随着信息化技术在社会各方面的不断普及与发展，很多高校在发展过程中均积累与存储了多年的毕业生就业信息，面对庞大的数据量和繁杂的信息，数据挖掘技术不仅可以对历史数据进行简单的查询与统计，而且还能够找出历史数据之间的潜在联系，从中提取出有价值的知识，进而更好地提供决策建议。本文从为高校提供就业指导这一目的出发，主要针对历届高校毕业生就业数据进行研究，通过试着对其进行数据挖掘进而发现隐藏在就业数据中的有效信息。为此本文首先对历届高校毕业生就业信息数据进行初步研究，确立数据挖掘的主题，然后利用数据挖掘工具Weka建立数据挖掘模型进而对其进行挖掘分析。根据本文所采用就业信息数据集的自身特点，在分析众多数据挖掘技术的基础上，选择决策树分类技术。针对决策树中ID3算法依赖于属性取值个数较多的属性的缺点与计算信息增益时所用数学公式的特点以及生成的决策树过于繁琐的不足，对原ID3算法进行改进并与原ID3算法进行比较。改进后的ID3算法在分类准确率与决策树精简度上均有所改善，最后将改进后的ID3算法用于构造数据挖掘模型。经过对模型结果的研究与分析，得到如下三个方面的结论：⑴师范标志为师范的毕业生中有近半数没有选择教育事业单位；⑵生源地与就业单位地区、就业单位隶属之间存在某些关联关系；⑶不同性别之间择业的侧重点不同，具有一定的针对性。由于本文采用的数据仅包括就业信息数据，没有涉及到毕业生个人基本信息与成绩信息等数据，且数据属性均为分类属性，比较特殊。因此，在对应综合考虑上述多维数据集情况下，有关影响毕业生就业的综合因素分析以及构建模型所采用的挖掘方法有待后续的进一步研究。