摘 要：數(shù)據(jù)生成和收集技術(shù)的進(jìn)步促使商業(yè)和科研領(lǐng)域產(chǎn)生了海量數(shù)據(jù)。傳統(tǒng)數(shù)據(jù)分析技術(shù)在應(yīng)對這些新型數(shù)據(jù)集提出的挑戰(zhàn)時(shí)存在種種局限性，數(shù)據(jù)挖掘技術(shù)迎刃而解了這些問題。本文應(yīng)用數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的Apriori算法來進(jìn)行成績的關(guān)聯(lián)分析。文中通過舉例說明了該方法在分析學(xué)生成績數(shù)據(jù)中的應(yīng)用，實(shí)驗(yàn)結(jié)果表明，關(guān)聯(lián)分析方法比傳統(tǒng)的成績統(tǒng)計(jì)方法更合理、更科學(xué)，蘊(yùn)含更多有用的信息。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)分析；Apriori算法；課程設(shè)置研究

中圖分類號：TP311.52

數(shù)據(jù)挖掘這種技術(shù)將傳統(tǒng)的數(shù)據(jù)分析方法與處理大量數(shù)據(jù)的復(fù)雜算法相結(jié)合。目前，在電信、銀行、百貨公司、超市、保險(xiǎn)、信用卡、電子商務(wù)、稅務(wù)部門、警察機(jī)關(guān)、醫(yī)學(xué)等領(lǐng)域均有應(yīng)用?，F(xiàn)在的高校也有海量的學(xué)生相關(guān)數(shù)據(jù)，但這些數(shù)據(jù)幾乎沒有被有效利用，本文應(yīng)用關(guān)聯(lián)分析方法，通過對學(xué)生的成績進(jìn)行統(tǒng)計(jì)和分析，從中可以獲得課程設(shè)置及教學(xué)改革的理論依據(jù)。

1 數(shù)據(jù)挖掘的概念和相關(guān)技術(shù)

數(shù)據(jù)挖掘是在海量的數(shù)據(jù)中，發(fā)現(xiàn)數(shù)據(jù)之間隱含的有用的信息的過程。數(shù)據(jù)挖掘技術(shù)除了用來在大型數(shù)據(jù)庫中發(fā)現(xiàn)先前未知的有用信息之外，數(shù)據(jù)挖掘還可以預(yù)測未來，比如，預(yù)測一位顧客在超市中的購買行為。

不是所有的信息分析都叫做數(shù)據(jù)挖掘。比如，在數(shù)據(jù)庫中查找某條信息，或利用因特網(wǎng)的搜索引擎查找某個(gè)Web頁面，這只是信息檢索，而不是數(shù)據(jù)挖掘。

數(shù)據(jù)挖掘的技術(shù)主要有：分類、關(guān)聯(lián)分析、聚類、人工神經(jīng)網(wǎng)絡(luò)和粗糙集等。下面主要對在信息管理與信息系統(tǒng)專業(yè)課程設(shè)置研究中適用的幾種技術(shù)作一些介紹。

1.1 關(guān)聯(lián)分析

關(guān)聯(lián)分析是用于發(fā)現(xiàn)隱藏在大型數(shù)據(jù)集中的有意義的聯(lián)系的方法。這些聯(lián)系可以用關(guān)聯(lián)規(guī)則或頻繁項(xiàng)集的形式表示。比如：{尿布}→{啤酒}，這個(gè)規(guī)則顯示了尿布和啤酒的銷售之間存在著很強(qiáng)的聯(lián)系，因?yàn)樵S多購買啤酒的顧客也買了尿布。關(guān)聯(lián)分析還應(yīng)用于其他領(lǐng)域，如生物信息學(xué)、醫(yī)療診斷、網(wǎng)頁挖掘和科學(xué)數(shù)據(jù)分析等。

1.2 分類與預(yù)測

分類的任務(wù)是確定對象屬于哪個(gè)預(yù)定義的目標(biāo)類。這是一個(gè)普遍存在的問題，有許多不同的應(yīng)用。比如：通過電子郵件的標(biāo)題和內(nèi)容對垃圾郵件進(jìn)行屏蔽，根據(jù)核磁共振掃描的結(jié)果區(qū)分是惡性腫瘤還是良性腫瘤等。預(yù)測是利用分析所獲得的模型對未知類型的數(shù)據(jù)對象進(jìn)行類別的預(yù)測。

1.3 聚類

聚類分析只是根據(jù)在數(shù)據(jù)中發(fā)現(xiàn)的描述對象及其關(guān)系的信息，并將這些數(shù)據(jù)對象分組。目的是，組內(nèi)的這些對象是相似的，而不同組中的對象是不相似的。組內(nèi)的相似性越大，組間差別越大，聚類就越好。

2 數(shù)據(jù)挖掘在課程設(shè)置研究中的應(yīng)用

學(xué)校的教務(wù)處存放著學(xué)生每學(xué)期的課程成績，學(xué)生處存放著所有在校學(xué)生的家庭基本信息，系部存放著每學(xué)期學(xué)生對所學(xué)課程的評價(jià)及打分信息，由于每學(xué)期的滾動，就產(chǎn)生了大量學(xué)生相關(guān)的數(shù)據(jù)，利用這些數(shù)據(jù)并結(jié)合數(shù)據(jù)挖掘的技術(shù)可得到這些數(shù)據(jù)隱含的有用的關(guān)系，比如課程模型。

一門課程的學(xué)習(xí)，首先是先要完成它的先修課程，先修課程的學(xué)時(shí)長短、教授深度等，都會對這門課程的學(xué)習(xí)有影響。應(yīng)用數(shù)據(jù)挖掘中的關(guān)聯(lián)分析可找出課程之間的關(guān)聯(lián)關(guān)系，使課程的調(diào)整有理論依據(jù)且更科學(xué)。

學(xué)生的成績與其家庭背景之間也有著關(guān)聯(lián)，學(xué)校的數(shù)據(jù)庫中含有學(xué)生基本情況的歷史數(shù)據(jù)，我們想知道學(xué)生的成績與其家庭背景的關(guān)系。學(xué)生成績是否與課余打工、單親家庭、未加入輔導(dǎo)計(jì)劃、學(xué)習(xí)障礙、新近轉(zhuǎn)學(xué)、經(jīng)常缺席等因素有關(guān)。

3 學(xué)生成績的數(shù)據(jù)挖掘過程

3.1 確定挖掘任務(wù)

學(xué)校的教務(wù)系統(tǒng)中存放著大量學(xué)生成績數(shù)據(jù)，而只是對這些成績做一些求總分、加權(quán)平均和排名等簡單的操作。這些數(shù)據(jù)表面上顯示的是學(xué)生學(xué)習(xí)的好壞和興趣，實(shí)際上隱藏著課程設(shè)置及教學(xué)方法改進(jìn)的信息。

3.2 準(zhǔn)備數(shù)據(jù)

學(xué)校的各個(gè)部門都有大量的學(xué)生數(shù)據(jù)，每個(gè)學(xué)期都會產(chǎn)生新的數(shù)據(jù)，我們從這些海量數(shù)據(jù)中收集學(xué)生的成績及學(xué)生的信息等數(shù)據(jù)作為要分析的數(shù)據(jù)。

3.3 算法設(shè)計(jì)

數(shù)據(jù)挖掘是一項(xiàng)從大量的記錄數(shù)據(jù)當(dāng)中找出有價(jià)值的、人們感興趣的信息，這些信息是隱含的、事先并不知道的有用信息，發(fā)現(xiàn)的知識一般可表示為概念（Concepts）、規(guī)則（Rules）、規(guī)律（Regular ides）、模式（Patterns）等形式。關(guān)聯(lián)規(guī)則是本文中分析成績的主要方法之一，它反映的是事物與事物之間相互關(guān)聯(lián)性和依存性。如果兩個(gè)或多個(gè)事物之間存關(guān)聯(lián)關(guān)系，可通過其中的一個(gè)事物預(yù)測出另一個(gè)事物。在這里我們用Apriori算法，首先產(chǎn)生頻繁1-項(xiàng)集L1，然后是頻繁2-項(xiàng)集L2，直到有某個(gè)r值使得Lr為空，算法停止。在第k次循環(huán)中，過程先產(chǎn)生候選k-項(xiàng)集的集合Ck，Ck中的每一個(gè)項(xiàng)集是對兩個(gè)只有一個(gè)項(xiàng)不同的屬于Lk-1的頻繁集做一個(gè)連接來產(chǎn)生的。Ck中的項(xiàng)集是用來產(chǎn)生頻繁集的候選集，最后的頻繁集Lk必須是Ck的一個(gè)子集。一個(gè)項(xiàng)集是頻繁集當(dāng)且僅當(dāng)它的所有子集都是頻繁集。如果Ck中某個(gè)候選項(xiàng)集有一個(gè)（k-1）-子集不屬于Lk-1，則這個(gè)項(xiàng)集可以被修剪掉不再被考慮。算法如下：

L1={頻繁1項(xiàng)集}；

for（k=2；Lk-1?1；k++） do begin

Ck=apriori_gen（Lk-1）； //新的潛在頻繁項(xiàng)集

for all transactions t?D do begin

Ct=subset（Ck，t）； //t中包含的潛在頻繁項(xiàng)集

for all candidates c?Ct do

c.count++；

end；

Lk={c?Ck|c.count3minsup}

end；

Answer=UKLK

3.4 數(shù)據(jù)挖掘

數(shù)據(jù)是某班學(xué)生的大學(xué)四年的學(xué)習(xí)成績，學(xué)生人數(shù)為33人。表1顯示了該班部分學(xué)生第一學(xué)年的學(xué)習(xí)成績，共有32門課程，這些課程可以分為2類：專業(yè)課，其中包括高等數(shù)學(xué)（簡稱“高數(shù)”）、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)（簡稱“概率”）、數(shù)據(jù)庫技術(shù)、計(jì)算機(jī)原理、C++程序設(shè)計(jì)（簡稱“C++”）；公共課包括英語、體育。有些課程是連續(xù)上2-4個(gè)學(xué)期的，如英語要上4個(gè)學(xué)期，高等數(shù)學(xué)要上2個(gè)學(xué)期，對于同一門課程不同學(xué)期的成績，分別在課程名后用1-4表示相應(yīng)學(xué)期。

表1 某班學(xué)生部分成績

3.5 結(jié)果分析

高等數(shù)學(xué)成績好的學(xué)生，C++也學(xué)得好；數(shù)據(jù)可技術(shù)學(xué)得好的學(xué)生，C++和計(jì)算機(jī)原理學(xué)得也好；英語學(xué)得好的學(xué)生，C++，計(jì)算機(jī)原理和數(shù)據(jù)庫學(xué)得也好；計(jì)算機(jī)原理對其它專業(yè)課程沒有影響；網(wǎng)頁設(shè)計(jì)這門課學(xué)得好的學(xué)生，ASP.NET學(xué)得也好。針對信息管理與信息系統(tǒng)專業(yè)現(xiàn)有的課程設(shè)置，可以給出以下幾點(diǎn)建議：C語言每周設(shè)為6學(xué)時(shí)，加大總的學(xué)時(shí)及周學(xué)時(shí)，加強(qiáng)實(shí)踐教學(xué)；計(jì)算機(jī)組成原理與其他專業(yè)課的聯(lián)系不大，可以減少學(xué)時(shí)；加強(qiáng)網(wǎng)頁設(shè)計(jì)這門課程的學(xué)習(xí)，這門課與ASP.NET的聯(lián)系很緊密；高等數(shù)學(xué)和英語這兩門基礎(chǔ)課應(yīng)加大學(xué)時(shí)，尤其是高等數(shù)學(xué)，它們對后續(xù)的編程語言的學(xué)習(xí)很重要；VB這門課程可以去掉，編程課程從C語言入門就可以，C語言和C++這兩門課可以合在一起來上，學(xué)完C之后可馬上開C++而不需要分在兩個(gè)學(xué)期來上。

4 結(jié)束語

利用數(shù)據(jù)挖掘工具對學(xué)生相關(guān)數(shù)據(jù)進(jìn)行分析，可以得到一些隱含的信息，而這些信息是要對挖掘的結(jié)果進(jìn)行深入的分析才能得到的，從中找出最合理的建議，給決策者提供參考依據(jù)。

參考文獻(xiàn)：

[1]劉曉慶.淺析數(shù)據(jù)挖掘的研究現(xiàn)狀及其應(yīng)用[J].電腦知識與技術(shù)，2006.

[2]常桐善.數(shù)據(jù)挖掘技術(shù)在美國院校研究中的應(yīng)用[J].復(fù)旦教育論壇，2009（02）：74.

[3]陳麗.基于數(shù)據(jù)挖掘建立動態(tài)人事管理決策系統(tǒng)[J].計(jì)算機(jī)工程與應(yīng)用，2001（20）.

[4]陳卓明.數(shù)據(jù)挖掘在國內(nèi)外的研究和發(fā)展現(xiàn)狀[M].青年文學(xué)家，2009（16）.

[5]劉美玲.數(shù)據(jù)挖掘技術(shù)在高校教學(xué)與管理中的應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì)，2010（31）.

作者簡介：柳原（1981-），女，山西人，教師，中級，學(xué)士學(xué)位，研究方向：數(shù)據(jù)挖掘。

作者單位：包頭醫(yī)學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系，內(nèi)蒙古包頭 014040；內(nèi)蒙古科技大學(xué) 信息工程學(xué)院，內(nèi)蒙古包頭 014010