關聯規則挖掘技術在社會服務中的應用研究

尹倩 李致富 韓爽

摘 要：關聯規則挖掘技術可從大量繁雜的數據事務中挖掘并分析它們之間隱含的相關信息。本文在分析關聯規則技術和社會服務應用的基礎上，提出關聯規則挖掘技術應用在社會服務領域的挖掘應用。通過關聯規則技術對社會服務對象數據的分析應用，發掘數據間相關性，以實現社會服務個性化智能分析和推薦服務，并為提高社會服務能力提供智力決策的依據。

關鍵詞：關聯規則；數據挖掘；社會服務

中圖分類號：TP391；TP311.13 文獻標識碼：A 文章編號：2096-4706（2018）02-0150-03

Application Study on Association Rule Mining Technology in Social Service

——Taking a sports college as an example

YIN Qian，LI Zhifu，HAN Shuang

（Anhui Sports Vocational and Technical College，Hefei 230051，China）

Abstract：Association rule mining technology can excavate the related information from a large number of complicated data transactions. This paper proposes the application of association rules mining technology in the field of social service mining based on the analysis of association rules and social service applications. The correlation between data is explored by the analysis and application of association rules technology to the data of social service objects，and the personalized intelligence analysis and recommendation service of social service is realized，and our method can provide intellectual decision making for improving the social service ability.

Keywords：association rule；data mining；social service

0 引 言

近年來，國家競技體育發展方式的有效轉變、全民健身上升為國家戰略及體育產業的提出并受到高度重視，使得高等體育院校的辦學模式由“教學、科研、訓練”相結合轉變為實現現代高?！叭瞬排囵B、科學研究、社會服務”的三大職能[1]?，F代高等體育院校不僅服務競技體育，也參與眾多大型體育賽事的組織和服務工作，是培養體育人才的搖籃。擁有豐富的體育項目、齊全的場館設施、一流的運動技術、雄厚的師資、完善的儀器設備和先進的科研成果等，這些都是提供社會服務所需要的難能可貴的資源[2]，現有高校社會服務范圍包括競技體育、群眾體育等。隨著社會經濟的發展和大眾健身意識的增強，體育社會服務的內容需不斷地擴展和深化，然而受制于體育領域行業知識領域化，目前尚未有關于挖掘和深化社會服務內容的相關研究。因此，本文試圖從數據挖掘中的關聯規則知識深層挖掘方面來分析社會服務內容。

1 體育院校社會服務存在的問題

高等體育院校的社會服務從廣義上講，指為社會培養各類體育人才，狹義上講指以自身體育場館、人才優勢等來完成社會需求和合作的活動。社會服務從廣義和狹義上均是社會對高校進行反哺的過程，兩者相互作用，互惠共進。但現有社會服務內容多是由社會組織提出需求的內容，例如組織一場體育活動等。其相關延伸的服務內容少有人研究，原因在于未能對社會服務進行深層次的挖掘研究并發現其中的規律。

2 數據挖掘中關聯規則發掘

2.1 相關概念

數據挖掘技術是從數據倉庫中獲取高可信度知識，發現人們不易察覺的隱含模式。關聯規則算法典型案例“啤酒+尿布”中提到關聯算法的兩個概念：支持度和置信度。支持度Support指的是數據集中包含某幾個特定項的概率，比如在1000次的商品交易中同時出現了啤酒和尿布的次數是50次，那么此關聯的支持度為5%；和關聯算法很相關的另一個概念是置信度Confidence，也就是在數據集中已經出現A時，B發生的概率，置信度的計算公式是：A與B同時出現的概率/A出現的概率即買尿布→買啤酒的概率。用公式描述為：

Support（尿布，啤酒）≥5%andConfidence（尿布，啤酒）≥65%。

原來，美國婦女通常在家照顧孩子，所以她們經常會囑咐丈夫在下班回家的路上為孩子買尿布，而丈夫在買尿布的同時又會順手購買自己愛喝的啤酒。

這個發現為商家帶來了大量的利潤，利用類似知識發現啤酒和尿布銷售之間的聯系的過程，可以為發掘某項社會服務延伸其他服務提供一些啟示。

2.2 關聯規則挖掘技術的應用

關聯規則除了應用在有名的購物籃分析之外，在中醫藥挖掘分析[3]、圖書館個性化服務[4，5]、證券分析、平臺信息推薦服務和通訊行業等領域都有著廣泛的應用。它主要通過分析日常的大量繁雜信息，從中找出一定的聯系，據隱含關聯信息為依據，為客戶群智能推薦相關的其他個性化服務。

2.3 關聯規則挖掘求解問題的步驟

從數據庫中發現強關聯規則的步驟為：（1）預處理與挖掘任務有關的數據，根據具體問題的要求對數據庫進行相應的處理，從而生成規格化的數據庫；（2）從數據庫中找到所有支持度大于最小支持度的項集，這些項集稱為頻繁項集；（3）使用上面找到的頻繁項集產生期望的規則，這些規則必須滿足最小置信度，形成輸出規則。

3 數據準備和處理

3.1 數據準備

原始數據通過調查問卷方式獲得，被研究者為五年時間內某體育類高校的社會服務對象，包括各種社會培訓（青少年拓展類、裁判員培訓、體育指導員培訓、成人體育項目培訓等）和組織或參與大型體育賽事服務等的人員，問卷累計調查兩千余人。

其中社會服務對象的個人基本信息包括年齡、性別、工作單位、受教育程度等。社會服務項目包含具體社會服務名稱、服務級別和服務類型等信息。

3.2 數據預處理

原始數據形式要實現挖掘還需進行數據的清洗、預處理與轉換，將其轉換成需要的數據形式。在高校社會服務對象信息數據庫中存有大量的信息。如果需要找出的是服務對象年齡、職業、學歷與其接受服務項目的關聯規則，我們需要關心的就是其信息中的年齡、職業、學歷。其他的如姓名、性別等可以認為是無關信息。此外還要對選擇后的數據進行清理，比如說某些字段屬性值可能存在空缺值或者噪聲不一致的現象。

4 實驗結果

數據中的相關性有時隱藏在內部，不易發現。通過關聯規則可發現內部兩個變量或多個變量之間的相關性，進而找到其規律。本文以8位社會服務對象為例，簡要介紹關聯規則在體育院校社會服務中的應用。

表1所示為某體育院校社會服務事物中的服務類型表，該表顯示了社會服務對象與參與服務類型之間的關系。采用Apriori算法可以得到支持度大于35%的數據，如表2所示。從單向統計可以看出，62.5%的人參與了社會體育指導員培訓，50%的人參與某體育項目學員和組織管理人員服務，37.5%的人參與賽事裁判員、裁判員培訓和志愿者的服務中。

表3所示為支持度為37.5%的四種服務類型的組合，從表4可看出37.5%的社會服務對象同時參與社會體育指導員培訓，裁判員培訓和賽事裁判員。參與社團體育指導員培訓的服務對象同時參與裁判員培訓和賽事裁判員的支持度為37.5%，置信度為66.6%，因此得到如下規則：

服務類型（社會體育指導員培訓）∧服務類型（裁判員培訓）服務類型（賽事裁判員）[sup port=37.5%，confidence=66.6%]，據此得出其隱含的關聯。

表4 支持度大于35%同時參與三種社會服務的數據

三項統計 支持度（%）

社會體育指導員培訓、裁判員培訓、

賽事裁判員 37.5

5 結 論

長期以來，體育院校承擔了許多體育方面的社會服務工作，但鮮有人根據大量積累的資料對社會服務對象分類挖掘，其根本原因在于體育院校與數據挖掘知識之間的專業領域限制。因此，本文根據實際社會服務數據，采用數據挖掘中的關聯規則技術挖掘并發現數據間隱藏的知識尤其可貴。在對目標客戶群進行有效分類后，可以更加有針對性的提供相關服務和個性化服務，這對于提高體育院校社會服務能力有著重要作用。

參考文獻：

[1] 張新軍.高校體育對所在城市社會服務作用的探討——以東陽市為例 [J].當代體育科技，2015，5（26）：176+178.

[2] 王鯤.高等體育院校社會服務模式研究 [J].山東體育科技，2011，33（3）：54-57.

[3] 袁楠，金暉，田玲，等.基于聚類和模糊關聯規則的中醫藥對量效分析 [J].計算機應用研究，2009，26（1）：59-61.

[4] 劉志勇，王阿利，魏迎，等.關聯規則數據挖掘在圖書館個性化服務中的應用研究 [J].電子設計工程，2012，20（7）：16-17+20.

[5] 陳力，李林，秦臻，等.關聯規則在提高圖書館服務質量中的應用 [J].情報雜志，2008（2）：145-146+150.