扩展型关联规则算法在学生选课中的应用.pdfVIP

2009年 l2月 廊坊师范学院学报 (自然科学版) Dec．2009 第9卷第6期 JournalofLangfangTeachersConege(NaturnalScienceEdition) Vo1．9No．6 扩展型关联规则算法在学生选课中的应用 陈 松 孔琳俊 (浙江财经学院，浙江杭州 310018) 摘【 要】 数据挖掘技术作为一种数据分析手段，已经逐渐为人们所熟悉，但是在教学管理中的应用相对较少。 针对学生选课系统实际情况，应用扩展型关联规则的Apriori算法进行数据挖掘，实践表明，该算法在学生选课数据 中的分析是非常有效的。 【关键词】 教育信息化；数据挖掘；扩展型关联规则；Apriori算法；选课 ApplicationofExtendedAssociationRuleAlgorithm inStudentElective CHEN Song K0NGLin-iun A【bstract】 Dataminingtechnology，asameansofdataanalysis，hasbeengraduallyfamiliarized，butitsapplicationin teachingmanagementisrelativelyless．Inconnection withtheactualcircumstancesofstudentelectivesystem ofour school，theAprioriextendedassociationrulealgorithm isusedfordatamining，thepracticeshowsthatthealgorithm is veryeffectiveinthestudentelectivedataanalysis． 【Keywords】 educationalinformationization；datamining；extendedassociationrule；Apriorialgorithm；studentelective (中图分类号]TP391．7 [文献标识码]A [文章编号]1674—3229(2009)06—0039—02 间，该步骤往往也是数据挖掘成败的关键所在。 1 引言 2．2 关联规则 数据挖掘技术是对数据进行分析的一种技术手 关联规则是数据挖掘 中最活跃的研究方法之 段，已经广泛应用于社会中的许多领域。但在教学管 一 ， 自提出以来受到了广泛的重视 。关联规则的挖 理领域的应用，尚处于一个摸索、推广的阶段。这里 掘主要分两步：步骤 1：用户(User)根据最小的支持 主要有两方面原因：一方面是教学管理系统的数据量 度(Min—SUD)，在大量事务 D中寻找不低于最小支 还不够大，对于专业的、成熟的数据挖掘系统并不适 持度的频繁项 目集；步骤2：根据找到的频繁项 目集 合；另一方面，一个软件或技术的产生往往是由价值 和最小的置信度 (Min—conf)生成关联规则 (R)。 利益所驱动，专门针对高校教学管理系统中的数据挖 其中第一个步骤是需要在大量的事务数据集中寻找 掘研究，还无法提上 日程。本文介绍了一种基于扩展 高频率出现的项 目集，需要花费的时间相对较高，所 型关联规则的Apriori算法，利用此算法对浙江财经 以要提高效率主要从该步骤人手，进行算法研究与 学院学生选课数据进行了挖掘分析。 改进，本论文的研究 目标就是寻找一种高效的关联 规则算法，结合学生选课数据，进行数据挖掘工作， 2 数据挖