随着就业市场的发展,就业市场的规模越来越大,产生了大量的就业市场信息,信息蕴藏着大量的知识和潜在的规律,将大学生就业市场信息进行分析,将研究所得知识用于求职者和招聘方都很有价值。本文介绍了数据挖掘的定义、功能和常用技术,介绍了灰色理论和灰色理论的主要方法。基于大学生就业中心的就业数据,采用灰色理论的方法,对大学生就业市场中2003年到2005年的大学生就业数据进行了分析,建立了大学生就业信息数据模型,同时建立了大学生就业市场信息数据灰度关联度模型,对二值属性数据和连续数值属性数据提出了灰度关联度计算的模型和步骤,设计实现了大学生就业信息数据关联分析系统,提出了认证指数、获奖指数,给出了大学生所获奖励和考取认证证书的数值化处理算法,提出了就业指数,并基于聚类策略提出了大学生年度的某个就业属性的就业指数算法。分别基于二值属性数据和连续数值属性数据的灰度关联度计算模型,得到了大学生的各因素与大学生就业的关联度序列。关联度自大而小的分别是学习成绩、获得认证资格证书、毕业生获奖、性别、民族和外语通过四级情况。