科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统就业质量评估方法中的就业质量指数依赖于具有不同权重的各项指标的线性拟合,简单的线性拟合方法不能充分表征更加复杂的依赖关系。而各项指标权重数值的确定依赖于长期的经验,所以有较大的局限性。针对传统方法的缺陷,文中基于人工智能技术,采用深度卷积神经网络算法,将就业质量指数所依赖的多种影响因素与最终的就业质量指数进行非线性映射,通过多次训练得到了比原有线性拟合更加复杂的依赖关系。经过实验分析可发现,在5个不同专业的就业质量指数样本中,通过神经网络得到的就业质量指数能够得到比传统线性拟合方案更客观的评价结果。
- 单位
