安徽省高校就业社会网络舆情预测模型研究.pdfVIP

区域高质量发展研究叶曳2024年第1期

安徽省高校就业社会网络舆情预测模型研究

云坡刘程慧方小枝

渊合肥大学经济与管理学院袁安徽合肥230601冤

摘要院预测就业网络舆情有助于跟踪掌握就业舆情变动袁助力政府就业政策的精准出台遥使用百度指数袁构

造安徽省高等院校就业社会网络舆情信息的文本词频集袁构建机器学习EEMD-GRU混合模型袁对就

业社会网络舆情进行拟合与预测遥结果显示院EEMD-GRU模型能有效刻画安徽省高校就业社会网络

舆情趋势袁揭示舆情信息的多尺度时频特征袁预测误差RMSE尧MAE尧MAPE仅为0.971尧0.773尧0.229袁

呈现较高准确度遥这表明模型能为政府部门研判高校就业舆情尧制定政策提供量化分析支撑遥

关键词院社会网络舆情曰EEMD-GRU曰预测

中图分类号院F240曰TP391文献标识码院A文章编号院1672-0547渊2024冤01-0051-005

近年来袁中国高等院校毕业生数量逐年增多袁在的影响遥张稳等使用多项式回归和多元线性回归技术

疫情因素引发经济复苏乏力的背景下袁大学生面临对样本高校的就业率进行预测和拟合袁结果显示多元

[2]

严峻的就业挑战遥根据教育部尧人力资源和社会保障回归模型能实现就业率的稳健预测遥构建非线性灰色

部发布的数据显示袁2023年全国应届大学毕业生规贝努利模型渊NGBM冤对10个欧洲国家的失业率进行

模再创新高袁达1158万人袁同比增加82万人袁就业预测袁研究发现NGBM模型的预测误差最小袁建模结

訛譹[3]

形势极为严峻遥为推动毕业季大学生就业工作袁果有助于政府制定未来的劳动和经济政策遥Khan等

2022年1月以来袁教育部尧人社部等部门已出台多种分别使用自回归移动平均模型渊ARMA冤和移动平均广

政策袁并通过多部门政策合力实现大学生的高质量义条件异方差模型渊MA-GARCH冤对加拿大未来9个

就业遥事实上袁就业问题已成为政府尧高校尧毕业生以月和24个月的失业率进行样本外预测袁结果表明非

[1]

及家庭等全社会多方主体关注的焦点遥本文研究目线性时间序列模型能更好地捕捉短期和长期失业率

[4]

标是以安徽省高等院校为对象袁对高校就业社会网数据的非对称性遥Wang提出一种基于多层前馈神经

络舆情信息进行有效预测袁刻画驱动就业社会网络网络的人机交互平台实现就业率的智能化预测袁发现

舆情变化的动态机理袁帮助政府就业指导机构高效神经网络模型能有效减少就业率预测模型的训练成

[5]

制定就业促进政策等提供参考遥创新点在于使用百本遥考虑就业率数据的非平稳性袁王先述使用混合差

度指数工具袁构建反映就业社会网络舆情信息的词分微分方程对我国高校毕业生的就业状况进行预测袁

[6]

频集合袁筛选出反映高等院校就业关注的时间序列并取得较好的效果遥通过对所选样本高校就业历史数

集袁并使用数据驱动方法构建混合预测