摘 要 I 摘 要 高校人力资源是学校的重要资源，是学校核心竞争力之所在。面对着大量数据，人力资源管理迫切需要一种技术来发现有价值的知识，为高校管理者提供智力支持。高校的竞争是人才的竞争，如何全面掌握和合理运用人才资源是当今高校人力资源管理的首要问题。 擅长从数据中发现模式的数据挖掘技术在其他领域的成功运用和实施，为本文所述问题的提供了新的解决方法。 本文以关联规则和粗糙集理论为指导，运用基于粗糙集的关联规则挖掘技术对高校人力资源管理问题进行分析。通过属性约简，较好地摈弃了关联规则中的一些无用或效果不太理想的规则，大大精简了知识，使得人力资源信息得以有效地利用。并在此基础上，发现有价值的知识，指导实际工作，提升高校的综合竞争实力。具体研究内容如下： 首先，阐述论文的研究背景、目的、意义、研究内容及方法。介绍了数据挖掘技术、粗糙集与关联规则相关理论，并结合高校人力资源管理理论，利用基于粗糙集的关联规则挖掘技术解决高校人力资源管理问题。 其次，介绍数据挖掘理论与粗糙集理论。重点介绍了数据挖掘技术的基本概念、挖掘过程及其应用、粗糙集理论的基本概念等。 再次，阐述关联规则挖掘。关联规则的基本概念、典型算法、基于粗糙集关联规则挖掘的相关概念及其算法。 最后，论述了基于粗糙集的关联规则在高校人力资源管理中的应用。本文重点研究关联规则挖掘解决两个人力资源管理问题，以江苏科技大学人事信息为对象，应用粗糙集的关联规则挖掘划分高校教师的科研能力及教师成长预测。通过大量数据预处理工作，实现了应用基于粗糙集的关联规则挖掘技术对人力资源数据的挖掘，并得出很多有用的知识，这些知识在人才识别、人才评价、人才成长、人才引进及人才培养等方面无疑具有重要的指导意义。 关键字：关键字：数据挖掘；关联规则；粗糙集；属性约简；高校人力资源管理 Abstract II ABSTRACT Universitys human resource is an important resource and the core competencies of colleges and universities. Facing with the amount of data, human resource management needs a technology to discover valuable knowledge and provide intellectual support for college administrators. How to master and use human resource are the most important issues in todays colleges and universities. Data mining technology, which has been applied and implemented successfully in many fields, provides a new method to resolve problems described in this dissertation. This dissertation uses data mining technology based on rough set to analyze the problems of human resource management. It deletes some useless or inefficient rules by attribute reduction, and receives useful rules to be made good use of. And on this basis，it discovers valuable knowledge to guide our actual work， colleges and universities to enhance the overall strength of competition. Firstly, the dissertation introduces the thesis which expatiates upon the background, purpose of the study, the meaning，study content, and methods. Beginning with expatiation upon theory relative to data mining technology, rough set, association rules, and combining with theory of colleges and universities human resource management，the dissertation uses association rules based on rough set to solve problems. Then, the dissertation studies upon the theory of data mining technology including principles of data mining technology, basic procedure of data mining, and the application of data mining. Thirdly, the dissertation studies the basic concepts of association rules, typical algorithm of association rules, the related concept and algorithm of association rules based on rough set. In the last part of the dissertation, it discusses about the application of data mining based on rough set on university human resource management. The dissertation focuses on solving two problems about human resource management, using association rules based on rough set to classify teachers ability of technology and science types, prediction the teachers growth of Jiangsu University of Science and Technologys personnel management information. By preprocessing, it realizes the application of data mining on human resources, and gains a lot of useful knowledge which undoubtedly is of great significance in Abstract III identifying talent, evaluating talent, the talent growing, introducing talent and training talent. Keywords: data mining; association rule; rough set; attribution reduction; human resource management 论 文 独 创 性 声 明 论 文 独 创 性 声 明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得江苏科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名： 日 期： 学 位 论 文 使 用 授 权 声 明 学 位 论 文 使 用 授 权 声 明 江苏科技大学有权保存本人所送交的学位论文的复印件和电子文稿，可以将学位论文的全部或部分上网公布，有权向国家有关部门或机构送交并授权其保存、上网公布本学位论文的复印件或电子文稿。本人电子文稿的内容和纸质论文的内容一致。除在保密期内的保密论文外，允许论文被查阅和借阅。 研究生签名： 导师签名： 日 期： 日 期： 第一章 绪论 1 第一章 绪论 1.1 论文研究背景、目的和意义 随着现代信息科学技术的发展，人们利用信息技术生产和搜集数据的能力大幅度提高，成千上万的数据库被用于商业管理、政府办公、科学研究和工程开发等，并且这一势头将持续发展下去。于是，一个新的挑战被提了出来：在这被称之为信息爆炸的时代，信息过量几乎成为人人需要面对的问题。如何才能不被信息的汪洋大海所淹没，从中及时发现有用的知识，提高信息利用率？因此，面对“人们被数据淹没，人们却饥饿于知识” 的挑战， 数据挖掘和知识发现 （Data Mining and Knowledge Discovery）技术应运而生，并得以蓬勃发展，越来越显示出其强大的生命力1。 目前，数据挖掘技术已被广泛应用于众多领域，发挥着特有的功效。银行业应用数据挖掘实现了信贷欺诈建模和预测、 评估风险、 分析资金走向； 通过使用Clementine，Intergral Solutions Limited开发了一个系统来预测BBC电视节目的收视率、收视时间及可能观众的特征；零售业则更多地利用数据挖掘来分析客户行为、判别客户特征，决定各类商品摆放位置，或更灵活、更有效地使用促销和优惠手段；制药公司通过挖掘大量对疾病产生重大影响的化学物质和基因数据库，判断哪些物质可能对治疗某种疾病产生效果等等。数据挖掘技术的不断发展成熟，以及在各个领域中的成功运用，为其在人力资源管理中的应用提供了实现的可能与宝贵的借鉴经验。 关联规则模式是数据挖掘知识模式中比较重要的一种，它既可以检验行业内长期形成的知识模式，又能发现隐藏的新规律。有效地发现、理解和运用关联规则，是完成数据挖掘任务的一个重要手段。然而，现在的关联规则挖掘方法存在着许多不足，例如算法效率低，产生了庞大的我们并不感兴趣的关联规则等。 粗糙集理论是一种新的数据分析理论，能够支持知识获取的多个步骤，如数据预处理、数据约简、规则生成和依赖关系获取等。它的主要思想是利用已知的知识库，将不精确或不确定的知识用已知知识库中的知识来（近似）刻画。与其他处理不精确和不确定性问题理论的最显著区别是它无需提供问题所需处理的数据集合之外的任何先验信息。目前，粗糙集方法也已成为数据挖掘的主要方法之一。 基于粗糙集的数据挖掘技术可以用来从大型数据库中挖掘出有用和用户感兴趣的知识，解决现代企业中数据多而有用信息少的问题。这种被挖掘出的规则是以判定规则的形式存在的，规则的生成是通过将数据库中的数据转换为二维表形式的知识表达系统，通过粗糙集的方法自动获取的。 目前各高校大都在人力资源管理方面积累了大量的数据资源，如何从现有的大量数据中发现潜在的关联和规则，以及根据现有的数据资源科学地预测成为未来的发展第一章 绪论 2 趋势和方向。本文将基于粗糙集的数据挖掘应