要Trans、User类共同实现。其中Trans类为人才流动信息类，包含人才流动信息相关的信息，User类为用户信息。
Trans Dao实现了查看人才流动信息功能中的数据访问，实现人才流动信息查询Trans Query方法。 Trans Service实现了具体的查看人才流动信息业务逻辑功能，主要是查询人才流动信息Get Trans。 Trans Views是Web端的页面，Web应用开发中的网站后台管理主要包括操作管理、权限管理、实体管理以及反馈管理等四个活动内容[4]。
6. 软件功能测试
用户点击流动信息界面，可以查看到默认领域的人才流动情况，以柱状图进行展示，用户在查询领域输入框可以输入想要查看的人才领域，点击查询，可以查询到输入领域的人才流动信息，查看人才流动功能界面见图6。
Figure 6. View the interface diagram of talent flow function 图6. 查看人才流动功能界面图
DOI: 10.12677/hjdm.2024.103018
180
数据挖掘
基于大数据的人才信息流向分析系统 - 图文
