关联规则算法在互联网教育领域的研究及应用-计算机软件与理论专业论文.docxVIP

improvement improvement ideas．On the algorithm for association rules in the field of Internet educmion applications put forward their views and suggestions． Finally，the development of data mining technology association rules technology in the future Keywords：ssociation rules，Internet Education，Apriori algorithm III 万方数据 目录摘要 目录 摘要 I Abstract II 第一章绪论 1 1．1引言 ．1 1．2研究现状 3 1．3问题的提出 4 1．4论文各部分主要内容 5 第二章数据挖掘及关联规则技术 ．7 2．1数据挖掘的概念 7 2．2数据挖掘的分类 8 2．3数据挖掘的过程 ．．10 2．4数据挖掘的应用 一1 1 2．5关联规则挖掘技术 ．．13 2．6关联规则基本步骤 ．．14 2．7关联规则的分类 ．．14 2．8本章小结 ．15 第三章Apr i or i算法及改进 1 6 3．1 Apriori算法思想及伪代码 16 3．2 Apriori算法分析 17 3．3 Apriori算法缺陷 18 万方数据 3．4 3．4 Apriori现有的改进算法 18 3．5本章小结 ．22 第四章新改进算法的提出及分析 23 4．1现有改进算法的问题及不足 一23 4．2新改进算法的思想及特点 ．．23 4．3基于相关兴趣度的关联规则问题 一24 4．3．1 Part—Corr—confidence度量的定义 25 4．3．2 Part-Corr—confidence度量的优势 27 4．4新改进算法的实现 ．．29 4．5本章小结 ．30 第五章关联规则算法在互联网教育领域的应用 31 5．1互联网教育的特点及优势 ．．31 5．2数据挖掘在互联网教育中的应用 一32 5．3基于关联规则的知识推荐系统 一32 5．4本章小结 ．37 第六章总结和展望 ．．38 6．1总结 38 6．2展望 39 参考文献 40 致 谢 ．．43 万方数据 羞珐规则簋法查互珐圜教直题撼的硒究厦应田第一章绪论 羞珐规则簋法查互珐圜教直题撼的硒究厦应田 第一章绪论 1．1引言 随着当代信息技术的迅猛发展，包括计算机主机、数据存储介质等在内的硬 件设备正不断地升级换代，人类存储的数据容量已十分巨大并仍在不断增加中。 如果没有相应的分析工具，单凭人工是难以简单高效得从那些数据中找出真正有 价值的信息。那些杂乱无章、繁简不一的数据资源，如果没有得到充分地分析和 研究，对人们来说就没有任何价值。并且，伴随着互联网高速的发展速度，各种 各样的数据资源正无休止地扩张，信息爆炸已经愈演愈烈，那些不同类型、不同 种类的信息混杂在一起，极大地掩盖了其本事的价值。正是由于缺乏相关行之有 效地数据分析挖掘工具，才导致了如今数据海量、信息贫乏的局面。 在这样的背景需求下，数据挖掘技术应运而生。人们首次提出知识发现(即 KDD，Knowledge Discovery in Database)技术是在第ll届国际人工智能联合会 议上。科学家们已然发现，在数据库中还蕴藏着许多没有被发现和应用的有价值 的知识和信息。时隔六年之后，数据挖掘成为1995年美国计算机年会上热议的 话题。自此，通过研究数据挖掘技术来解决大数据时代的知识发现问题成为了崭 新的课题。目前来说，数据挖掘技术仍是计算机学科领域的一个新方向，怎样针 对不同的现实问题提出相应的解决方案和改进思路来满足实际需求是一项非常 有意义的，能真正推动人类社会发展的研究。 知识发现(KDD)即：对数据库中蕴涵的、未知的、有潜在应用价值的、非 平凡的模式的提取【1】。模式代表的是一种特定的语言，用来表述数据之间的逻辑 含义，可以理解为数据库项项之间的逻辑关系。非平凡代表的是知识发现里的一 些不确定性因素。作为知识发现最重要的组成部分，数据挖掘的效果直接影响这 知识发现的信息质量。现在知识发现的相关的领域研究都集中在数据挖掘这一问 题上。 数据挖掘的实质就是从海量的数据中发现对我们有意义的信息。其中的数据 不仅规模庞大，还可能包含各种各样的噪声，可能包含了不同的格式，存在许多 不确定因素等。那些通过数据挖掘发现的信息往往都是那种单凭人工无法发现， 甚至无法想象却又十分有意义的知识。抽样、假设、AI、模式识别、搜索算法、 万方数据 亟±堂僮论室． 亟±堂僮论室． 建模等等都参与了数据挖掘的过程中，因