论文将数据仓库技术、数据联机分析技术、数据挖掘技术结合到一起,以现有数据库资源为基础,分析多个影响因子与就业结果之间的关系,并以此为核心,构建了就业管理信息系统,解决了长期以来,高校毕业生管理部门工作效率低下的问题,进一步提高学院毕业生的就业率以及就业质量。具体研究内容包括:(1)针对学校对学生就业信息分析不力的问题,采用数据联机分析方法,以毕业生就业人数为度量值,研究了毕业生就业形式、地区、在校所学专业、所在班级、毕业生性别、学制等不同影响因素与毕业生就业人数之间的关系,并讨论分析联机分析处理的结果。(2)利用数据挖掘中的改进C4.5决策树算法,从学生自身的属性入手,讨论研究了学生基本信息数据和学习成绩信息数据与其就业信息之间的关系。(3)以数据仓库构建、数据联机分析,以及数据挖掘为核心,构建了毕业生就业管理信息系统,从而有效提高学校毕业生就业管理部门的工作效率。(4)对传统的C4.5决策树数据挖掘算法进行了改进,提出了一种双重熵平均决策树算法。毕业生基本数据和学习成绩相关数据的属性较多,传统的C4.5决策树算法易出现无意义分枝,过度拟合等问题,针对该类问题,基于双重熵平均决策树算法,通过两次对样本子集熵平均值的计算、排序、合并处理,得到修正后的属性信息增益,并以此作为属性选择的依据,从而解决了传统C4.5决策树算法可解释性差、易产生碎片等问题。基于上述研究成果,设计并开发了高校毕业生就业管理信息系统,设计实现了易用的数据处理模块,以及良好的数据处理结果展现方式,在实际的应用中,该系统能够有效提高学校毕业生就业管理部门的工作效率,并为学校管理层科学地调整教学模式提供依据。