李 梁，張建剛

(重慶理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，重慶 400054)

隨著社會(huì)和科學(xué)技術(shù)的快速發(fā)展，高校的科研能力日益成為高校整體綜合實(shí)力的一種標(biāo)志。教師是學(xué)?？蒲泄ぷ鞯闹髁姡?］，但由于科研活動(dòng)指標(biāo)眾多，且相互交叉影響，如何準(zhǔn)確判斷指標(biāo)與教師科研能力的潛在關(guān)系已成為當(dāng)前高校面臨的一個(gè)重要問(wèn)題。普通的統(tǒng)計(jì)分析已不能滿(mǎn)足對(duì)教師科研能力評(píng)價(jià)的需求且普遍存在時(shí)間滯后、工作繁多等缺陷，而且評(píng)價(jià)過(guò)程中的人為主觀(guān)因素往往成為影響評(píng)價(jià)正確性的不確定性因素［1］。

近年來(lái)，很多學(xué)者使用關(guān)聯(lián)規(guī)則對(duì)高?？蒲心芰蛘呓處熆蒲心芰M(jìn)行挖掘分析。在教師科研評(píng)價(jià)指標(biāo)繁多的情況下，沒(méi)有對(duì)科研眾多指標(biāo)進(jìn)行約簡(jiǎn)，而是直接使用關(guān)聯(lián)規(guī)則算法進(jìn)行挖掘分析，在屬性維數(shù)尚未約簡(jiǎn)的情況下使用關(guān)聯(lián)規(guī)則算法，這在形成候選項(xiàng)集、頻繁項(xiàng)集和產(chǎn)生規(guī)則等步驟時(shí)大大增加了時(shí)間復(fù)雜度和空間復(fù)雜度。

針對(duì)上述問(wèn)題，本文在參考國(guó)內(nèi)外相關(guān)研究成果的基礎(chǔ)上引入粗糙集理論中鄰域粗糙集的相關(guān)性質(zhì)，采用基于鄰域粗糙集屬性約簡(jiǎn)的貪心算法對(duì)教師科研能力指標(biāo)進(jìn)行約簡(jiǎn)，在不影響產(chǎn)生規(guī)則的前提下，求得影響教師科研指標(biāo)的關(guān)鍵核屬性，減少指標(biāo)空間維數(shù)，然后結(jié)合關(guān)聯(lián)規(guī)則Apriori算法挖掘教師科研能力與關(guān)鍵指標(biāo)之間的潛在關(guān)聯(lián)。

1 教師科研能力評(píng)價(jià)指標(biāo)體系構(gòu)建

通過(guò)研究相關(guān)文獻(xiàn)［2-3］，結(jié)合高校教師的實(shí)際科研活動(dòng)情況，筆者將科研活動(dòng)大體上分為科研論文、科研項(xiàng)目、著作、獲獎(jiǎng)以及專(zhuān)利等一級(jí)指標(biāo)，并根據(jù)一級(jí)指標(biāo)劃分不同等級(jí)的二級(jí)指標(biāo)。如科研項(xiàng)目根據(jù)項(xiàng)目級(jí)別可劃分為國(guó)家級(jí)項(xiàng)目、省部級(jí)項(xiàng)目、廳局級(jí)項(xiàng)目、橫向和校級(jí)項(xiàng)目。其中校級(jí)項(xiàng)目為滿(mǎn)足學(xué)校內(nèi)部需求而開(kāi)發(fā)的項(xiàng)目，在績(jī)效計(jì)算評(píng)分過(guò)程中所占的分?jǐn)?shù)比較低，故在評(píng)價(jià)教師科研能力評(píng)價(jià)指標(biāo)體系中將其略去。綜上所述，教師科研能力評(píng)價(jià)指標(biāo)體系可用圖1所示的層次結(jié)構(gòu)指標(biāo)體系描述。

圖1 教師科研能力評(píng)價(jià)指標(biāo)體系

2 基于鄰域粗糙集的屬性約簡(jiǎn)貪心算法

2.1 教師科研數(shù)據(jù)的連續(xù)性特征

本文的教師科研數(shù)據(jù)采用重慶市某高校對(duì)參與科研活動(dòng)的教師按照評(píng)分規(guī)則進(jìn)行積分計(jì)算得到，所得的科研績(jī)效積分為同一量綱，教師科研數(shù)據(jù)是連續(xù)的指標(biāo)數(shù)據(jù)，因此科研數(shù)據(jù)具有連續(xù)性特征。

2.2 約簡(jiǎn)算法的選擇

經(jīng)典粗糙集理論［4-6］定義在等價(jià)關(guān)系之上，對(duì)數(shù)值型數(shù)據(jù)的處理首先需要進(jìn)行離散化處理。但是由于教師科研數(shù)據(jù)具有連續(xù)的特征，數(shù)據(jù)離散化后可能會(huì)丟失某些重要的信息，而且不同的離散化策略可能會(huì)影響評(píng)價(jià)模型的輸出結(jié)果［7］。本文不再使用必須對(duì)數(shù)據(jù)進(jìn)行離散化的經(jīng)典粗糙集理論，而是引入了鄰域粗糙集理論對(duì)教師科研進(jìn)行優(yōu)化和屬性約簡(jiǎn)［8］。

2.3 屬性選擇貪心算法

屬性選擇過(guò)程常采取前向貪心搜索策略，通過(guò)測(cè)試加入新的候選屬性后度量指標(biāo)的變化，生成新的屬性子集。以粗糙集屬性依賴(lài)度作為度量指標(biāo)時(shí)，需計(jì)算屬性子集下的正域樣本個(gè)數(shù)［9］。以往在逐個(gè)向已選條件屬性集E中添加任一新屬性r時(shí)，需要重新依次判斷各個(gè)樣本是否在正域內(nèi)。根據(jù)其性質(zhì)，若樣本x為E上的正域樣本，則x也是(E+r)上的正域樣本，即新加入的屬性?xún)H對(duì)區(qū)分邊界樣本有效。根據(jù)這一特性，在計(jì)算決策屬性D對(duì)(E+r)的屬性依賴(lài)度時(shí)，只需判斷原來(lái)負(fù)域中的樣本即可，由此可能大大減少樣本判斷次數(shù)。

若U中樣本個(gè)數(shù)為D，在已選屬性子集E下，正域樣本集為S，D對(duì)E的屬性依賴(lài)度為k，加入屬性r后，U-S中的樣本在(E+r)下正域樣本為s，個(gè)數(shù)為n，則D對(duì)(E+r)的屬性依賴(lài)度為(k+n)/N。

在判斷某個(gè)樣本是否在正域時(shí)，由于需要計(jì)算鄰域，所以其他樣本無(wú)論是否已判定在正域內(nèi)都將被用到。

3 關(guān)聯(lián)規(guī)則算法

關(guān)聯(lián)規(guī)則是描述一個(gè)事務(wù)中事件之間同時(shí)出現(xiàn)的規(guī)律的知識(shí)模式，是數(shù)據(jù)庫(kù)中存在的一類(lèi)重要的、可被發(fā)現(xiàn)的知識(shí)。關(guān)聯(lián)分析的目的是找出數(shù)據(jù)庫(kù)中隱藏的關(guān)聯(lián)網(wǎng)，挖掘出隱藏在數(shù)據(jù)庫(kù)中的一些關(guān)聯(lián)規(guī)則，這些規(guī)則體現(xiàn)屬性(數(shù)值)頻繁地在特定數(shù)據(jù)集中出現(xiàn)的條件，通常表現(xiàn)為“同時(shí)發(fā)生”或“從一個(gè)對(duì)象可以推斷出另一個(gè)對(duì)象”。利用這些關(guān)聯(lián)規(guī)則可以根據(jù)已知情況對(duì)未來(lái)未知問(wèn)題進(jìn)行推測(cè)判斷。

設(shè) I={i1，i2，…im，}是項(xiàng)集，其中 ik(k=1，2，…，m)可以是購(gòu)物籃中的物品，也可以是保險(xiǎn)公司的顧客。設(shè)任務(wù)相關(guān)的數(shù)據(jù)D是事務(wù)集，其中每個(gè)事務(wù)T是項(xiàng)集，使得T?I。設(shè)A是一個(gè)項(xiàng)集，且A?T。

關(guān)聯(lián)規(guī)則是如下形式的邏輯蘊(yùn)涵:A?B，A?I，B?I，且A∩B=?。關(guān)聯(lián)規(guī)則有如下兩個(gè)重要的屬性:

支持度:P(A∪B)，即A和B這兩個(gè)項(xiàng)集在事務(wù)集D中同時(shí)出現(xiàn)的概率。

置信度:P(B|A)，即在出現(xiàn)項(xiàng)集A的事務(wù)集D中項(xiàng)集B也同時(shí)出現(xiàn)的概率。

同時(shí)滿(mǎn)足最小支持度閾值和最小置信度閾值的規(guī)則稱(chēng)為強(qiáng)規(guī)則。給定一個(gè)事務(wù)集D，挖掘關(guān)聯(lián)規(guī)則問(wèn)題就是產(chǎn)生支持度和可信度分別大于用戶(hù)給定的最小支持度和最小可信度的關(guān)聯(lián)規(guī)則，也就是產(chǎn)生強(qiáng)規(guī)則的問(wèn)題。

最經(jīng)典的關(guān)聯(lián)規(guī)則算法是R.Agrawal，Imielinski和 Swam等人提出的 Apriori算法。支持度(support)和可信度(confidence)是描述關(guān)聯(lián)規(guī)則的兩個(gè)重要概念，前者(support)用于衡量關(guān)聯(lián)規(guī)則在整個(gè)數(shù)據(jù)集中的統(tǒng)計(jì)重要性，后者(confidence)用于衡量關(guān)聯(lián)規(guī)則的可信程度。

Apriori算法使用一種稱(chēng)作逐層搜索的迭代方法，k項(xiàng)集用于搜索(K+1)項(xiàng)集。首先，算法通過(guò)掃描數(shù)據(jù)庫(kù)累積每個(gè)項(xiàng)的計(jì)數(shù)，并收集滿(mǎn)足最小支持度的項(xiàng)，找出頻繁1項(xiàng)集的集合，該集合記做L1;然后L1用于找到頻繁2項(xiàng)集L2，L2用于找到L3，如此下去，直到不能再找到頻繁K項(xiàng)集。找每一個(gè)Lk均需要進(jìn)行一次數(shù)據(jù)庫(kù)全掃描［9］。

為了提高Apriori的效率，算法引入連接步和剪枝步滿(mǎn)足Apriori的性質(zhì):頻繁項(xiàng)集的所有非空子集也必須是頻繁的。

連接步:為找Lk，通過(guò)將Lk-1與自身連接產(chǎn)生候選K項(xiàng)集的集合Ck。

剪枝步:Ck是Lk的超集，所有的頻繁K項(xiàng)集都包含在Ck中。掃描數(shù)據(jù)庫(kù)，確定Ck中每個(gè)候選項(xiàng)的計(jì)數(shù)，如果候選K項(xiàng)集的(K-1)項(xiàng)子集不在Lk-1中，則該候選也不可能是頻繁的，可以從Ck中刪除。

4 教師科研指標(biāo)數(shù)據(jù)的處理

4.1 指標(biāo)數(shù)據(jù)獲取和處理

教師科研能力指標(biāo)體系主要采用圖1所述的指標(biāo)屬性。由于依據(jù)某高?？蒲谢顒?dòng)評(píng)分規(guī)則得到的教師科研活動(dòng)得分實(shí)際上是連續(xù)型數(shù)據(jù)，所以數(shù)據(jù)之間存在著量綱和數(shù)量級(jí)的不同。本文選擇鄰域粗糙集屬性約簡(jiǎn)貪心算法對(duì)科研指標(biāo)進(jìn)行屬性處理，所以首先對(duì)所得的決策表初始數(shù)據(jù)進(jìn)行歸一化處理，然后采用貪心算法對(duì)歸一化后的數(shù)據(jù)進(jìn)行屬性的重要性比較，得到約簡(jiǎn)后的屬性，從而構(gòu)造新的事務(wù)數(shù)據(jù)表作為關(guān)聯(lián)規(guī)則算法的輸入數(shù)據(jù)。教師科研能力指標(biāo)數(shù)據(jù)如表1所示。

表1中屬性科研活動(dòng)數(shù)據(jù)來(lái)自重慶某高校2009—2011三年來(lái)部分教師的科研數(shù)據(jù)，它以某高校制定的科研工作績(jī)效計(jì)分方法為依據(jù)，根據(jù)科研活動(dòng)的級(jí)別以及等次進(jìn)行分?jǐn)?shù)計(jì)算，并且依據(jù)參與科研活動(dòng)成員數(shù)量及角色分工的不同，按照成員參與重要度順序、進(jìn)而按照不同的比例進(jìn)行得分計(jì)算。表1中的教師科研能力作為決策屬性用G表示，其中:4表示科研能力很強(qiáng);3表示科研能力較強(qiáng);2表示科研能力一般;1表示科研能力較差。

表1 教師科研能力指標(biāo)體系數(shù)據(jù)集

4.2 基于鄰域粗糙集指標(biāo)屬性的約簡(jiǎn)

對(duì)表1中指標(biāo)數(shù)據(jù)使用極差歸一化變換，指標(biāo)數(shù)據(jù)值都在(0，1)，變換公式為

對(duì)表1進(jìn)行指標(biāo)數(shù)據(jù)連同決策屬性與科研指標(biāo)數(shù)據(jù)歸一化之后，使用屬性約簡(jiǎn)的貪心算法［11］進(jìn)行屬性之間重要性比較，通過(guò)設(shè)置不同的鄰域半徑得到的屬性重要程度不同。程序選擇基于哈爾濱工業(yè)大學(xué)胡清華副教授對(duì)粗糙集的研究，設(shè)置重要度下限為0.000 1，若求得某一屬性的重要度小于0.000 1，則視其為很不重要的一列屬性，將其作為冗余屬性。在反復(fù)比較鄰域半徑不同值情況下，以高校普遍教師科研活動(dòng)事實(shí)為依據(jù)，最終選擇鄰域半徑為r=0.27，求的決策表中約簡(jiǎn)屬性為［X1，X3，X4，X5，X6，X8］，即將國(guó)家級(jí)項(xiàng)目、廳局級(jí)項(xiàng)目、橫向項(xiàng)目、核心期刊論文、三大檢索論文以及公開(kāi)發(fā)表的論文組成新的決策表作為關(guān)聯(lián)規(guī)則事務(wù)數(shù)據(jù)，如表2所示。

表2 屬性約簡(jiǎn)快速算法相關(guān)參數(shù)及約簡(jiǎn)結(jié)果

從約簡(jiǎn)后的核屬性可知，大多高校教師的科研活動(dòng)都集中在科研項(xiàng)目和科研論文方面，對(duì)于其他的科研活動(dòng)比如專(zhuān)利、著作等重視程度較差。而對(duì)于科研項(xiàng)目，則眾多的是橫向項(xiàng)目，重要度為0.666 7，國(guó)家級(jí)項(xiàng)目重要度為0.190 5，說(shuō)明教師更多地參與國(guó)家級(jí)項(xiàng)目不僅有助于提高自身科研素質(zhì)，還可以提高學(xué)校參與國(guó)家級(jí)項(xiàng)目的比例。

4.3 指標(biāo)數(shù)據(jù)的離散化處理

關(guān)聯(lián)規(guī)則Apriori算法只能處理字符型變量和結(jié)果變量，故對(duì)于歸一化之后的指標(biāo)數(shù)據(jù)要根據(jù)數(shù)據(jù)變換規(guī)則進(jìn)行離散化處理，并用不同的字符代表不同的指標(biāo)數(shù)據(jù)范圍。不同的指標(biāo)數(shù)據(jù)在歸一化之后保持相同的性質(zhì)，對(duì)其進(jìn)行離散化，離散化標(biāo)準(zhǔn)為0～0.15;0.16～0.30;0.31～0.45;0.45～0.6;0.61～1。其中，對(duì)于教師科研能力等級(jí) G 劃分為L(zhǎng)4、L3、L2、L1，依次表示科研能力很強(qiáng)、較強(qiáng)、一般、較差。離散化后的數(shù)據(jù)如表3所示。

表3 教師科研能力離散化數(shù)據(jù)

4.4 關(guān)聯(lián)規(guī)則Apriori算法對(duì)離散數(shù)據(jù)的挖掘

輸入挖掘需要的參數(shù)，使用關(guān)聯(lián)規(guī)則的Apriori算法進(jìn)行挖掘，如最小值支持度計(jì)數(shù)Support=19%，最小置信度Confidence=50%。使用關(guān)聯(lián)規(guī)則在于挖掘教師科研活動(dòng)中國(guó)家級(jí)項(xiàng)目、廳局級(jí)項(xiàng)目、橫向項(xiàng)目與核心期刊論文、三大檢索論文、公開(kāi)發(fā)表論文之間的內(nèi)在關(guān)系，故前向數(shù)為2，后項(xiàng)數(shù)為1即為教師的科研能力等級(jí)，得到的規(guī)則如表4所示。

表4 教師科研能力提出的規(guī)則

4.5 規(guī)則分析

由規(guī)則1可知，教師科研能力很強(qiáng)，在科研項(xiàng)目尤其是橫向項(xiàng)目上表現(xiàn)比較優(yōu)秀，雖然在科研論文方面表現(xiàn)稍有不足，但是科研項(xiàng)目的比例彌補(bǔ)了教師在論文方面的不足;由規(guī)則2和規(guī)則3可知，當(dāng)教師在國(guó)家級(jí)項(xiàng)目表現(xiàn)較差，橫向項(xiàng)目表現(xiàn)良好時(shí)，教師的科研能力較強(qiáng)或者一般，支持度均為19.04%，其置信度均為50%;由規(guī)則4可知，教師在橫向項(xiàng)目表現(xiàn)良好，且公開(kāi)發(fā)表論文表現(xiàn)較差時(shí)，其科研能力為一般;規(guī)則5則顯示教師核心期刊論文較差但是公開(kāi)發(fā)表的論文很強(qiáng)的情況下，其科研能力為一般，公開(kāi)發(fā)表的論文彌補(bǔ)了核心論文方面的缺陷;由規(guī)則6則可得在滿(mǎn)足最小支持度下，教師在國(guó)家級(jí)項(xiàng)目和廳局級(jí)項(xiàng)目均表現(xiàn)較差時(shí)，其科研能力較差。

綜上可得，影響教師科研能力的主要因素是國(guó)家級(jí)項(xiàng)目和核心期刊，以及三大檢索論文的發(fā)表情況。對(duì)于科研能力很強(qiáng)的教師，其科研項(xiàng)目和科研論文往往不能同時(shí)達(dá)到優(yōu)秀。如規(guī)則1所示，教師在橫向項(xiàng)目達(dá)到優(yōu)秀，但是在論文公開(kāi)發(fā)表方面卻僅為及格，因此學(xué)校決策層應(yīng)采取一定措施，指導(dǎo)教師將參與的項(xiàng)目結(jié)合其論文發(fā)表，則教師科研水平將會(huì)更上一個(gè)層次。規(guī)則2、3表示科研項(xiàng)目表現(xiàn)一般情況下，教師科研能力為較強(qiáng)和一般的置信度均為50%，這類(lèi)型的教師在論文方面的成就直接影響其科研能力，故決策層應(yīng)根據(jù)實(shí)際情況加強(qiáng)教師的科研論文。對(duì)科研能力較差的教師，學(xué)校應(yīng)給予更多的機(jī)會(huì)讓他們參與項(xiàng)目的進(jìn)度以及專(zhuān)業(yè)知識(shí)的學(xué)習(xí)，提高其專(zhuān)業(yè)知識(shí)水平，進(jìn)而提高學(xué)校的科研活動(dòng)能力。

5 結(jié)束語(yǔ)

本文率先引入鄰域粗糙集理論與關(guān)聯(lián)規(guī)則算法的結(jié)合，利用其屬性約簡(jiǎn)快速選擇算法對(duì)眾多教師科研能力指標(biāo)進(jìn)行重要度約簡(jiǎn)，以某高校3年來(lái)科研數(shù)據(jù)為依據(jù)，求得影響教師科研能力的關(guān)鍵屬性;對(duì)約簡(jiǎn)后的數(shù)據(jù)用關(guān)聯(lián)規(guī)則的Apriori算法進(jìn)行挖掘分析，不僅減少了算法生成規(guī)則的時(shí)間、空間復(fù)雜度，而且不影響規(guī)則的挖掘分析，最終求得教師科研能力與科研活動(dòng)之間的深層關(guān)聯(lián)，為學(xué)校決策層在科研活動(dòng)方面提供事實(shí)依據(jù)。經(jīng)驗(yàn)證，粗糙集與關(guān)聯(lián)規(guī)則的結(jié)合在教師科研能力評(píng)價(jià)方面有一定的實(shí)用性，有助于高校合理分析教師的科研能力內(nèi)在關(guān)系，為決策分析提供了事實(shí)依據(jù)，并為準(zhǔn)確地對(duì)教師的科研能力進(jìn)行評(píng)價(jià)衡量，從而全面了解教師信息提供一個(gè)有力的工具。

［1］徐守軍，高波，等.數(shù)據(jù)挖掘技術(shù)在科研管理中應(yīng)用前景初探［J］.中華醫(yī)學(xué)科研管理雜志，2005(4):214-216.

［2］張劍平.高校教師科研能力評(píng)價(jià)指標(biāo)體系設(shè)計(jì)研究［J］.黑龍江高教研究，2006(5):101-103.

［3］王京文，胡忠望，肖建華，等.高校教師科研水平評(píng)估指標(biāo)體系的研究［J］.湖南工程學(xué)院學(xué)報(bào):社會(huì)科學(xué)版，2006，16(2):73-75.

［4］常犁云，王國(guó)胤，吳渝.一種基于Rough Set理論的屬性約簡(jiǎn)及規(guī)則提取方法［J］.軟件學(xué)報(bào)，1999，10(11):1207-1211.

［5］石云，孫玉芳，左春.基于Rough Set的空間數(shù)據(jù)分類(lèi)方法［J］.軟件學(xué)報(bào).2000，11(5):673-678.

［6］Suguna N，Thanushkodi K G.An Independent Rough Set Approach Hybrid with Artificial Bee Colony Algorithm for Dimensionality Reduction［J］.American Journal of Applied Sciences，2011，8(3):261-266.

［7］楊明.一種基于改進(jìn)差別矩陣的屬性約簡(jiǎn)增量式更新算法［J］.計(jì)算機(jī)學(xué)報(bào)，2007，30(5):815-822.

［8］鄧勝，戴小鵬，陳墾，等.粗糙集理論在農(nóng)業(yè)生物災(zāi)害預(yù)測(cè)中的應(yīng)用［J］.安徽農(nóng)業(yè)科學(xué)，2006，16(2):73-75.

［9］Han Jiawei H，Kamber M.數(shù)據(jù)挖掘概念與技術(shù)［M］.范明，孟小峰，譯.北京:機(jī)械工業(yè)出版社，2007.

［10］謝中華.MATLAB統(tǒng)計(jì)分析與應(yīng)用:40個(gè)案例分析［M］.北京:北京航空航天大學(xué)出版社，2010.

［11］胡清華，于達(dá)仁，謝宗霞.基于鄰域?；痛植诒平臄?shù)值屬性約簡(jiǎn)［J］.軟件學(xué)報(bào)，2008，19(3):640-649.