改进的APRIORI算法在试卷系统数据挖掘中的应用.pdfVIP

改进的APRIORI算法在试卷系统数据挖掘中的应用 黄艺坤 (福建师范大学协和学院 福建 350117) 【摘 要】本文通过对数据挖掘技术的研究，采用关联规则法对学生答题数据进行分析，并在关联规则使用中采用改进 型的Apriori算法进行运算，构建高频集，并对于高分学生和低分学生的试卷进行 了加权处理 ，使得高频集中的试题在知识 点和难度上的关联更加突出，便于在 自动组卷时更科学地评价试卷。 【关键词】数据挖掘；APRIORI算法；试卷系统 中图分类号：TP311．13 文献标识码：A 文章编号：1009—6833(2014)09—037—02 ImprovedAPRIORIalgorithm inthetestsystem ，theapplicationofdatamining HuangYikun Abstract：inthispaper，basedontheresearchofthedataminingtechnology，associationrulesmethodisusedtoanalyzethe studentsanswerthequestions011thedata，andintheassociationrulesusingimprovedApfiofialgorithm isadoptedtoimprovethe operationandconsturctionofhighrfequencyset，andforthetestofhighscoreandlow scorestudentsweightedprocessing，makesthe highrfequency questionsconcentrated on knowledgepointand thedifficultyofcorrelationismoreoutstanding，tofacilitatethe automaticgroupvolumewhenascientificevaluationOI1thetestpaper． Keywords：datamining；TheAPRIORIalgorithm ；Thetestsystem O 引言 错的题型记录到高频集，如果优等生 同时做错的题 目和差等生 试卷系统有利于高校建立课程题库，现在各个高校都在倡 同时做对的题 目分别放在两个高频集里，在 自动组卷之后，可 导题库建设，通过试卷系统就可以把题库信息采集在数据库里， 以通过高频集来判断试卷的质量，同一份试卷里，高频集出现 要查询历史题库只要打开后台就可 以查到相关试卷，考试也只 的越多，则试卷质量越差，这样在 自动组卷过程中，可 以利用 要通过 自动组卷和随机排序组成相同难度，不 同序列的题 目给 高频集来评价。Aprior筛选高频集的方法是先把筛选出的高频 考生，避免了学生作弊 。 集并记录在N1集合 ，再把NI作为参考集合对数据库进行挖掘， 很多试卷系统在 自动组卷时，往往只考虑考试范围而忽略 找出M2集合，再 由M2产生N2，以此类推 ，直到找出所有的 了考试难度，因此每次组卷时，试卷的难度很难把控。本文通 频繁项集，Apriori算法如下： 过对 Apriori算法进行改进，利用计算机容量大、计算速度快等