周 賢

(湖南第一師范學院招生就業(yè)處，湖南長沙410002)

一種改進的關(guān)聯(lián)規(guī)則算法在就業(yè)管理信息系統(tǒng)中的應用研究

周 賢

(湖南第一師范學院招生就業(yè)處，湖南長沙410002)

隨著高校畢業(yè)生就業(yè)制度的改革和高等教育規(guī)模的迅速擴大，高校畢業(yè)生的數(shù)量迅速增加，高等教育的決策者很想知道高等教育學科專業(yè)結(jié)構(gòu)、辦學基本條件與學生就業(yè)之間的關(guān)系，以判斷高等教育是否適應社會需求。以高校畢業(yè)生就業(yè)信息數(shù)據(jù)為研究對象，將一種改進的關(guān)聯(lián)規(guī)則算法應用于就業(yè)信息數(shù)據(jù)分析，希望從大量積累的歷史就業(yè)信息數(shù)據(jù)中挖掘出有意義的規(guī)則，以便以就業(yè)為導向，提高高等教育質(zhì)量，提高學生就業(yè)率。

關(guān)聯(lián)規(guī)則;就業(yè)管理;信息系統(tǒng)

隨著計算機技術(shù)的發(fā)展，我國不少單位的管理工作都向信息化方向轉(zhuǎn)變。比如就業(yè)管理方面的信息系統(tǒng)已經(jīng)在不少高校投入運行，而且經(jīng)過若干年的應用，系統(tǒng)積累了非常重要的就業(yè)管理方面的數(shù)據(jù)。但就目前所使用的就業(yè)管理信息系統(tǒng)而言，一般只是提供一些簡單的功能，比如:信息錄入、信息查詢以及信息的統(tǒng)計等。隨著就業(yè)信息量的增加，如何從其中挖掘出有效的規(guī)則，并進一步指導高校教學以及就業(yè)管理就成為一個值得關(guān)注的問題。也就是說，通過數(shù)據(jù)挖掘技術(shù)，從就業(yè)管理信息系統(tǒng)的數(shù)據(jù)中挖掘出知識，從而預測未來［1］。

尤其是最近幾年，我國高校規(guī)模不斷增大，畢業(yè)生就業(yè)制度也有了一定的變化，每年畢業(yè)生數(shù)量呈大幅度增長的趨勢，高校教育也由原來的精英化教育逐漸轉(zhuǎn)變成大眾化教育。這時，一個關(guān)鍵問題就顯現(xiàn)出來了。那就是這么多的大學生涌入社會，如何保證這些學生都能就業(yè)就成為亟待解決的問題。我國政府、高校以及企事業(yè)單位都在努力緩解就業(yè)壓力。高校領(lǐng)導層也認識到了就業(yè)率與教學專業(yè)結(jié)構(gòu)、辦學基本條件等之間的關(guān)系，但只能借助于挖掘技術(shù)，才能實現(xiàn)以就業(yè)為導向，提取合理性的規(guī)則，從而提升高校教育水平，促進學生就業(yè)率的提高。作者提出了一種改進的關(guān)聯(lián)規(guī)則看法:希望從就業(yè)信息數(shù)據(jù)中挖掘出有意義的規(guī)則。

一 關(guān)聯(lián)規(guī)則Apriori算法的基本思想

關(guān)聯(lián)規(guī)則挖掘在數(shù)據(jù)挖掘中是一個重要的課題，最近幾年已被業(yè)界所廣泛研究。而Apriori算法則是關(guān)聯(lián)規(guī)則中的一個經(jīng)典算法。該算法能夠有效生成候選測試規(guī)則。其中，算法可以在K－項目集的基礎(chǔ)上生成(K+1)－項目集。首先，算法生成頻繁1－項目集所對應的集合，可以記為L1。在L1集合的基礎(chǔ)上再生成頻繁2－項目集的集合，可以記為L2，并再次在L2的基礎(chǔ)上生成L3，不斷按照這樣的規(guī)則進行循環(huán)處理，直到最終生成頻繁K－項目集。需要注意的是，生成一個Lk都必須經(jīng)過一次數(shù)據(jù)庫的掃描處理［2］。

Apriori算法屬于層次化算法的范疇，實現(xiàn)過程也比較簡單。但存在的關(guān)鍵問題是:Apriori算法每次生成項目候選集的時候都需要對數(shù)據(jù)庫進行一次掃描操作，當數(shù)據(jù)庫比較大，也就是對應的候選集比較大時，Apriori算法會花費大量時間在數(shù)據(jù)庫的掃描操作上，從而直接導致Apriori算法在時間上的開銷過大。另外，由于數(shù)據(jù)庫中的數(shù)據(jù)并不是不變的，隨著應用的深入，數(shù)據(jù)庫中的數(shù)據(jù)也在不斷增加中，而Apriori算法在運行時會涉及到頻繁項目集以及關(guān)聯(lián)規(guī)則的生成。這里為了挖掘結(jié)果的有效性，必須對這些增加的數(shù)據(jù)再次進行Apriori算法挖掘，這也表示之前挖掘出來的頻繁項目集以及關(guān)聯(lián)規(guī)則是無效的，這樣將明顯不利用于關(guān)聯(lián)規(guī)則的高效挖掘［3］。同時，如果數(shù)據(jù)庫的規(guī)模大于主存的時候，該Apriori算法的不足之處越明顯，效率也會受到更大的影響。

二 關(guān)聯(lián)規(guī)則Apriori算法的優(yōu)化

從Apriori算法分析中，不難發(fā)現(xiàn)，Apriori算法生成一次頻繁集，都會執(zhí)行數(shù)據(jù)庫掃描操作來判斷候選頻繁項目集是不是屬于頻繁項目集。在實際的執(zhí)行過程中，有些項明顯不屬于頻繁項目集的，但Apriori算法仍然要去掃描數(shù)據(jù)庫，這顯然是影響了Apriori算法的效率，為避免這些不必要的掃描操作還需要進一步進行研究。本文提出關(guān)聯(lián)規(guī)則挖掘的改進模式，在Apriori改進算法中涉及到的關(guān)鍵術(shù)語定義如下:

(一)信息系統(tǒng)的定義

信息系統(tǒng)可以用S={U，I，F(xiàn)}加以表示，所有對象的非空有限集合用U={X1，X2，…，Xp}加以表示，屬性的非空有限集合用I={I1，I2，…，Im}加以表示，我們也可以稱之為屬性集。

(二)分辨矩陣的定義

信息系統(tǒng)用S={U，I，F(xiàn)}加以表示，定義映射φi:Vi→{0，1}如下:

(三)分辨向量的定義

若Dj稱為項 Ij的分辨向量［4］。

三 Apriori優(yōu)化算法的偽碼描述

基于分辨矩陣的關(guān)聯(lián)規(guī)則Apriori算法的優(yōu)化思想描述如:

Stepl:錄入信息系統(tǒng)，同時設(shè)置最小支持度。

Step2:對數(shù)據(jù)庫進行掃描操作，并產(chǎn)生對應的分辨矩陣D。

Step3:由分辨矩陣生成頻繁1－項目集，同時將K設(shè)置成2。

Step4:根據(jù)Lk－1中的頻繁k－1項目集產(chǎn)生頻繁K－項目集，并將頻繁K－項目集命名為集合R。

Step5:根據(jù)集合R，產(chǎn)生對應的項集下標集W。

Step6:對W中每一個下標Wi，計算下標集L'(Wi)，若存在Wi∈W，使得L'(Wi)≠Φ，則將Wi從W中刪去，并加入L'中。

Step7:對剪枝后的W中的每一個下標Wi，生成對應的分辨向量DWi，計算支持度計數(shù)，如下所示:

若 support－count(Rwi)＜ min－sup×|D|，則將Wi從W中刪去，并加入到L'中。

Step8:若W≠Φ，則根據(jù)下標集W中的每一個下標，生成集合R所相應的項集，并生成K－項目集，用Lk加以表示，令K=K+1轉(zhuǎn)至Step4，否則Step9。

Step9:輸出分辨矩陣中符合最小支持度的頻繁目集，用L=∪KLK加以表示。

四 關(guān)聯(lián)規(guī)則改進算法在就業(yè)管理信息系統(tǒng)中的應用

Apriori優(yōu)化算法的思想就是利用Lk－1中的k－1項集連接生成K－項集的集合R，最終生成分辨矩陣D。那么針對就業(yè)信息，根據(jù)Apriori優(yōu)化算法的思想，首先應找出學生就業(yè)信息系統(tǒng)的頻繁一維謂項集，然后在頻繁一維謂項集的基礎(chǔ)上，發(fā)現(xiàn)所有的頻繁k維謂項集，從而產(chǎn)生學生就業(yè)信息系統(tǒng)分辨矩陣所對應的關(guān)聯(lián)規(guī)則。由此可見關(guān)于多維頻繁謂詞集的生成是核心內(nèi)容。因此，應用流程的核心就是如何由頻繁K－謂項集求頻繁K+1謂項集，我們可以借助于函數(shù)的遞歸調(diào)用來實現(xiàn)，應用的實現(xiàn)過程如下:

算法開始執(zhí)行后，第一步先找到頻繁1－項目集，也就是頻繁一維謂詞集;第二步在頻繁1－項目集的基礎(chǔ)上，生成頻繁二維謂詞集，由此循環(huán)，生成最終的頻繁k維謂詞集。比如:針對就業(yè)管理信息中的“專業(yè)英語”字段，算法將其定義了一維頻繁謂詞，則生成的二維頻繁謂詞就可以是“專業(yè) －英語”、“生源地 －長沙”。當該二維頻繁謂詞的相關(guān)計數(shù)值滿足一開始設(shè)定的最小支持度，則可以生成三維頻繁謂詞:“專業(yè) － 英語”、“生源地 － 長沙”、“綜合測評 －高”。

但是，如果該二維頻繁謂詞的相關(guān)計算值并不滿足一開始設(shè)定的最小支持度，則凡是包括“專業(yè)－英語”、“生源地－長沙”的相關(guān)模式是不再被掃描的。關(guān)聯(lián)規(guī)則挖掘算法就是會其他的二維頻繁項集進行計數(shù)，比如:“專業(yè) －英語”、“生源地 －湘潭”，然后重復上面的比較操作。根據(jù)上述的步驟進行不斷的頻繁謂詞添加后綴并判斷，最終生成所有的頻繁k維謂項集。

Step1:與就業(yè)管理信息系統(tǒng)的數(shù)據(jù)進行連接操作，查詢定位相關(guān)信息，涉及到關(guān)鍵表的一些屬性維以及記錄數(shù)等等信息。

Step2:K=m=n=1，求一維頻繁謂詞項集，N=總屬性維數(shù)。

Step3:針對于就業(yè)管理信息系統(tǒng)中的一維頻繁謂詞集，可以選擇其中的第m個屬性作為起始屬性，并根據(jù)該屬性的n個成員作為頻繁維謂詞集，如果k的取值是1，那么當前的頻繁維謂詞集就是1維的。

Step4:將頻繁維謂詞項與數(shù)據(jù)庫表第i+1個屬性維中的第j個成員進行連接操作，產(chǎn)生對應的K+1謂詞項，同時對數(shù)據(jù)庫進行掃描并生成該謂詞項的計數(shù)。

Step5:判斷計數(shù)與一開始設(shè)定的最小支持度之間的大小關(guān)系。如果大于，則將K+1謂詞項作為當前頻繁維謂詞項，i及k進行步長為1的遞增;否則，計算j是否大于第i+1個屬性維中的成員總數(shù)，如果是，將i進行步長為1的遞增，j=1。

Step6:計算n是否大于第m個屬性維中的成員總數(shù)。如果是，則m++，n=1;反之，轉(zhuǎn)至Step3;

Step7:計算m是否大于N，如果是，則終止算法流程。反之，轉(zhuǎn)至Step3。

五 關(guān)聯(lián)規(guī)則改進算法在就業(yè)管理信息系統(tǒng)中的應用實例

某高校計算機科學與技術(shù)專業(yè)每學期都要統(tǒng)計學生的就業(yè)分配情況，現(xiàn)隨機抽取400名學生的畢業(yè)分配情況，將學號、數(shù)據(jù)結(jié)構(gòu)課程成績、大學英語成績、文化課測評成績、綜合測評成績、行業(yè)、收入等7項數(shù)據(jù)輸入數(shù)據(jù)庫(如表1所示)。我們將找出數(shù)據(jù)結(jié)構(gòu)課程成績和大學英語成績對就業(yè)行業(yè)的影響，文化測評成績和綜合測評成績哪個對收入的影響更大。

表1 就業(yè)評價信息表

在上表中，數(shù)據(jù)結(jié)構(gòu)成績、大學英語成績、文化課測評成績、綜合測評成績及收入都是樹立屬性(非離散屬性)，這里，我們將其離散化。首先，對數(shù)據(jù)結(jié)構(gòu)成績、大學英語成績、文化課測評成績、綜合測評成績采用統(tǒng)一的量化標準，分為兩個等級，成績高于85分的為良好，低于85分的為一般。將收入也量化為兩個值，高于1 500的為高收入，低于1 500的為低收入。

將表中的相關(guān)記錄進行編碼，將就業(yè)評價信息表中的記錄以 i1，i2，…，i8進行編碼。

輸入:就業(yè)評價信息表;輸出:分辨矩陣表。

(1)挖掘頻繁1－項集L1

輸入:分辨矩陣表和最小支持度min－sup=0．25

輸出:L1={i1，i2，…，i8}

(2)挖掘頻繁項集L

輸入:L14L

輸出:L=k∪=1k，其中 L1同上

L2={i14，i16，i17，i34，i45，i46，i47，i48，i56，i67}，

L3={i146，i147，i167，i456，i467}，

［1］閆 禹．數(shù)據(jù)挖掘技術(shù)在高校學生就業(yè)指導決策中的運用［J］．沈陽工業(yè)大學學報，2007，29(3):344－346．

［2］宋 波，李妙妍，趙 晶．利用泛型DAO模式改進輕量級J2EE架構(gòu)［J］．計算機工程與設(shè)計，2009，30(24):5663－5666．

［3］劉美玲，李 熹，李永勝．數(shù)據(jù)挖掘技術(shù)在高校教學與管理中的應用［J］．計算機工程與設(shè)計，2010，31(5):1130－1133．

［4］李燚琳，張 璞．數(shù)據(jù)挖掘技術(shù)在教務信息挖掘系統(tǒng)中的應用［J］．制造業(yè)自動化，2010，32(4):200－203．

L4={i1467}。

(3)挖掘關(guān)聯(lián)規(guī)則集R

輸入:L，最小置信度min－conf=0．75

輸出:R1:i1i46(sup=0．3061，conf=0．789 5)

R1:i1i46(sup=0．2959，conf=0．878 8)

R2:i7i14(sup=0．2959，conf=0．763 2)

R3:i1i47(sup=0．2653，conf=0．787 9)

R4:i7i16(sup=0．2959，conf=0．878 8)

R5:i7i46(sup=0．2653，conf=0．896 6)

R6:i67i14(sup=0．2653，conf=0．812 5)

R7:i47i16(sup=0．2653，conf=0．896 6)

R8:i17i46(sup=0．2653，conf=0．812 5)

搜索原始數(shù)據(jù)庫，得到滿足最小支持度和最小置信度的關(guān)聯(lián)規(guī)則:

(1)數(shù)據(jù)結(jié)構(gòu)(良好)。行業(yè)(IT):數(shù)據(jù)結(jié)構(gòu)成績良好的學生從事IT行業(yè)。該規(guī)則的支持度為28%，置信度為72%。

(2)綜合測評(良好)。收入(高收入):綜合測評成績良好的學生的工資收入比較高。該規(guī)則的支持度為24%，置信度為81%。

(3)文化課測評(良好)。收入(高收入):文化課測評成績良好的學生的工資收入比較高。該規(guī)則的支持度為25%，置信度為74%。

規(guī)則(l)說明數(shù)據(jù)結(jié)構(gòu)成績好的學生的實際編程能力很強，很適合從事IT行業(yè)，大部分學生的就業(yè)行業(yè)都是IT業(yè)。規(guī)則(2)和規(guī)則(3)說明測評成績高的學生的工資收入比較高。規(guī)則(2)的置信度高于規(guī)則(3)，且規(guī)則(3)的支持度高于規(guī)則(2)的支持度，這說明綜合測評高的學生獲得高工資的可能性更大，也就是在找工作的過程中，用人單位更注重綜合能力。因此，在培養(yǎng)學生的過程中，多注重綜合能力的培養(yǎng)。

G421

A

1674－5884(2011)10－0032－03

2011－07－18

周 賢(1981－)，男，湖南湘潭人，碩士生，政工師，主要從事高教管理研究。

(責任編校 楊鳳娥)