BP神經網絡算法在圖書借閱與學生成績相關性研究中的應用

吳旭東　陳正軍　馮璐遠　李映曦

摘要：該文通過與學校網絡中心及教務處聯系，對學校圖書館數據庫與教務管理系統數據庫進行對接。利用數據挖掘的常用算法BP神經網絡算法，抽取圖書館數據庫中學生的借閱數據和教務管理數據庫中學生成績數據進行分析。對學院陶瓷藝術設計專業400多名學生，在校期間20多門主干課程的成績與圖書借閱相結合，利用BP神經網絡算法找出陶瓷藝術設計專業學生在校期間圖書借閱行為和學習成績之間的關系，并建立了學習預警機制，進而為提高圖書館的讀者服務、學生的學習效果、學校的教學管理，提供一些參考性的建議。

關鍵詞：神經網絡；圖書借閱；學生成績；預警機制

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2017）36-0157-02

1 實驗數據

通過對原數據庫的分析，該數據庫不能直接運用SPSS Clementine進行挖掘。對圖書館的數據庫中的數據和教務管理系統數據庫中的數據進行聯合操作，用SQL語言對讀者信息表、文獻信息表、條碼表、流通信息表、學生成績表進行操作。如圖1通過SQL查詢分析器查詢所需要的記錄，為分析圖書館中圖書的借閱情況、學生成績情況，運用數據庫的視圖功能建立虛擬表。

通過分析，發現數據庫視圖表中還存在一些問題，如果這些數據直接用于數據挖掘將對結果產生較大的影響。記錄中存在讀者借閱圖書重復的信息，某條記錄存在字段信息不全。鑒于以上問題，需要對數據進行預處理，以保證信息的準確性，刪除重復、信息不全的記錄，如表1所示為學生成績的圖書館借閱表的部分信息。

2 神經網絡算法

神經網絡的全稱Artificial Neural Network，簡稱ANN。神經網絡系統是在1943年心理學家McCulloch和數學家Pitts提出的神經元生物學模型（簡稱M-P模型），已經有70多年的歷史了。神經網絡是由大量的處理單元（神經元）互相連接而成的網絡。為了模擬大腦的基本特性，在神經科學研究的基礎上，提出了神經網絡的模型。根據連接方式不同，神經網絡的神經元之間的連接有前向網絡、有反饋的前向網絡、層內有互相結合的前向網絡、相互結合型網絡幾種形式。BP網絡是一種單向傳播的多層前向網絡， BP網絡具有三層或三層以上的神經網絡，包括輸入層、中間層（隱含層）和輸出層。上下層之間實現全連接，每層神經元之間無連接。當一對學習樣本提供給網絡后，神經元的刺激活值從輸入層經各隱含層向輸出層傳播，在輸出層的各神經元獲得網絡的輸入響應。接下來，按照減少目標輸出與實際誤差的方向，從輸出層經過各中間層逐層修正各連接權值，最后回到輸入層，這種算法稱為“誤差逆向傳播算法”。所以，BP算法是隨著這種誤差逆的傳播修正不斷進行，網絡對輸入模式響應的正確率不斷上升。

3 實驗過程

通過上述兩個算法分析，充分說明成績等級與圖書借閱行為高度相關。那么我們可以根據學習成績和借閱量建立一個學習預警機制，如果學生的學習成績較好，而他在圖書館的借閱量又非常低，那么自動觸發預警機制。對此類學生進行詳細查詢，圖書借閱量，專業課書籍借閱量數據，平時課堂表現，課后自學情況等分析，此類學生成績是否真實等。

利用BP神經網絡算法構建模型，對準備好的數據進行挖掘，對數據源的各個字段類型進行合適的設置?？紤]到學生專業學習成績和圖書借閱量有一定的聯系，那么可以通過學生的學習成績來預測圖書的借閱量。把陶瓷設計專業的學生的18門課程：設計素描、設計色彩、裝飾設計基礎、國畫山水、陶瓷產品造型設計與制作1、花鳥人物、設計美學、書法、裝飾雕塑、貼花紙設計制作、陶瓷彩繪裝飾等課程成績作為輸入項，借閱量作為輸出量。如圖2、圖3所示。

訓練樣本共349人，本學年陶瓷專業所有課程成績作為輸入層，共計18個神經元，隱藏層有3個神經元，輸出層有1個神經元。建立BP神經網絡模型，預測人數為88人，假設他們的借閱量是未知的，預測結果如圖4，準確率為90.479%。其中紅色折線為未知預測借閱量，藍色為實際借閱量，預測的相對誤差平均值為1.88%，準確率非常高。

利用神經網絡建立學生學習成績與圖書借閱行為預警機制。如圖5所示，輸入課程成績，利用建立好的網絡模型預測學生借閱量，如果預測值與真實借閱量的差值在10以內則說明正常，如果差值超過10，則開始預警，表示學生的學習成績與通常情況下圖書借閱量不符。認真分析查找原因，首先查詢學生的詳細借閱記錄，看是否借閱過多非專業圖書而分散學習精力；其次，與學工處及輔導員聯動查看該學生平時學習表現，或者是否參加課外補習和其他兼職活動等，可以與輔導員或者學生本人進行溝通，找出原因，提醒學生學習的方式方法，為學生更好而全面發展出謀劃策?？傊?，預警機制的建立為圖書館與學生學習效果之間建立了一座橋梁，為豐富學生的第二課堂產生了積極的影響。

4 結論

本文從圖書館數據庫中的借閱行為記錄出發，與教務處學生成績數據相結合，通過建立一些典型的模型來證明圖書借閱行為與成績等級高度相關，并得出了一些有趣的結論。利用神經網絡BP算法建立訓練樣本349人，預測人數為88人，準確率為90.479%，預測的相對誤差平均值為1.88%，準確率較高。通過課程成績來較準確的預測學生的圖書借閱量，并在此基礎上建立了學習預警機制，提醒學生尤其是學習成績偏低的學生在學習過程中注意學習方式、方法。

參考文獻：

[1] Hu Peng，Song Xiaoquan.On PSO based BP neural network[C]//2nd International Conference on Precision Mechanical Instruments and Measurement Technology，Chongqing，China，2014：2413-2416.

[2] Liu Guiling，Gao Feng.PSO-BP combined artificial neural network method research[C]//3rd International Conference on Civil Engineering，Architecture and Building Materials，Jinan，China，2013：3537-3540.

[3] Wang H S，Wang Y N，Wang Y C. Cost Estimation of Plastic Injection Molding Partsthrough Integration of PSO and BP Neural Network[J].Expert Systems with Applications，2013，40（8）：418-428.

[4] 楊新涯，袁輝，等.高校學生成績與借閱行為關系的初步研究——以重慶大學為例[J].數字圖書館論壇，2013（9）.

[5] 藍石.社會科學定量研究的變量類型、方法選擇及范例解析[M].重慶大學出版社，2011.

[6] 黃斯達.基于圖書館借書信息的學生成績挖掘模型研究[J].現代計算機，2008（10）.

[7] 唐海萍.基于數據挖掘技術在圖書館管理模式[J].現代情報，2008（9）：109-110

[8] 于徽.數據挖掘技術及其在圖書館的應用[J].黑龍江科技信息，2008（9）：97-98

[9] 臧衛華.數據挖掘技術在高校圖書館中的應用研究[J].現代情報，2008（3）：38-39.