机器学习SVM算法下大学生毕业去向预测及应对浅析——基于人力资本与社会资本框架 |
| |
引用本文: | 管子仪,方莉.机器学习SVM算法下大学生毕业去向预测及应对浅析——基于人力资本与社会资本框架[J].特区经济,2022(8):121-126. |
| |
作者姓名: | 管子仪 方莉 |
| |
作者单位: | 武汉理工大学马克思主义学院 |
| |
基金项目: | 2020年国家社会科学基金项目“人工智能技术对就业机会公平的冲击及应对路径研究”(20BJL145);;2021年中央高校基本科研业务费专项“马克思主义公平视域下人工智能技术对就业的冲击及应对路径研究”(2021v1016); |
| |
摘 要: | 大学生的毕业去向选择始终是政府和社会关注的要点。现已有广泛的研究发现人力资本与社会资本均对大学生的毕业去向有着显著的影响。本文根据广泛收集到的已毕业的大学生数据,分析筛选出人力资本与社会资本中与毕业去向具有强相关性的因子,利用支持向量机(SVM)算法,构建了毕业去向预测模型。根据预测结果,对高校毕业生就业中存在的问题提供了应对路径,旨在为政府、高校就业服务部门提供关于高校毕业生就业和就业干预等方面的决策依据。
|
关 键 词: | 支持向量机 大学生毕业去向 人力资本 社会资本 |
|