当前,求职的网站、APP种类多种多样,而这些招聘网站也带来数以万计的招聘信息。为了充分利用好这些招聘数据,深入挖掘出其潜在的价值,本文利用数据挖掘技术对网络招聘数据进行挖掘分析,并设计可视化系统展示数据分析结果。主要工作和创新如下:（1）针对网络招聘数据集的实时性和丰富性,本文采用网络爬虫技术获取智联招聘网站中的互联网行业数据,并对获取的数据集进行删除、转换等清洗以保证数据质量。（2）提出了一种的DTH-Apriori算法（dataset compress、transaction compress and hash technology on apriori）,该算法融合了数据集压缩、事务压缩和散列技术。并运用传统的Apriori算法、FP-growth算法和该优化的Apriori算法分别对互联网相关岗位的工资、学历要求等属性进行关联程度分析,实验结果不仅验证了岗位因素之间的强关联规则,也表明该优化算法速率具有一定的提高,且不易受最小支持度影响。（3）针对热门职位及技能对企业和高校的指导作用,本文对数据集中的招聘岗位和职业要求进行文本分析,获取互联网行业的Java、Web前端、算法、大数据、PHP五个热门职位和其技能关键词,并为求职者提供建议。（4）为了更好地展示网络招聘数据分析的效果,本文设计了一个集招聘数据爬取、查询、分析、结果可视化的分析系统。首先按照数据层、服务层、展示层设计系统的总体架构,并将其细化为数据的采集、处理、查询、分析、可视化五个功能模块。再调用Python的Django框架和My SQL数据库实现系统后端设计,并以ajax技术、Echarts库分别实现前后端交互和前端数据可视化。最后,系统完整实现,且以图表直观地展示了互联网行业的相关岗位招聘情况。