改进的Apriori算法在远程教学平台中的应用研究.pdfVIP

· 142· 信息产业 改进的Apriori算法在远程教学平台中的应用研究 王 鑫 黑 龙 (黑龙江工程学院 计算机科学与技术学院，黑龙江 哈尔滨 150050) 摘 要：本文提出了一种改进的Apfiofi算法。解决经典的Apfiofi算法的瓶颈，通过对数据库中小-Ye-小支持度的项集进行剪枝，减少数据 库中的事物数量来提高下次扫描的效率，同时改变产生候选集的函数，生成连续的访问页面。改进算法提高了网上学习模型的智能性。 关键词：关联规则；Apfiofi算法；频繁遍历路径；网上学习模型 1概述 根据 Apriori e聃 势 §埘l 捧l 孳J船 iM 随着网络技术和通信技术的发展，网上学习已成为一种新的教学 算法的不足之 ” 模式。然而，当前网上学习模型缺乏智能陛，不能提供个l生化教学服务。处，给出其改进 鼬 } ¨ I } 关联规则挖掘是数据挖掘的一种重要方法，主要用于发现不同事物之 方案，具体思路 ㈣ ㈣ ㈣ 问的内在联系。它能够对站点上积累的大量学习者信息进行挖掘，从而 如下： l 发现学习者的访问偏好和学习习惯，提供智能化服务。作为关联规则挖 (1)扫描数 掘的经典算法，Apriori算法本身存在缺陷，这就降低了它的挖掘效率，据库D，对包含 进而限制了远程教学平台的智能性，如何对算法加以改进以突破瓶颈 每一个项集的事 就成为我们亟待解决的问题。 务进行支持度计 2Apriori算法概述 数，产生第一层 Apriori算法是一种基于两阶段频集思想的快速挖掘递推算法，具 的候选项集 C。， 体执行步骤如下： 从项集 C 中将 2．1根据用户的要求制定出最小支持度和最小置信度； 支持度计数小于 2．2找出所有的频繁项集。在这里，所有支持度大于最小支持度的 最小支持度阈值 项集称为频繁项集。 的项剪枝掉 ，从 图1改进后的Apriori算法执行过程 2．3在该算法的执行过程中，首先把原始的数据库全部扫描一次，而得到频繁 1一项集LI。 得出第一层的候选项集合C，，把符合支持度和置信度要求的候选项集 (2)由LJ得到C，扫描事务数据库 D，对 C。中候选计算，并且删除 选出形成第一层的频繁项集L1，然后让 1一项频繁项集做连接操作从而 D中项数少于2的项，产生新的事务数据库D。。以此类推，由Lk_得到 产生第二层的候选2一项集c。 c，扫描数据数据库D ，对c中候选计算，并且删除D 项数少于k 2．4继续扫描数据库，对第二层的项集继续重复上述的操作 ，产生 的项，产生新的事务数据库D 下—层的候选项集。 (3)直到候选项集为空时，算法结束，获得事务集中隐含的所有的频 2．5继续执行上述的步骤，重复扫描数据库、不断地和最小支持度 繁项集Lkc 进行比较，产生更高层次的频繁项集合，再由这些项集进行结合计算产