探讨风险评估贝叶斯网络在就业风险评估中运用学位

论文导读：学生就业中存在的各种因素及其之间的相互影响关系，建立就业风险的贝叶斯网络模型，作为风险分析及预测的基础。⑵利用模糊综合评判计算节点的先验概率值a.确定权数及权数矩阵权重矩阵F：确定各专家在风险评估中影响力度即权重矩阵Fi，其中：i为风险因素的个数且0<Fi≤1且∑Fi=1。b.确定评判论域及隶属度风
摘 要： 高校扩招带来了大学生数量大幅度增长，毕业生就业问题已经成为高校管理中的重大问题。在对近年来就业风险评估研究的基础上，提出了用贝叶斯网络来解决就业风险评估和预测的问题，为了降低先验概率的主观性，引入了模糊综合评判的方法。以某校前几年的就业信息来训练就业风险评估的贝叶斯网络模型，实验结果表明，专业成绩和实践水平在影响就业的主观因素中占有重要的地位，为今后的教学及就业提供了有益的指导。
关键词： 就业； 风险评估； 贝叶斯网络； 模糊综合评判
1006-8228（2013）03-35-02
0 引言
近年来，随着高校的大规模扩招，使我国高等教育历史性地步入了大众教育阶段。但随之而来的是巨大的社会就业压力。由于招生规模逐年扩大、在校生人数大幅度增加，给高校学生管理工作带来了诸多问题。学生管理者越来越感到管理的复杂性，对于学生的就业状况也越来越难以预测。为了制定切实可行的就业对策，帮助学生找到满意的工作，必须对影响就业的各种因素进行分析，并在此后的教学过程中将其作为改进教学的参考。为了对影响就业的因素进行准确地分析，本文提出了基于贝叶斯网络的风险评估技术，同时，为了降低先验概率主观性带来的风险，引入了模糊综合评判。
1 贝叶斯网络与模糊综合评价

1.1 贝叶斯网络

贝叶斯网络[1-4]是一种基于概率推理的图形化网络，它以图形化的方式描述变量或事件之间的概率关系或因果关系。一般地，贝叶斯网络由两部分组成：贝叶斯网络结构和条件概率表。
其中：G是一个有向无环图，其顶点对应于有限集中的随机变量X1，X2，…，Xn，其弧代表一个函数依赖关系。如果有一条弧由变量Y到X，则Y是X的双亲或者直接前驱，而X则是Y的后继。一旦给定其双亲，图中的每一个变量独立于图中该节点的后代集，在图G中Xi的所有双亲变量用集合Pa（Xi）表示。

1.2 模糊综合评价

模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价[5-6]。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合用于解决各种非确定性问题。
2 基于改进的贝叶斯网络的就业风险评估
贝叶斯网络强大的推理能力建立在先验概率评估的基础之上；如果先验概率不准确，那么，其优势也得不到发挥。因此，提高先验概率的准确性成为发挥贝叶斯网络推理优势的一大问题。模糊综合评判是一种将模糊的信息定量化的方法，将其应用于先验概率的计算，以提高先验概率的准确性。
本文建立在模糊综合评判的基础之上，用模糊综合评判得到各节点的概率作为先验概率的贝叶斯网络对风险进行评估以及预测。具体的评估过程可以依照下面的步骤来进行。
⑴ 建立就业风险预测模型
分析影响学生就业中存在的各种因素及其之间的相互影响关系，建立就业风险的贝叶斯网络模型，作为风险分析及预测的基础。
⑵ 利用模糊综合评判计算节点的先验概率值
a. 确定权数及权数矩阵
权重矩阵F：确定各专家在风险评估中影响力度即权重矩阵Fi，其中：i为风险因素的个数且0b. 确定评判论域及隶属度
风险影响矩阵R：矩阵的行表示各专家的5个等级（几乎没有影响，较小，中等，较大，非常严重），列表示风险因素，矩阵中的值是各专家对该因素影响大小的评分。
c. 计算隶属度模糊矩阵
根据模糊评估算法，计算T=FoS'，其中：S'是S的转置矩阵。对T进行归一化，得出各风险的评估值。
⑶ 计算节点的风险概率值
根据建立的模型及节点的先验概率值，进行贝叶斯计算，得到各节点风险发生的概率值。
⑷ 贝叶斯网络信念更新
当获得某一确定的信息时，对网络信念进行更新。比较更新前后网络中各节点的概率，预测风险是增加了还是减少了，分析导致这一变化的原因，及时调整就业政策并采取有效的措施降低风险的发生。
3 贝叶斯网络在就业风险评估中的应用
学生的就业状况不仅与个人能力，性别，家庭背景有关，而且与当年的政策法规有着不同程度的联系，对于一些客观的因素在此不做分析，本文仅以与个人自身的因素对就业的影响进行分析来说明本文的方法。与个人能力有关的因素有：学历（G），专业成绩（M），实践能论文导读：中的模糊综合评价法.http：//.cn/spcspc/Chinese/tep/2003/200302/xm-3.htm，2012.10.岳韶华，周国安，程保源.模糊综合评价防空指挥自动化系统效能.系统工程理论与实践，2002.22（3）：114-118上一页12
力（P），外语水平（E），计算机水平（C），他们都会对就业产生一定的影响，根据他们之间的影响关系建立贝叶斯网络如图1所示。
根据某高校前几年的就业状况及相关教师对各节点的评估值，利用模糊综合评判得出各节点的概率值，进行推理的结果发现：专业成绩和实践水平对就业的影响非常大，因此，在此后的教学过程中，应加强这方面能力的培养，为今后的学生就业增加筹码。
4 结束语
贝叶斯网络以其强大的图形表示方法及推理理论为优势，以其对学生就业中存在的风险关系进行建模，结合模糊综合评判降低了贝叶斯网络模型中先验概率的主观性，为制定合理的教学计划提供了可靠的依据。贝叶斯网络结构的合理性是进行风险评估的前提，因此，自动地通过对就业信息的学习来构造贝叶斯网络模型将是下一步的研究方法。
参考文献：
Chickering DM， Learning equivalence classes of Bayesian Network
Structs， Journal of Machine Learning Research，2002.
Anand Rangarajan， James Coughlan， Alan L.Yuille， A Bayesian
Network Frame for Relational Shape Matching，IEEE Computer Society，2003.
[3] MESHKAT P，.JOHN D.Generalized Versions of Turbo Decoding
in the Framework of Bayesian Networks and Pearl's Belief Propagation Algorithm[A]. Proc IEEE Internationals Conference on Common[C]. Atlanta， USA，2002.
[4] B.A.Gran，A.H摘自：学年论文格式www.7ctime.com
elminen， "A Bayesian belief network for reliability
assesent"， in Proceedings of the 20th SAFECOMP，2001.
[5] 任东旺，姚飞.项目评标中的模糊综合评价法.http：//.
cn/spcspc/Chinese/tep/2003/200302/xm-

3.htm，2012.10.

[6] 岳韶华，周国安，程保源.模糊综合评价防空指挥自动化系统效能[J].
系统工程理论与实践，2002.22（3）：114-118