基于关联规则与结合聚类分析的学生上网行为模式挖掘研究.pdfVIP

2025年9月计算机应用文摘第41卷第18期

基于关联规则与结合聚类分析的学生上网行为

模式挖掘研究

王斌，余璇，饶超影

（南昌大学科学技术学院，江西九江332020）

摘要：由于现有挖掘方法关联系数大于1且挖掘耗时长，基于关联规则与聚类分析对学生上网行为模式

进行了深入挖掘。通过构建学生行为关联特征挖掘模型，多次扫描数据集生成整合项集，并据此生成关联

规则；基于关联规则挖掘结果，采用K聚类方法将数据集划分为若干子集，使同一簇内的数据点相似度较

高，从而识别出具有相似上网行为模式的学生群体。实验结果表明，关联系数评估结果约为0.907，分类效

果较优；当最小支持度设为0.5时，该方法耗时70s，较对照组在时间效率上显著提升。这有助于优化教育

资源的分配，保障学生获得适配学习资源，提升整体教育质量。

关键词：关联规则；聚类分析；学生；上网行为；挖掘

中图分类号：TP391文献标识码：A

In-depthminingresearchonstudents̓onlinebehaviorpatternsunder

combinationofassociationrulesandclusteranalysis

WANGBin，YUXuan，RAOChaoying

（NanchangUniversityCollegeofScienceandTechnology，Jiujiang，Jiangxi332020，China）

Abstract：Duetothefactthatthecorrelationcoefficientofexistingminingmethodsisgreaterthan1andthe

miningprocessistime-consuming，thispapercombinesassociationruleswithclusteranalysistoconductanin-

depthminingofstudents̓onlinebehaviorpatterns.Byconstructingaminingmodelforstudents̓behavioral

associationfeatures，thedatasetisscannedmultipletimestogenerateintegrateditemsets，basedonwhich

associationrulesaregenerated.Basedontheresultsofassociationrulemining，theK-clusteringmethodisusedto

dividethedatasetintodifferentsubsets，sothatthesimilarityofdatapointsinthesameclusterisrelativelyhigh，

andthenstudentgroupswithsimilaronlinebehaviorpatternscanbeidentified.Theexperimentalresultsshowthat

theevaluationresultofthecorrelationcoefficientisapproximately0.907，witharelativelygood