基于Apriori算法的关联规则挖掘在人工智能+个性化学习系统中的实践与研究.pdfVIP

信息记录材料 2022年6月 第23卷第6期 记录：云端与互联 基于Apriori算法的关联规则挖掘在人工智能+个性化 学习系统中的实践与研究 浦慧忠 （无锡城市职业技术学院 江苏 无锡 214153） 【摘要】从当前个性化学习系统中学生任务点学习管理的需求出发，根据当前个性化学习和关联规则的现状和研究 趋势，分析经典Apriori算法的原理和优缺点，改进算法，并通过模拟系统实验验证该算法的可行性及实际效果，对今 后开展关联规则相关研究有一定的帮助。 【关键词】人工智能；关联规则；Apriori算法；个性化学习 【中图分类号】TP279 【文献标识码】A 【文章编号】1009-5624（2022）06-0185-04 0引言 据，预测学习成绩，支持个性化学习已成必然趋势。 一个真实案例是尿不湿和啤酒在美国大型连锁超市沃 1.2 关联规则的概念与现状 I I I I D 尔玛一起销售，但结果是销量双双增加。分析这一现象的 假设 ={ ， ，…， }是项的集合。给定一个数据库 ， 1 2 m T I 原因：在美国，有些年轻的爸爸常常会在工作之后跑到超 其中每个事务（Transaction） 是 的非空子集，即每 级市场购买婴儿的尿片，而30%～40%的爸爸则会购买自 一个交易都与一个唯一的标识符TID（Transaction ID） 己的饮料。这是一个关于“尿片和啤酒”的关联案例。关 对应。关联规则在 D 中的支持度（support）是D中事务 X Y X Y 联规则是形如 → 的蕴涵式，最早用于消费者购物篮分 同时包含 、 的百分比，也称概率；置信度（confidence） 析，通过研究消费者放置在“购物篮”中的各种物品的相 是 D 中事务已经包含X 的情况下包含 Y 的百分比，也称 关性，它可以帮助企业更好地了解消费者同时购买哪些产 条件概率。如果满足最小支持度阈值和最小置信度阈值， 品，进而制定相应的市场战略。 则认为关联规则是有趣的。这些阈值是根据挖掘需要人 在日常生活中，个性化学习系统存在大量的学生学习 为设定 [1]。 资料，其中包括了他们的个人资料和学习习惯，但他们的 一个简单的关联规则实例：表1是客户购买记录的数 I 实际应用还远远没有被发掘和开发。而运用关联法则来进 据库D，包括6笔交易。项集 ={网球拍、网球、运动鞋、 行学生的学习行为记录，挖掘其中隐含的规律，是十分值 羽毛球}。考虑关联规则（频繁二项集）：网球拍与网球， 得我们研究的课题。 事务1、2、3、4、6包含网球拍，事务1、2、6同时包含 X Y D X Y D 1研究背景与现状 网球拍和网球， ^ =3， =6，支持度（ ^ ）/ =0.5；