麦可思研究院(MyCOS Institute)发布的《2012年中国大学生就业报告》显示,2012届大学生毕业半年后的就业率仅约为86%,而在已就业的大学生中,2011届有60%的大学生认为目前的工作与自己的职业期待不吻合。如何促进大学生就业,提高大学生就业率,尤其是提高大学生就业满意率,是政府部门、教育工作者以及学生本人都应该思考的问题。数据挖掘技术的出现与发展,为管理决策部门科学有效地部署就业工作,为高校围绕学校定位、围绕人才培养目标改革人才培养模式,为大学生充分就业、满意就业,提供了科学的理论依据。本文在简要回顾几种经典的决策树分类算法,大量查阅有关分类改进算法文献的基础上,提出延伸贝叶斯定理实现一次性填充多维空缺属性记录,提出分类过程中进一步划分深层结点,选取具有最大信息增益率情况下的子集熵代替深层结点的信息熵,据此创建大学生就业分类模型。然后,本文从多个系统收集并整理了大量与就业相关的数据,并基于这些数据利用软件开发技术,解决了软件开发中有关数据结构和逻辑结构的难点,采用B/S模式和三层架构开发模式,开发出了围绕上述改进算法的就业管理应用系统。最后,本文利用系统抽取出了就业分类规则,对规则进行了分析与解释,所获得的相关结论可以科学地、有效地、及时地指导就业管理工作。