摘要：通過對(duì)畢業(yè)生跟蹤調(diào)查數(shù)據(jù)的挖掘，發(fā)現(xiàn)和分析課程之間的關(guān)聯(lián)關(guān)系，結(jié)合先驗(yàn)知識(shí)，通過調(diào)整置信度、支持度，分析頻繁項(xiàng)集，找出重要課程和關(guān)鍵技能，符合提高學(xué)生理論水平與實(shí)際技能的高職培養(yǎng)目標(biāo)，為學(xué)校進(jìn)行項(xiàng)目課程的教學(xué)改革提供參考依據(jù)。

關(guān)鍵詞：課程；關(guān)聯(lián)規(guī)則；數(shù)據(jù)挖掘

1前言

培養(yǎng)能迅速就業(yè)，迅速適應(yīng)工作崗位的人才是職業(yè)教育的目的之一。因此，專業(yè)建設(shè)要緊緊圍繞社會(huì)的需要，堅(jiān)持以職業(yè)對(duì)技能和知識(shí)的需求來(lái)設(shè)置課程，使課程緊緊扣住職業(yè)特點(diǎn)，滿足行業(yè)崗位對(duì)知識(shí)和能力的需求。一方面，課程能滿足行業(yè)多崗位轉(zhuǎn)換，甚至崗位工作內(nèi)涵變化、發(fā)展所需的知識(shí)和能力；另一方面，課程能使學(xué)生具有知識(shí)內(nèi)化、遷移和繼續(xù)學(xué)習(xí)的基本能力。

在進(jìn)行關(guān)聯(lián)規(guī)則挖掘之前，有必要對(duì)這些數(shù)據(jù)進(jìn)行整理（即數(shù)據(jù)的預(yù)處理），得到所需要的數(shù)據(jù)集。根據(jù)畢業(yè)生跟蹤調(diào)查數(shù)據(jù)庫(kù)提取課程與課程及重要課程可能相關(guān)的屬性值。

數(shù)據(jù)挖掘過程包含4個(gè)部分：

數(shù)據(jù)整理，生成事務(wù)數(shù)據(jù)庫(kù)，生成頻繁項(xiàng)集及生成關(guān)聯(lián)規(guī)則。其功能分別為：對(duì)畢業(yè)生跟蹤調(diào)查數(shù)據(jù)進(jìn)行清洗整理后形成的畢業(yè)生跟蹤調(diào)查數(shù)據(jù)庫(kù)；從畢業(yè)生跟蹤調(diào)查數(shù)據(jù)庫(kù)中提取數(shù)據(jù)挖掘?qū)ο?，?duì)數(shù)據(jù)挖掘?qū)ο筮M(jìn)行編碼并將關(guān)系表轉(zhuǎn)換為事務(wù)數(shù)據(jù)庫(kù)；根據(jù)給定的最小支持度在事務(wù)數(shù)據(jù)庫(kù)的基礎(chǔ)上生成頻繁項(xiàng)集；根據(jù)給定的最小置信度由頻繁項(xiàng)集生成關(guān)聯(lián)規(guī)則。

2 數(shù)據(jù)預(yù)處理

2.1畢業(yè)生跟蹤調(diào)查表內(nèi)容

畢業(yè)生跟蹤調(diào)查表主要包括畢業(yè)生現(xiàn)在的工作崗位及工作單位的產(chǎn)品類型、曾經(jīng)的工作崗位、通過在工作崗位的經(jīng)歷，確定在學(xué)校所學(xué)課程中的重要課程與重要技能等方面的內(nèi)容。

2.2生成關(guān)系表

根據(jù)畢業(yè)生跟蹤調(diào)查表，對(duì)相關(guān)數(shù)據(jù)進(jìn)行簡(jiǎn)化處理，形成一張關(guān)系表，為整個(gè)數(shù)據(jù)挖掘提供挖掘?qū)ο?見表1)。

2.3生成事務(wù)數(shù)據(jù)庫(kù)

由于Apriori算法適用于事務(wù)數(shù)據(jù)庫(kù)的數(shù)據(jù)挖掘，所以需要將關(guān)系表轉(zhuǎn)換成相應(yīng)的事務(wù)數(shù)據(jù)庫(kù)。并進(jìn)行代碼編寫，使其適合使用關(guān)聯(lián)規(guī)則挖掘的方法。文中將關(guān)系表的一條記錄視為一項(xiàng)事務(wù)，記錄中的字段值采用代碼表(表1)轉(zhuǎn)換為相應(yīng)的項(xiàng)目。例如，下面一條記錄：工作崗位：IT制造；工作單位產(chǎn)品類型：通訊設(shè)備；認(rèn)為重要課程：數(shù)字電路設(shè)計(jì)制作；重要技能：電子產(chǎn)品認(rèn)證。轉(zhuǎn)換為事務(wù)： {A01，B01，C7，F(xiàn)1}。

2.4生成頻繁項(xiàng)集

在事物數(shù)據(jù)庫(kù)生成以后，根據(jù)給定的最小支持度，采用Apriori算法尋找頻繁k-項(xiàng)集。

2.5生成關(guān)聯(lián)規(guī)則

當(dāng)頻繁項(xiàng)集生成以后，根據(jù)關(guān)聯(lián)規(guī)則算法，對(duì)于任一頻繁k-項(xiàng)集，找出其中所有可能的真子集，作為關(guān)聯(lián)規(guī)則的前件，計(jì)算相應(yīng)規(guī)則的置信度。當(dāng)某一規(guī)則的置信度大于給定的最小置信度時(shí)，輸出該規(guī)則。

在尋找頻繁k-項(xiàng)集的所有真子集時(shí)，首先找出k個(gè)只含一項(xiàng)的子集，然后將其連接生成含2項(xiàng)的子集，直到最后連接成k-1項(xiàng)的子集為止。根據(jù)關(guān)聯(lián)規(guī)則的算法，采用遞歸的方法尋找關(guān)聯(lián)規(guī)則的后件。

2.6數(shù)據(jù)挖掘?qū)嶒?yàn)結(jié)果與分析

實(shí)驗(yàn)數(shù)據(jù)與結(jié)果。江蘇省近幾年IT畢業(yè)生人數(shù)大概都在30多萬(wàn)人，筆者采集了某部分含有IT相關(guān)專業(yè)的職業(yè)技術(shù)院校從2001年到2004年間的畢業(yè)生的跟蹤調(diào)查表的數(shù)據(jù)，從150000份表中，抽取120000條有效記錄。

與文獻(xiàn)[1]相比較，因?yàn)樵趯I(yè)上有了比較大的擴(kuò)展，是IT大類，所以在最小支持度的選擇上要減到很小才行。最小支持度分別設(shè)定為0.5%、1.5%和2.5%，最小置信度分別設(shè)定為5%、25%及50%，采用Apriori算法進(jìn)行數(shù)據(jù)挖掘，得到不同的結(jié)果。

2．7數(shù)據(jù)分析

關(guān)聯(lián)規(guī)則分析

關(guān)聯(lián)規(guī)則通過代碼表將其中的代碼再次轉(zhuǎn)換為“屬性=值”的形式，選擇minsupp=5%；min-conf=25%時(shí)的關(guān)聯(lián)規(guī)則進(jìn)行分析，如表2所示。

例如，第一條規(guī)則“A01≥D2”，轉(zhuǎn)換為“工作崗位=IT制造≥所學(xué)課程中最重要的課程=SMT生產(chǎn)實(shí)習(xí)”；支持度29%表明，在畢業(yè)生跟蹤調(diào)查數(shù)據(jù)庫(kù)中有29%的記錄“工作崗位為IT制造”，而置信度表明，工作在IT制造，有52.3%畢業(yè)生認(rèn)為低頻電子線路為最重要的課程。

最小支持度及最小置信度的選擇。支持度的作用是縮減挖掘數(shù)據(jù)庫(kù)的搜索空間和約束規(guī)則產(chǎn)生的數(shù)量。如果挖掘算法對(duì)整個(gè)數(shù)據(jù)庫(kù)的各個(gè)屬性的數(shù)據(jù)樣本均采用惟一的支持度，從客觀上反映了一個(gè)預(yù)先設(shè)定的前提：挖掘數(shù)據(jù)庫(kù)各屬性的事件具有非常相似的發(fā)生概率。符合現(xiàn)實(shí)生活中的客觀事實(shí)是：一些事務(wù)發(fā)生得頻繁，而另一些事務(wù)發(fā)生得卻比較稀疏。因此，對(duì)數(shù)據(jù)挖掘來(lái)說，如果挖掘的最小支持度選擇過高，則有意義的、甚至重要的關(guān)聯(lián)知識(shí)將不能被發(fā)現(xiàn)；如果最小支持度選擇過低，那么大量的無(wú)實(shí)際意義的數(shù)據(jù)將充斥在挖掘過程中，大大降低挖掘的效率和得到規(guī)則的可用性。通常的挖掘策略都是為涵蓋發(fā)生概率較大的事務(wù)而舍棄小概率的事務(wù)。文獻(xiàn)[1]

分別選擇minsupp為5%、15%、25%和minconf為15%、50%、85%的組合產(chǎn)生的關(guān)聯(lián)規(guī)則，而因?yàn)楸疚难芯康臄?shù)據(jù)函蓋的專業(yè)較多，所以minsupp和minconf選擇的值有所調(diào)整，采用最小支持度分別設(shè)定為0.5%、1.5%和2.5%，最小置信度分別設(shè)定為5%、25%及50%，采用Apriori算法進(jìn)行數(shù)據(jù)挖掘，得到的關(guān)聯(lián)規(guī)則的結(jié)果是比較合適的。

根據(jù)關(guān)聯(lián)規(guī)則的分析，可以發(fā)現(xiàn):工作崗位與學(xué)生學(xué)習(xí)的課程、技能的相關(guān)性，這就給專業(yè)建設(shè)、課程設(shè)置提供了決策的依據(jù)。因此學(xué)?？梢砸罁?jù)相應(yīng)的關(guān)聯(lián)規(guī)則，根據(jù)工作崗位，合理設(shè)置課程，使理論知識(shí)與實(shí)際技能有機(jī)地結(jié)合起來(lái)，提高學(xué)生理論水平與實(shí)際操作技能。

參考文獻(xiàn)

[1] 楊明，孫志輝，楊萍.基于記錄分區(qū)的加權(quán)關(guān)聯(lián)規(guī)則挖掘[J].小型微型計(jì)算機(jī)系統(tǒng)， 2003.

[2]馬成榮.職業(yè)教育課程開發(fā)及項(xiàng)目課程設(shè)計(jì)[M]江蘇科技出版社，2006