(18.207.253.100) 您好!臺灣時間:2021/05/06 08:56
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:鄭威仁
研究生(外文):Wei-Jen Cheng
論文名稱:台灣企業工作條件關聯法則分析
論文名稱(外文):Analysis of Association Rule in Professional Requirement for Taiwan Companies
指導教授:高文星高文星引用關係
指導教授(外文):Wen-Hing Kao
學位類別:碩士
校院名稱:僑光技術學院
系所名稱:工程科技研究所
學門:工程學門
學類:土木工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:87
中文關鍵詞:資料探勘關聯法則人力銀行
外文關鍵詞:Human ResourceAssociation RulesData Mining
相關次數:
  • 被引用被引用:5
  • 點閱點閱:472
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:2
  • 收藏至我的研究室書目清單書目收藏:0
網際網路的發展,讓求職者的就業資訊媒體由實體轉為虛擬。近年來國內的求職求才網站的出現,利用網際網路優勢所提供給求職者的親和力、便利性、互動性與豐富資訊,和傳統的平面媒體形成了強烈的對比。其具有無限版面的人力分類廣告功能,工作機會得以在網路上媒合,提供了求職者迅速獲得就業資訊。在各種原始資料量不斷增加,儲存成本卻逐漸下降的情況下,如何運用這些資料並發現潛在的知識,使它對組織決策有所貢獻是一重要的課題。本論文使用資料探勘的技術,以產學合作的方式取得1111人力銀行的資料庫,實際分析台灣企業工作條件之間的狀況,運用資料探勘技術中的關聯法則模型,從資料庫中挖掘出台灣企業工作條件之間的關係,並發現有用的支援個數、工作條件之間的關聯、主從關係及相依性網路,了解目前台灣企業工作條件之需求現況,期望能表達出目前真實的工作需求趨勢,來提供求職者作為應徵的參考。
As the evolution of the Internet application continues, people now are enjoying the convenience and user-friendly interface of career engagement from the human resource service providers. In this research, we are proudly having the opportunity to cooperate with 1111.com.tw, one of the most famous HR service providers in Taiwan, and to mine its valuable database. The main technology of data mining discussed in this paper is association rules and the purpose of this research is to find out the associated rules in employees’ or job seekers’ computer skills and the IT job requirements. Therefore, we can provide the real trend of the IT job requirements and give better directions to students and the people who are seeking jobs.
誌謝
摘要
目錄
圖目錄
表目錄
第一章緒論
1.1研究背景
1.2動機跟目的
1.3研究限制
1.4論文架構
第二章文獻探討
2.1資料探勘(Data Mining)
2.2資料探勘的模型
2.2.1資料分類
2.2.2資料關聯
2.2.3資料分群
2.2.4循序樣式探勘
2.3資料探勘流程
2.3.1資料收集
2.3.2資料前置處理
2.3.3資料前置處理
2.3.4資料倉儲建立
2.3.5樣式評估
2.3.6結果展
2.4資料精簡
2.5關聯法則
2.5.1關聯法則相關定義
2.5.2 Apriori演算法
第三章研究方法
3.1研究架構
3.2軟體介紹
3.3 SQL Server 2005關聯法則介面說明
3.4原始資料的處理
第四章關聯法則實作
4.1操作流程
4.1.1原始資料收集
4.1.2資料的前置處理
4.1.3建立資料庫
4.1.4建立資料探勘模型
4.2實作結果分析
第五章結論與未來研究方向
5.1結論
5.2未來研究方向
參考文獻
中文文獻
[1] 陳彥良(2003)、趙書榮、陳禹辰,幾個快速挖掘關聯規則的資料探勘方法,電子商務學報,5:2 頁1-10。
[2] 曾憲雄(2005)、蔡秀滿、蘇東興、曾秋蓉、王慶堯 資料探勘,台北:旗標出版社。
[3] 錢依佩(2002),高效率之關聯法則探勘演算法,南台科技大學資訊管理學系碩士論文。
[4] 沈兆陽(2001),資料倉儲與Analysis Services: SQL Server 2000的OLAP 解決方案,文魁。
[5] 王宗屏(2009),智慧型系統於應用資訊系統使用者問題分類之研究,大同大學,資訊工程學系(所) 碩士論文。
[6] 黃勝崇(2001),資料探勘應用於醫療院所輔助病患看診指引之研究。南華大學。
[7] 陳文華(1999),架構資料倉儲的注意事項,資訊與電腦,pp. 94-99,1999年3月。
[8] 胡百敬(2002),SQL Server 資料轉換服務,學貫股份有限公司。
[9] 施威銘(2006),SQL Sever 2005管理實務,旗標出版社。
[10] 尹相志譯(2004),資料採礦 Mining the Wed,維科出版社。
[11] 尹相志(2003),SQL 2000 Analysis Service,維科出版社。
[12] 尹相志(2006),Microsoft SQL Server 2005資料採礦聖經:Data mining reference,學貫行銷。
[13] 尹相志(2006),Microsoft SQL Server 2005 OLAP線上即時分析,精誠資訊。
[14] 饒美倫(2008),使用關聯法則預測與分析台灣樂透彩,大同大學,資訊工程學系(所) 碩士論文。
英文文獻
[15] Agrawal(1994), R. and Srikant, R., “Fast Algorithm for Mining Association Rules,” In Proceedings of the 20th International Conference on Very Large Databases, pp. 487-499
[16] Michael(1997), J.A. and Linoff, G., “Data Mining Technique: for Marketing, Sales and Customer Support,” Wiley Computer Publishing, New York.
[17] Kleissner, C.(1998), Data Mining for the Enterprise, IEEE Proc. 31st Annual Hawaii International Conference on System Sciences, Vol.7, pp. 295-304.
[18] Kim(2000), Sung-Min, Jong-Dal Kim, Jeong-Hee Hong, Do-Won Nam, Dong-Ha Lee,Jeon-Young Lee , “A System for Association Rule Finding from an Internet Portal Site”.
[19] Han(2001), Jiawei and Micheline Kamber , “Data Mining : Concepts and Techniques, ”John Wiley & Son.
[20] Groth(2000), R., “Data mining: Building Competitive Advantage”, Prentic-Hall.
[21] Agrawal(1995) Rakesh and Srikant Ramakrishnan, “Mining Sequential Pattems”, ICDE,p3~14.
[22] Peacock(1998), P. R., “Data mining in marketing: Part 1,” Marketing Management, 6(4),8-19.
[23] KuliKowski(1991) C.A. and S. M. Weiss, ”Computer System that Learn: Classification and Prediction Methods from Statistics, Neural Nets, Machine Learning, and Expert Sysyem”,Morgan Kaufman.
[24] Srikant(1996) R., Agrawal R., , “Mining Sequential Patterns: Generalizations and Performance Improvements”. Proc. of the 5th EDBT Conference.
[25] Agrawal(1993) R.,Imielinski T., and Swami A., “Mining Association Rules between Sets of Items in Very Large Database,” Proceedings of the ACM SIGMOD Conference on Management of Data 207-216.
[26] Frawley(1991), W.J., Paitetsky-Shapiro, G. and Matheus. C. J., "Knowledge Discovery in Databases: An Overview," Knowledge Discovery in Databases, California, AAAI/MIT Press, pp.1-30
[27] Grupe(1995), F.H. and Owrang, M. M., "Database Mining Discovering New Knowledge And Cooperative Advantage," Information Systems Management, Vol.12, NO.4, pp26-31.
[28] Fayyad(1996), U.M., "Data Mining and Knowledge Discovery: Making Sense out of Data," IEEE Expert, Vol.11, No.5, pp.20-25.
[29] Shaw(2001), M. J., and Subramaniam, C. and Tan, G. W. and Welge, M.E., “Knowledge Management and Data Mining for Marketing”, Decision support Systems 31, 2001, pp127-137.
[30] 1111人力銀行(2008)。(http://www.1111.com.tw)
[31] Microsoft SQL Server首頁。(http://www.microsoft.com/taiwan/sql/default.mspx)
[33] SQL Server 2005線上叢書。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔