随着信息技术高速发展,人们获取数据手段和途径越来越多样化,就出现了数据挖掘,它是从大量数据中提取挖掘出未能发现、潜藏但有用的信息和知识的过程。关联分析、分类、偏差分析、聚类分析、时序模式和预测等这些都是数据挖掘的主要任务。现在有很多种方法用于数据分类,其中常用的主要有决策树、粗糙集、k一最临近方法、人工神经网络、统计模型等方法,而决策树算法是分类算法中最为通用的一种,它有较快的计算速度、人们容易理解,所以被广泛应用于金融、医疗、保险、运输、气象、国防等领域,而在高校毕业生就业方面则应用较少。中国教育改革在不断的深入和推广,大学本科生招生规模也在逐年扩大,学生人数的大幅度增加,给高校毕业生的就业带来了越来越大的压力,特别是层次较低的应用型本科院校的就业矛盾更加突出,随着这些呈现出的新特点,计算机信息化管理也在就业工作的开展和完善上显示出越来越重要的作用,而运用数据挖掘技术,则可以找出就业中的一些潜在规律,为没有找到工作或将来找工作的学生提供一些借鉴,也为高校在就业管理方面提供帮助!在这样的背景下,本文详细介绍了数据挖掘的概念及其发展历史,并分析了数据挖掘技术的特点,着重探讨研究了应用型本科高校毕业生就业数据的特点,并在其基础上进行数据挖掘。具体研究内容如下：1)论文在探讨数据挖掘的一般理论的基础上,对数据挖掘中决策树算法进行了详细地介绍。并简单介绍了几种常用的决策树的生成算法。重点介绍了C.45算法流程及其结构,并分析了C4.5算法的优缺点。2)以安徽新华学院毕业数据为基础,重点讨论了运用C4.5算法建立应用型本科高校就业的挖掘模型,并验证了该模型的正确性和实用性。论文最后在总结全文的基础上对该项研究的发展进行了总结和展望,指出了对就业类别有影响的决策属性,从而为学院和学校领导在提高就业率、提高就业层次、改进现在实行的培养机制方面提供决策支持。