關(guān)聯(lián)規(guī)則挖掘算法在選課系統(tǒng)中的應(yīng)用研究

［摘要］ 針對高校網(wǎng)上選課工作中遇到的一些實際矛盾，本文將關(guān)聯(lián)規(guī)則挖掘算法應(yīng)用于選課指導系統(tǒng)中，對系統(tǒng)中存儲的大量數(shù)據(jù)進行挖掘，從中提取出潛在的有用的信息，為高校選修課的開設(shè)及學生選課行為提供決策支持。

［關(guān)鍵詞］ 數(shù)據(jù)挖掘； 關(guān)聯(lián)規(guī)則挖掘； 選課系統(tǒng)； FP-growth算法

doi : 10 . 3969 / j . issn . 1673 - 0194 . 2011 . 14. 042

［中圖分類號］G473.4；TP311.13 ［文獻標識碼］A ［文章編號］1673 - 0194（2011）14- 0072- 02

１引言

目前，普通高校已廣泛采用計算機信息系統(tǒng)對學生選課活動進行管理，學生可根據(jù)自己專業(yè)特點、興趣愛好以及未來的職業(yè)規(guī)劃，在網(wǎng)上進行選修課的選擇。在選課過程中，經(jīng)常出現(xiàn)選課傾向不均衡，也就是選擇一些課程的人數(shù)過多，而另一些課程無人選的現(xiàn)象。

選課系統(tǒng)在運行中積累了大量的數(shù)據(jù)，這些數(shù)據(jù)中隱含著一些無法辨識的信息，利用數(shù)據(jù)挖掘技術(shù)，挖掘選課系統(tǒng)中積累的潛在的、有用的信息，可以指導教務(wù)部門調(diào)整熱門課程和冷門課程的數(shù)量和學分設(shè)置，從而提高教學管理水平，使教學資源得到合理分配，滿足學生的個性化選課需求。

２關(guān)聯(lián)規(guī)則及其算法分析

２．１數(shù)據(jù)挖掘定義

數(shù)據(jù)挖掘［１］是從數(shù)據(jù)中識別出有效的、新穎的、潛在有用的、以及最終可理解的模式的高級過程。簡單地說，數(shù)據(jù)挖掘是從大量數(shù)據(jù)中提取或“挖掘”知識。它是一個融合多種技術(shù)的交叉學科，包括數(shù)據(jù)庫技術(shù)、統(tǒng)計學、機器學習、可視化和信息科學以及其他相關(guān)學科。

２．２關(guān)聯(lián)規(guī)則算法分析

關(guān)聯(lián)規(guī)則（Ａｓｓｏｃｉａｔｉｏｎ Ｒｕｌｅ）挖掘就是從大量的數(shù)據(jù)集中去尋找數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，為決策系統(tǒng)服務(wù)。人們可以利用手中沒有規(guī)律的數(shù)據(jù)，找出物與物之間的規(guī)律，利用這些規(guī)律已給商業(yè)界帶來了驚人的利潤。目前，關(guān)聯(lián)規(guī)則挖掘已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域中的重要研究方向。

關(guān)聯(lián)規(guī)則的挖掘算法主要有循環(huán)式掃描算法、增量式更新算法、并行挖掘算法、元模式制導、基于約束挖掘等。其中比較典型的有Ａｐｒｉｏｒｉ算法和ＦＰ－ｇｒｏｗｔｈ算法。楊克松［２］用Ａｐｒｉｏｒｉ算法對選課系統(tǒng)進行數(shù)據(jù)挖掘，但由于Ａｐｒｉｏｒｉ算法在每次尋找頻繁項集的時候，都需要掃描數(shù)據(jù)庫一次，因此隨著數(shù)據(jù)庫的增大，尋找頻繁項集的時間會越長，系統(tǒng)的效率受到很大的影響。針對Ａｐｒｉｏｒｉ算法框架的缺陷，Ｈａｎ．ＪＷ（韓家煒）［１］等人提出了ＦＰ－ｔｒｅｅ結(jié)構(gòu)和相應(yīng)的ＦＰ－ｇｒｏｗｔｈ算法。實驗表明，ＦＰ－ｇｒｏｗｔｈ對不同長度的規(guī)則都有很好的適應(yīng)性，同時在效率上較之Ａｐｒｉｏｒｉ算法有巨大的提高。由于高校多年來存儲的選課數(shù)據(jù)量較大，故選用ＦＰ－ｇｒｏｗｔｈ方法實現(xiàn)高校選課系統(tǒng)的關(guān)聯(lián)規(guī)則挖掘較合適。

３關(guān)聯(lián)規(guī)則挖掘在選課指導系統(tǒng)中的應(yīng)用

數(shù)據(jù)挖掘過程可以分為3個步驟：數(shù)據(jù)預處理、數(shù)據(jù)挖掘、挖掘結(jié)果的解釋與評估。

３．１數(shù)據(jù)預處理

數(shù)據(jù)預處理是要對數(shù)據(jù)進行清洗、集成、轉(zhuǎn)換和消減。清除冗余數(shù)據(jù)，降噪，填充缺失的數(shù)據(jù)，消除重復記錄，從而提高數(shù)據(jù)挖掘?qū)ο蟮馁|(zhì)量，達到提高數(shù)據(jù)挖掘所獲知識質(zhì)量的目的。本文結(jié)合選課系統(tǒng)的應(yīng)用來研究數(shù)據(jù)預處理的4個步驟：

（１） 數(shù)據(jù)清洗。現(xiàn)實世界的數(shù)據(jù)常常是有噪聲、不完全的和不一致的。數(shù)據(jù)清洗過程一般包括平滑噪聲數(shù)據(jù)、補充缺失數(shù)據(jù)、消除異常數(shù)據(jù)，以及糾正不一致的數(shù)據(jù)。在系統(tǒng)中，對數(shù)據(jù)庫中空缺的數(shù)據(jù)項進行關(guān)聯(lián)查找對照，用最“近似”的數(shù)據(jù)填充。對于冗余數(shù)據(jù)（如同時選取兩門同樣課程的學生數(shù)據(jù)）進行刪除。

（２） 數(shù)據(jù)集成。將來自多個數(shù)據(jù)源（數(shù)據(jù)庫、數(shù)據(jù)立方、普通文件等）的數(shù)據(jù)結(jié)合在一起并形成一個統(tǒng)一數(shù)據(jù)集合，以便為數(shù)據(jù)挖掘工作的順利完成提供完整的數(shù)據(jù)基礎(chǔ)［１］。在選課系統(tǒng)的存儲設(shè)計中，要為將來的數(shù)據(jù)挖掘做準備，同時考慮不同專業(yè)的偏好程度、課程的冷熱程度、學生對教師的要求等因素，將數(shù)據(jù)存儲在ＳＱＬ Ｓｅｒｖｅｒ ２０００中。

（３） 數(shù)據(jù)轉(zhuǎn)換。將數(shù)據(jù)按劃分的主題進行轉(zhuǎn)換，同時使數(shù)據(jù)離散化。例如：將“網(wǎng)絡(luò)20０９－０１”分解成“網(wǎng)絡(luò)”專業(yè)、“20０９”級、“０１”班，為數(shù)據(jù)挖掘做準備。

（４） 數(shù)據(jù)消減。數(shù)據(jù)消減是使原來龐大復雜的數(shù)據(jù)精簡化，去除挖掘工作不需要的屬性，同時保證數(shù)據(jù)的完整性。例如：去除課程信息中的學期、課程序號等；去除教師信息中的年齡、性別等；學生信息中只保留學號、姓名、專業(yè)、院系、年級，其他信息去除；成績信息中只保留課程編號、學號、成績。

３．２數(shù)據(jù)挖掘

本文選擇關(guān)聯(lián)規(guī)則挖掘方法來研究課程、學生、教師之間的相關(guān)聯(lián)系，在關(guān)聯(lián)規(guī)則挖掘的各種算法中，經(jīng)過前文比較，我們選用效率較高的ＦＰ－ｔｒｅｅ增量模式算法，具體算法如下。

表１中數(shù)據(jù)是部分選課情況，以該數(shù)據(jù)為例，可以挖掘出若干關(guān)聯(lián)規(guī)則。下面僅從技術(shù)角度討論3條選擇關(guān)聯(lián)規(guī)則的標準：支持度（也稱廣泛度，普遍度）、置信度（也稱預測度）、增益。

３．２．１支持度ｓｕｐ（）

表示在選課系統(tǒng)中同時包含關(guān)聯(lián)規(guī)則左右兩邊教師職稱和課程科目的選擇次數(shù)百分比。即支持這個選擇的次數(shù)百分比，相當于聯(lián)合概率。

ｓｕｐ（Ｘ２２ → Ｙ１１） ＝ Ｐ（Ｘ２２Ｙ１１） ＝ ４００／１ ０００ ＝ ４０％

３．２．２置信度ｃｏｎ（）

是指在所有的選擇了左邊的教師，同時又選擇了右邊的課程的選擇概率，是一個條件概率。

ｃｏｎ（Ｘ２２ → Ｙ１１） ＝ Ｐ（Ｙ１１ ｜Ｘ２２） ＝ Ｐ（Ｘ２２Ｙ１１）／Ｐ（Ｘ２２） ＝ ４００／５４０ ＝ ７４．１％

３．２．３增益ｌｉｆ（）

增益是兩種可能性的比較。一種是在已知選擇了左邊教師的情況下選擇右邊課程的可能性，另一種是在任意情況下選擇右邊課程的可能性。

ｌｉｆ（Ｘ２２ → Ｙ１１） ＝ Ｐ（Ｙ１１ ｜ Ｘ２２） － Ｐ（Ｙ１１） ＝ ７４．１％ － ５０％ ＝ ２４．１％

這個標準和數(shù)據(jù)挖掘中其他模型的選擇標準一樣，通過與“原有”規(guī)則的比較，來測量該規(guī)則提高預測準確性的程度。指定標準的最小值：ｍｉｎ＿ｓｕｐ ＝ １０％，ｍｉｎ＿ｃｏｎ ＝ ４０％，ｍｉｎ＿ｌｉｆ ＝ １０％。取值都大于標準臨界值的關(guān)聯(lián)規(guī)則被列出。

３．３對結(jié)果的評估

從表２中挖掘的有效規(guī)則可以看出，Ｒ１規(guī)則說明20０９級學生偏愛文史類課程，并且多數(shù)學生選擇職稱為副教授的教師；Ｒ２規(guī)則說明20１０級學生對經(jīng)濟類課程感興趣，并且對教授職稱的老師非常認可；Ｒ３規(guī)則說明各年級學生都對藝體類課程有興趣，而且對老師的職稱沒有要求；Ｒ４規(guī)則說明學生對學分比較高的課程有興趣，等等。根據(jù)表2中的結(jié)果，可以建議下學期廣泛開展藝體類選修課，鍛煉體魄陶冶情操，向20０９級學生增開文史類課程，向20１０級學生增開經(jīng)濟類課程，等等。

４結(jié)論

數(shù)據(jù)挖掘技術(shù)已經(jīng)成功地應(yīng)用于銀行、大型超市等營利性領(lǐng)域中，在高校、政府等非營利性機構(gòu)中應(yīng)用很少。本文采用ＦＰ－ｇｒｏｗｔｈ算法對高校學生選課信息進行數(shù)據(jù)挖掘，輔助教務(wù)處完成下學期選修課程和教師資源的合理安排，提高教學管理效率。此問題還需進一步深入研究，從多層次和多維度對系統(tǒng)中的數(shù)據(jù)進行挖掘。

主要參考文獻

［１］ ［加］Ｊｉａｗｅｉ Ｈａｎ，Ｍｉｃｈｅｌｉｎｅ Ｋａｍｂｅｒ． 數(shù)據(jù)挖掘概念與技術(shù)［Ｍ］． 范明，孟小峰，譯． 北京：機械工業(yè)出版社，２００１．

［２］ 楊克松． 論關(guān)聯(lián)規(guī)則在高校選課系統(tǒng)中的應(yīng)用［Ｊ］． 福建電腦，２００７（１０）．

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文