美国留学生因果关联词偏误分析及教学策略4.doc

美国留学生因果关联词偏误分析及教学策略1 1、相关定义 1.1、关联规则的基本概念 关联规则是数据挖掘诸多功能中的一种,也是目前最为重要和应用最广泛的 数据挖掘方法之一 [11] 。设 I={i1,i2 , ,im}是 m 个不同项目的集合,其中的元素 称为项(Item)。记 D 为交易 (Transaction)T 的集合,这里交易 T 是项的集合, 并且T?I。对应每一个交易有唯一的标识,如交易号,记作 TID。一个关联规 则是形如 X=Y 的蕴涵式,这里 X?I,Y?I,并且 X∩Y=Φ。X 称为规则的前提, Y 是结果。规则 X=Y 在交易数据库 D 中的支持度(Support)是交易集中包含 X 和 Y 的交易数与所有交易数之比,记为 Support(X=Y),即 Support(X=Y)=|{T:X Y?T,T∈D}|/|D|。规则 X=Y 在交易集中的可信度(Confidence)是指包含 X 9 和 Y 的交易数与包含 X 的交易数之比,记为 Confidence (X=Y),即 Confidence(X=Y)=|{T:XY?T,T∈D}|/|{T:X?T,T∈D}|。 给定一个交易集 D,挖掘关联规则问题就是产生支持度和可信度分别大于用 户给定的最小支持度(Minsup)和最小可信度(Minconf)的关联规则,称为强规则。 关联规则挖掘的任务就是要挖掘出数据库 D 中所有的强规则。强规则 X=Y 对应 的项目集(XY)必定是频集,频集(XY)导出的关联规则 X=Y 的置信度可以用 频集 X 和(XY)的支持度计算。因此,可以把关联规则挖掘划分为以下两个子问 题: 1)根据最小支持度找出数据集 D 中的所有频集; 2)根据频繁项目集和最小置信度产生关联规则。 第一个子问题的任务是迅速高效地找出 D 中全部频集,是关联规则挖掘的中 心问题,是衡量关联规则挖掘算法的标准;第二个子问题由最小置信度的定义求 解比较容易。目前,所有的关联规则挖掘算法都是针对第一个子问题而提出的, 也是决定关联规则挖掘算法性能的问题。 1.2、基于概念格的关联规则挖掘在分层次教学中的应用 本章主要探索基于概念格的关联规则挖掘在分层次教学中的应用,提出一个适 用于分层次教学分析的数据挖掘模式,建立计算机专业课程分层次教学模型,设 计基于计算机应用技术专业的分层次教学分析系统,为教学活动提供决策指导。 1.3、关联的定义 广义的说,人类认知范畴内的关联是关联理论的主要组成部分。关联理论中关联 一词的意思可以理解为解读具体信息过程中的假设 P与构成语境的一系列假设 I之间的 关系。 交际过程包括两方面的内容,即明示和推理。说话者通过明示来传达信息和表明 意图;为了获得一定的语境效果和明确说话者的交际意图,听话者须通过推理的方式 对说话者的明示行为与语境假设进行结合,也就是说,推理的过程就是寻找关联的过 程,而且在此过程中,听话者不需要考虑说话者是否与他合作,因为一个人可以凭借 本身的直觉寻找关联,而这种交际过程就是以寻找关联为目标的。 因此,关联理论的定义是”假设 P 同一系列语境假设之间的关系”(Sperber Wilson, 2001:381),即会话交际过程中,双方话语和其依赖的语境在语义和语用方面 都存在一定的联系。Sperber 和 Wilson 认为,当且仅当一个假设在一定语境中具有某一 语境效果时,这一语境才具有关联性。 1.4、因果关系及因果关系关联词的概念意义 套用现象进行分析,首先我们要搞清楚的就是什么是 因果关系? 1.1.1因果关系的理解 因果关系可以说是宇宙中存在的一个最原始的探求事物发展原因和预计事物 变化发展的基本法则,这个法则广泛存在于万事万物中,但同时也是最难以把握和 最具争议的。关于因果关系的界定,可以说处在不同的领域或不同的平台上,有着 不同的理解。当然,即使在同一领域,也未形成统一的定义,基本上是众说纷纭。 一般情况下,在界定因果关系上可以分为三个层面,及对因果关系有三种理解: 第一,就是我们常说的哲学意义上的因果关系。它是一种先行后续的联系,表 示前面的事件必然会引起以后的结果,带有一定的时效性甚至有着一定的宗教色 彩。例如:佛教中常说的因果报应,既是一种先行后续又是一种前因后果的联系。 而这种联系是必然的,前者对后者起到一定的决定性作用。我们可以把它抽象为: 前者(因) 决定或者转化 后者(果)。 第二,就是逻辑意义上的因果关系。这种逻辑关系可以理解为一种推理,而这 种推理也带有一定的必然性。一般逻辑学中是这样给它定义的:一种或一些现象的 出现,必然引起另一种或一些现象的出现,前者叫因,后者叫果。我们可以把它抽 象为:前者(因) 必然引起 后者(果)。 第三,就是语言表达上的因果关系。