陳霄　曾振東

摘 要：關(guān)聯(lián)規(guī)則挖掘是挖掘研究領(lǐng)域的一項(xiàng)重要技術(shù)，高職院校教學(xué)管理系統(tǒng)產(chǎn)生海量數(shù)據(jù)，這些數(shù)據(jù)中隱藏著大量有價(jià)值的信息。文章采用改進(jìn)的Apriori算法對(duì)高職院校計(jì)算機(jī)專業(yè)學(xué)生成績(jī)進(jìn)行關(guān)聯(lián)規(guī)則分析，挖掘出課程之間的相關(guān)性，為高職院校更科學(xué)的制定教學(xué)計(jì)劃提供有力的決策支持，進(jìn)而提高教育教學(xué)質(zhì)量。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；高職院校；計(jì)算機(jī)專業(yè)

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-8454（2014）20-0075-03

一、引言

隨著高職院?？焖侔l(fā)展，規(guī)模不斷擴(kuò)大，造成高職院校在課程設(shè)置、教學(xué)內(nèi)容、學(xué)生管理、招生就業(yè)等方面面臨嚴(yán)峻的考驗(yàn)，傳統(tǒng)的教學(xué)管理理念已經(jīng)不能夠適應(yīng)高職院校發(fā)展的需要，但是，許多高職院校在專業(yè)課程設(shè)置上都是在以往的專業(yè)課程設(shè)置基礎(chǔ)上結(jié)合教學(xué)實(shí)際情況簡(jiǎn)單的進(jìn)行修改，很少高職院校在專業(yè)課程設(shè)置上聽取企業(yè)的建議或者遵循市場(chǎng)對(duì)人才的需求，導(dǎo)致課程應(yīng)該在哪個(gè)學(xué)期開設(shè)或者是否繼續(xù)開設(shè)等方面存在不少問題。

目前，基本上所有的高職院校都是采用基于WEB的教學(xué)管理系統(tǒng)對(duì)學(xué)生成績(jī)信息進(jìn)行有效管理，隨著時(shí)間的推移，教學(xué)管理系統(tǒng)將產(chǎn)生海量的數(shù)據(jù)，大量的數(shù)據(jù)沒有被充分的利用，因此，如何利用關(guān)聯(lián)規(guī)則挖掘技術(shù)發(fā)掘隱藏在海量學(xué)生成績(jī)數(shù)據(jù)背后有價(jià)值的信息或者規(guī)則，如課程之間的聯(lián)系，學(xué)生成績(jī)與課程之間的聯(lián)系等等，為教師授課、學(xué)生學(xué)習(xí)、教育管理決策提供有用的理論指導(dǎo)。

二、關(guān)聯(lián)規(guī)則挖掘和改進(jìn)的Apriori算法

1.基本概念

數(shù)據(jù)挖掘（Data Mining），就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又潛在有用的信息和知識(shí)的過程。[1]關(guān)聯(lián)規(guī)則挖掘是從大量數(shù)據(jù)中挖掘出有價(jià)值的、描述數(shù)據(jù)項(xiàng)之間相互聯(lián)系的有關(guān)知識(shí)。[2]關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘研究領(lǐng)域的一項(xiàng)重要技術(shù)，其目的是從數(shù)據(jù)庫中挖掘出不低于預(yù)先給定min-support閾值和min-confi閾值的關(guān)聯(lián)規(guī)則。[3]

關(guān)聯(lián)規(guī)則描述為：設(shè)I={i1，i2，……，im}為M個(gè)項(xiàng)目集，D為交易數(shù)據(jù)集合，其中事務(wù)T是I項(xiàng)目子集（T?I），對(duì)應(yīng)的每一個(gè)事務(wù)交易都有唯一的標(biāo)識(shí)TID。關(guān)聯(lián)規(guī)則形如X?Y的邏輯蘊(yùn)涵式，其中X?I，Y?I，且X∩Y=ф。如果事務(wù)數(shù)據(jù)庫D中有s%的事務(wù)包含X∪Y，則稱關(guān)聯(lián)規(guī)則X?Y的支持度為s%，若項(xiàng)集X的支持度記為support（X），規(guī)則的信任度為support（X∪Y）/ support（X）。[4]也就是：

support（XY）=P（X∪Y）

confidence（XY）=P（Y/X）

2. Apriori算法

Apriori算法是關(guān)聯(lián)規(guī)則挖掘中重要的算法之一，它的核心思想是采用逐層搜索的迭代的方法通過多次掃描數(shù)據(jù)庫D來找出所有的頻繁項(xiàng)集。其算法描述如下：

L1={頻繁1—項(xiàng)集}；

For（k=2；Lk-1≠ф；k++）do begin

Ck=apriori_gen（Lk-1）；//新的潛在頻繁項(xiàng)集

for all transactions t∈D do begin

Ct=subset（Ck ，t）； //事務(wù)t中包含的潛在頻繁項(xiàng)集

for all candidates c∈Ct do

c.count++；

end；

Lk={c∈Ck|c.count≥minsup}

end；

Answer=YkLk；

Apriori算法雖然簡(jiǎn)單明了，容易實(shí)現(xiàn)，但是存在許多不足之處，一是對(duì)數(shù)據(jù)庫D掃描次數(shù)過多，二是會(huì)產(chǎn)生大量的中間項(xiàng)集。針對(duì)這兩個(gè)問題，筆者對(duì)Apriori算法做了相應(yīng)的改進(jìn)，將整個(gè)數(shù)據(jù)庫進(jìn)行分段，挖掘過程只需在段內(nèi)進(jìn)行，接著各子數(shù)據(jù)庫挖掘結(jié)果匯總，最終刷選出關(guān)聯(lián)規(guī)則。

三、關(guān)聯(lián)規(guī)則挖掘在高職院校計(jì)算機(jī)專業(yè)課程設(shè)置中的應(yīng)用

高職院校計(jì)算機(jī)專業(yè)課程包括有圖像處理、網(wǎng)頁設(shè)計(jì)、動(dòng)畫制作、網(wǎng)站制作與維護(hù)、C語言程序設(shè)計(jì)等。采用改進(jìn)的Apriori算法對(duì)計(jì)算機(jī)專業(yè)課程進(jìn)行分析，分析流程包括數(shù)據(jù)選擇、數(shù)據(jù)刷選、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)挖掘及結(jié)果分析。

1.數(shù)據(jù)準(zhǔn)備

本研究選取某高職院校計(jì)算機(jī)專業(yè)10級(jí)到12級(jí)學(xué)生成績(jī)表作為數(shù)據(jù)源，挖掘課程之間的關(guān)聯(lián)性。為了減少冗余數(shù)據(jù)，將一些對(duì)專業(yè)課程影響較小的字段刪除，刪除了思政類、人文類、體育類和公共基礎(chǔ)課成績(jī)，最終選取了《圖像處理》、《網(wǎng)頁設(shè)計(jì)》、《動(dòng)畫制作》等15門專業(yè)基礎(chǔ)、專業(yè)骨干、專業(yè)核心課程學(xué)生成績(jī)作為研究對(duì)象。

2.數(shù)據(jù)篩選

采集的數(shù)據(jù)往往存在數(shù)據(jù)冗余、數(shù)據(jù)不完整性等現(xiàn)象，不能直接進(jìn)行挖掘，需要對(duì)數(shù)據(jù)進(jìn)行篩選處理。例如對(duì)于學(xué)生成績(jī)表中含有學(xué)生的電話、地址、出生年月等字段，一一進(jìn)行刪除；對(duì)于學(xué)生成績(jī)表中的學(xué)生退學(xué)、轉(zhuǎn)學(xué)等記錄一一刪除；對(duì)于學(xué)生成績(jī)表中缺考的信息，采用忽略元組的方法刪除；對(duì)于個(gè)別空缺值，采用人工填充的簡(jiǎn)單方式，其填充值為該字段的中值；對(duì)于補(bǔ)考、重修通過的學(xué)生成績(jī)，采用替換的方式填充為50分，便于數(shù)據(jù)轉(zhuǎn)換。經(jīng)過數(shù)據(jù)篩選的數(shù)據(jù)如表1所示。

3.數(shù)據(jù)轉(zhuǎn)換

從表1中可以看出，每一條元組代表一名學(xué)生的課程成績(jī)，表中成績(jī)都是采用0-100的數(shù)值表示，如果直接進(jìn)行數(shù)據(jù)挖掘，難以取得滿意的結(jié)果，所以，需要對(duì)每一條元組對(duì)應(yīng)的屬性值進(jìn)行量化，如采用區(qū)間量化，使每名學(xué)生每門課的成績(jī)值落入到特定的區(qū)間，最終轉(zhuǎn)換成離散屬性。因此，本文將學(xué)生各門課程成績(jī)分為優(yōu)秀、良好、中、及格、差五等，分別用A、B、C、D、E表示，90-100分為A類，80-89分為B類，70-79分為C類，60-69分為D類，60分以下為E類，同時(shí)，為了便于書寫，本文將表中各屬性的字段名用英文字母替代，其中KC1為《圖像處理》、KC2為《網(wǎng)頁設(shè)計(jì)》，KC3為《動(dòng)畫制作》、KC4為《網(wǎng)站制作與維護(hù)》、KC5為《C語言程序設(shè)計(jì)》等等，數(shù)據(jù)轉(zhuǎn)換后如表2所示。

4. Apriori算法的應(yīng)用

要對(duì)上述學(xué)生課程成績(jī)進(jìn)行課程關(guān)聯(lián)規(guī)則挖掘，本文采用的算法運(yùn)行的硬件平臺(tái)：Intel 酷睿2雙核 E7500、2GB內(nèi)存，軟件平臺(tái)：Windows XP、SQL Server 2000、SPSS Clementine。經(jīng)過數(shù)據(jù)轉(zhuǎn)換的學(xué)生成績(jī)數(shù)據(jù)已經(jīng)滿足Apriori算法對(duì)數(shù)據(jù)的要求，可以直接使用Apriori模型進(jìn)行挖掘。為了能夠得到準(zhǔn)確有效的課程關(guān)聯(lián)規(guī)則，經(jīng)過反復(fù)驗(yàn)證處理，將最小支持度設(shè)定為30%，最小置信度設(shè)定為60%。部分挖掘結(jié)果如圖1所示。

5.挖掘結(jié)果及分析

上面挖掘出來的98條結(jié)果并非每條關(guān)聯(lián)規(guī)則都有意義，我們對(duì)某些無價(jià)值的關(guān)聯(lián)規(guī)則進(jìn)行處理，無價(jià)值關(guān)聯(lián)就是一門課程的成績(jī)?cè)贏、B、C、D類中的其中一類能夠同時(shí)推出另外一門課程的成績(jī)?yōu)锳、B、C、D類中的兩類或者兩類以上的規(guī)則。例如，《圖像處理》成績(jī)?yōu)锳的學(xué)生可以推出《網(wǎng)頁設(shè)計(jì)》課程的學(xué)生成績(jī)即為A或者C等，這類規(guī)則就沒有意義。關(guān)聯(lián)規(guī)則分析主要有兩個(gè)參考依據(jù)：支持度與置信度，若數(shù)據(jù)集中D有C比例的事務(wù)T滿足“包含A事務(wù)的同時(shí)包含B事務(wù)”，則稱規(guī)則A→B具有C置信度，置信度的高低代表關(guān)聯(lián)規(guī)則強(qiáng)弱，置信度越高，關(guān)聯(lián)越強(qiáng)。

通過整理98條，剩下64條有價(jià)值的規(guī)則，分析這些關(guān)聯(lián)規(guī)則，得到部分主要的關(guān)聯(lián)規(guī)則如下：

規(guī)則1：C語言程序設(shè)計(jì)=A→網(wǎng)頁設(shè)計(jì)=A，置信度為69.2%，圖像處理=A、C語言程序設(shè)計(jì)=A→網(wǎng)頁設(shè)計(jì)=A，說明C語言程序設(shè)計(jì)、圖像處理是網(wǎng)頁設(shè)計(jì)的前導(dǎo)課程，因此，在課程設(shè)置中，網(wǎng)頁設(shè)計(jì)排在C語言程序設(shè)計(jì)、圖像處理課之后。

規(guī)則2：動(dòng)畫制作=A→網(wǎng)頁設(shè)計(jì)=C，置信度為70.5%，通過查看課程的安排學(xué)期發(fā)現(xiàn)，網(wǎng)頁設(shè)計(jì)課程安排在動(dòng)畫制作課程的前面，導(dǎo)致動(dòng)畫制作課程為優(yōu)秀的學(xué)生，網(wǎng)頁設(shè)計(jì)課程的學(xué)生不一定為優(yōu)秀，因此，動(dòng)畫制作課程應(yīng)該安排在網(wǎng)頁設(shè)計(jì)的前面。

以下幾條規(guī)則的含義相似，不在詳述。

規(guī)則3：網(wǎng)頁設(shè)計(jì)=A、C語言程序設(shè)計(jì)=A→網(wǎng)站制作與維護(hù)=A，置信度為85%。

規(guī)則4：數(shù)據(jù)結(jié)構(gòu)=D、C語言程序設(shè)計(jì)=D→數(shù)據(jù)庫技術(shù)=D，置信度80.3%。

規(guī)則5：C語言程序設(shè)計(jì)=A、操作系統(tǒng)=A→網(wǎng)站制作與維護(hù)=A，置信度76.5%。

規(guī)則6：計(jì)算機(jī)基礎(chǔ)=A、計(jì)算機(jī)組裝與維護(hù)=A、C語言程序設(shè)計(jì)=A→信息系統(tǒng)分析與設(shè)計(jì)=A，置信度82%。

從以上規(guī)則可以看出，C語言、數(shù)據(jù)結(jié)構(gòu)對(duì)于計(jì)算機(jī)專業(yè)的學(xué)生來說是一門基礎(chǔ)課，比較重要。筆者通過分析某高職院校計(jì)算機(jī)專業(yè)課程設(shè)置是否合理，簡(jiǎn)單的得出計(jì)算機(jī)專業(yè)課程體系，其中基礎(chǔ)課程為計(jì)算機(jī)基礎(chǔ)、計(jì)算機(jī)組裝與維護(hù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、辦公自動(dòng)化高級(jí)應(yīng)用、圖像處理、動(dòng)畫制作、C語言程序設(shè)計(jì)等，骨干課程為數(shù)據(jù)庫技術(shù)、網(wǎng)頁設(shè)計(jì)、操作系統(tǒng)、網(wǎng)站制作與維護(hù)等，核心課程為動(dòng)態(tài)WEB技術(shù)、信息系統(tǒng)分析與設(shè)計(jì)等。

四、結(jié)束語

高職教育是培養(yǎng)符合市場(chǎng)需求的高技能型人才，通過關(guān)聯(lián)規(guī)則挖掘算法，能夠有效地挖掘出課程之間的關(guān)聯(lián)關(guān)系，為高職院校課程設(shè)置、教學(xué)計(jì)劃和教學(xué)方案提供有力地決策支持，也為學(xué)生學(xué)習(xí)提供方向性指導(dǎo)意見。

參考文獻(xiàn)：

[1]J Han， M Kamber. Data Mining：Concepts and Techniques[M]. San Mateo， CA：Morgan Kaufmann， 2001.

[2]付沙，周航軍.關(guān)聯(lián)規(guī)則挖掘Apriori算法的研究與改進(jìn)[J]. 微電子學(xué)與計(jì)算機(jī)，2013（9）.

[3]孫志剛，朱小冬，王毅剛.基于改進(jìn)關(guān)聯(lián)規(guī)則的維修專業(yè)組合與優(yōu)化模型[J].計(jì)算機(jī)應(yīng)用研究，2013（2）.

[4]屈展，陳雷.一種改進(jìn)的APRIORI算法在電子商務(wù)中的應(yīng)用[J].西安石油大學(xué)學(xué)報(bào)（自然科學(xué)版），2012（1）.

（編輯：魯利瑞）