随着信息技术在劳动力市场和社会保障管理方面的广泛应用,各地劳动保障系统中积累了大量的劳动力就业、失业、求职和招工的数据。这些数据是大量的、不完全的,但同时又是非常有用的。数据挖掘技术可以对这些数据进行有效的分析整理,为数据使用者提供及时、有用的信息。本文针对数据挖掘技术如何应用于再就业管理进行了探讨。本文首先介绍了“某市再就业管理系统”的实现,该系统实现了对失业人员、企业、招工等信息的管理;并通过使用ART算法和EM算法对该系统的数据进行分析,从数据中挖掘出有用的信息。ART算法是针对连续值预测的回归算法,它将数据分解成主要趋势成分和时间变化成分。应用ART算法对2006年至2009年某市行业招工的时间序列数据进行分析,预测某些行业的劳动力需求趋势。该预测模型可以帮助掌握这些行业对劳动力资源的需求规律,从而有针对地开展职业技能培训,缩小劳动力供需结构的差异,实现劳动力资源的合理优化配置。EM聚类算法是一种流行的迭代求精算法,可以看作是k均值算法的一种扩展,该算法根据对象与簇之间的隶属关系发生的概率来分配对象。本文从某市2007-2008年登记的失业人员数据中随机选取了2753个样本,采用EM算法聚类对其聚类,并总结不同类别的显著特征。根据这些特征,制定针对性再就业帮扶政策,从而能有的放矢地帮助失业人员实现再就业。本文的分析数据证明了将数据挖掘技术应用于再就业管理的意义,通过数据挖掘获得的预测和分析的结果可以为劳动保障部门制定再就业扶持政策提供前瞻的数据支持。