陳璐宇

摘要：隨著高校招生系統(tǒng)的廣泛使用，系統(tǒng)中積累近年來大量的生源信息和招生信息，如何使得這些看似垃圾的數(shù)據(jù)成為對高校招生決策的重要信息，該文應(yīng)用數(shù)據(jù)挖掘技術(shù)中管理規(guī)則的Apriori算法，以招生系統(tǒng)中的信息為研究對象，挖掘影響學生報到的內(nèi)在因素，發(fā)現(xiàn)與報到率關(guān)聯(lián)的有用信息，從而降低招生宣傳的成本，為高校的招生決策者提供指導和有效的數(shù)據(jù)支持。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；招生決策；應(yīng)用分析

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）12-2702-02

1 概述

自教育部提出高等教育要從精英式教育轉(zhuǎn)向大眾教育以來，高等學校都在擴大辦學規(guī)模，招生規(guī)模也呈不斷上升的趨勢，但近幾年生源量卻在逐年減少，很多學校的很多專業(yè)的報到率逐漸降低，這使得院校之間出現(xiàn)了前所未有的生源競爭。很多高校都在做盲目的招生宣傳，這種無的放矢的做法不但浪費資源還不見成效。我們可以利用數(shù)據(jù)挖掘算法中的關(guān)聯(lián)規(guī)則從近幾年招生系統(tǒng)中的歷史數(shù)據(jù)中挖掘出有用的信息，給高校決策者在招生宣傳和錄取工作中提供良好的決策依據(jù)。

2 數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則

數(shù)據(jù)挖掘技術(shù)是隨著信息技術(shù)的廣泛使用的產(chǎn)物，信息技術(shù)中產(chǎn)生的數(shù)據(jù)雖多信息卻很匱乏，如何從大量的數(shù)據(jù)中歸納總結(jié)提取出有效的信息就是數(shù)據(jù)挖掘技術(shù)的任務(wù)。數(shù)據(jù)挖掘（Data Mining），常被稱作數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database—KDD）。是指從海量的、隨機的、有噪聲的大型數(shù)據(jù)中提取隱涵的、事先未知的、具有一定價值意義的知識的過程[1]。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘技術(shù)中的一種挖掘信息的技術(shù)，是從海量的數(shù)據(jù)中區(qū)找到項與項之間有用的關(guān)聯(lián)關(guān)系[1]。最早始于對購物籃的分析，通過對顧客的交易信息進行挖掘分析，找出顧客經(jīng)常一起買的商品有哪些。

關(guān)聯(lián)規(guī)則有數(shù)據(jù)項I={i1，i2，…，ix}，數(shù)據(jù)項集A[?]I，事務(wù)T=（TID，A），TID是唯一標識一個事務(wù)的事務(wù)號。假設(shè)事務(wù)T中有數(shù)據(jù)項集M、N，且M[?]T。關(guān)聯(lián)規(guī)則就可以表示為形如M[?]N的蘊涵式。

Apriori算法是關(guān)聯(lián)規(guī)則中應(yīng)用最廣泛的一種方法，是基于關(guān)聯(lián)規(guī)則的基礎(chǔ)，首先找到頻繁集，再由頻繁集推出關(guān)聯(lián)的規(guī)則。它采用的搜索策略是廣度優(yōu)先，也就是先一層一層搜索，再用迭代的方法來對項集之間的關(guān)聯(lián)關(guān)系進行探索，也就是k-項集是被（k-1）-項集探索得到。

Apriori算法的基本過程分為兩大步：第一步，對數(shù)據(jù)庫進行依次掃描，第一次掃描，搜索頻繁1-項集Ll，即所有支持度數(shù)滿足最小支持度閾值的項集，掃描得到的候選1-項集記作C1。就這樣，依次搜索迭代，一直到不再有新的候選集產(chǎn)生為止，k次掃描后，得到的候選k-項集記作Ck。。第二步，修剪掉候選項集Ck中不頻繁的項集，得到頻繁項集Lk。第三步，由找到的頻繁項集中推出關(guān)聯(lián)的規(guī)則。

3 學生報到信息的關(guān)聯(lián)規(guī)則分析

根據(jù)關(guān)聯(lián)規(guī)則，可以將學生報到的數(shù)據(jù)設(shè)置為這樣的項目集：I={生源種類，生源地地區(qū)，成績分數(shù)段，錄取專業(yè)是否如意，是否報到}。其中，生源種類為：城市應(yīng)屆，城市往屆，農(nóng)村應(yīng)屆，農(nóng)村往屆；生源地地區(qū)分為：東部沿海發(fā)達地區(qū)，中部發(fā)展地區(qū)，西部欠發(fā)達地區(qū)；成績分數(shù)段分為五段，用羅馬數(shù)字表示各項目的分類：Ⅰ、重點線上10-30分，Ⅱ、重點線上30-50分，Ⅲ、重點線上50-70分，Ⅳ、重點線上70-90分，Ⅴ、重點線上90分以上。事務(wù)T是是項目集I的一個子集，T[?]I，考生號用來區(qū)分每個事務(wù)。每次掃描得到的頻繁項集用Lk表示。報到與否是要分析的屬性。

選取近兩年學生錄取情況和報到情況作為分析樣本，事務(wù)數(shù)180000條。第一次掃描樣本數(shù)據(jù)，得到頻繁1-項集Ll，如下表。由于“報到”是我們要分析的目標，所以我們只分析關(guān)于報到的頻繁集，為了便于求得信任度，在支出數(shù)的后面添加了條件數(shù)。18000的樣本事務(wù)中，報到人數(shù)為17248，報到率為95.82%。所以分析時，Ll的最小支持度設(shè)為97%。

連接Ll得到C2，掃描C2項目集，由于本樣本數(shù)據(jù)不是很多，不進行剪枝，將所有數(shù)據(jù)聯(lián)接得到L2，設(shè)L2的最小支持度為96%下表為滿足最小支持的幾項。

上圖所示的項集都是通過L2可以推出的規(guī)則。

聯(lián)接L2后得到C3，掃描C3得到L3。設(shè)L3的最小支持度為96%下表為滿足最小支持的幾項。

4 結(jié)束語

本文通過對高校招生錄取數(shù)據(jù)庫的分析，利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則，選取招生錄取數(shù)據(jù)庫中的歷史信息作為樣本進行分析，找到了新生入學報到與生源種類、生源所在地區(qū)、考生成績和對專業(yè)的滿意與否的關(guān)系。這有助于學校對招生計劃、專業(yè)設(shè)置以及招生宣傳的定位與改進，為學校的招生工作提供決策依據(jù)，減少招生成本，提高學生報到率。endprint

摘要：隨著高校招生系統(tǒng)的廣泛使用，系統(tǒng)中積累近年來大量的生源信息和招生信息，如何使得這些看似垃圾的數(shù)據(jù)成為對高校招生決策的重要信息，該文應(yīng)用數(shù)據(jù)挖掘技術(shù)中管理規(guī)則的Apriori算法，以招生系統(tǒng)中的信息為研究對象，挖掘影響學生報到的內(nèi)在因素，發(fā)現(xiàn)與報到率關(guān)聯(lián)的有用信息，從而降低招生宣傳的成本，為高校的招生決策者提供指導和有效的數(shù)據(jù)支持。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；招生決策；應(yīng)用分析

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）12-2702-02

1 概述

自教育部提出高等教育要從精英式教育轉(zhuǎn)向大眾教育以來，高等學校都在擴大辦學規(guī)模，招生規(guī)模也呈不斷上升的趨勢，但近幾年生源量卻在逐年減少，很多學校的很多專業(yè)的報到率逐漸降低，這使得院校之間出現(xiàn)了前所未有的生源競爭。很多高校都在做盲目的招生宣傳，這種無的放矢的做法不但浪費資源還不見成效。我們可以利用數(shù)據(jù)挖掘算法中的關(guān)聯(lián)規(guī)則從近幾年招生系統(tǒng)中的歷史數(shù)據(jù)中挖掘出有用的信息，給高校決策者在招生宣傳和錄取工作中提供良好的決策依據(jù)。

2 數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則

數(shù)據(jù)挖掘技術(shù)是隨著信息技術(shù)的廣泛使用的產(chǎn)物，信息技術(shù)中產(chǎn)生的數(shù)據(jù)雖多信息卻很匱乏，如何從大量的數(shù)據(jù)中歸納總結(jié)提取出有效的信息就是數(shù)據(jù)挖掘技術(shù)的任務(wù)。數(shù)據(jù)挖掘（Data Mining），常被稱作數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database—KDD）。是指從海量的、隨機的、有噪聲的大型數(shù)據(jù)中提取隱涵的、事先未知的、具有一定價值意義的知識的過程[1]。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘技術(shù)中的一種挖掘信息的技術(shù)，是從海量的數(shù)據(jù)中區(qū)找到項與項之間有用的關(guān)聯(lián)關(guān)系[1]。最早始于對購物籃的分析，通過對顧客的交易信息進行挖掘分析，找出顧客經(jīng)常一起買的商品有哪些。

關(guān)聯(lián)規(guī)則有數(shù)據(jù)項I={i1，i2，…，ix}，數(shù)據(jù)項集A[?]I，事務(wù)T=（TID，A），TID是唯一標識一個事務(wù)的事務(wù)號。假設(shè)事務(wù)T中有數(shù)據(jù)項集M、N，且M[?]T。關(guān)聯(lián)規(guī)則就可以表示為形如M[?]N的蘊涵式。

Apriori算法是關(guān)聯(lián)規(guī)則中應(yīng)用最廣泛的一種方法，是基于關(guān)聯(lián)規(guī)則的基礎(chǔ)，首先找到頻繁集，再由頻繁集推出關(guān)聯(lián)的規(guī)則。它采用的搜索策略是廣度優(yōu)先，也就是先一層一層搜索，再用迭代的方法來對項集之間的關(guān)聯(lián)關(guān)系進行探索，也就是k-項集是被（k-1）-項集探索得到。

Apriori算法的基本過程分為兩大步：第一步，對數(shù)據(jù)庫進行依次掃描，第一次掃描，搜索頻繁1-項集Ll，即所有支持度數(shù)滿足最小支持度閾值的項集，掃描得到的候選1-項集記作C1。就這樣，依次搜索迭代，一直到不再有新的候選集產(chǎn)生為止，k次掃描后，得到的候選k-項集記作Ck。。第二步，修剪掉候選項集Ck中不頻繁的項集，得到頻繁項集Lk。第三步，由找到的頻繁項集中推出關(guān)聯(lián)的規(guī)則。

3 學生報到信息的關(guān)聯(lián)規(guī)則分析

根據(jù)關(guān)聯(lián)規(guī)則，可以將學生報到的數(shù)據(jù)設(shè)置為這樣的項目集：I={生源種類，生源地地區(qū)，成績分數(shù)段，錄取專業(yè)是否如意，是否報到}。其中，生源種類為：城市應(yīng)屆，城市往屆，農(nóng)村應(yīng)屆，農(nóng)村往屆；生源地地區(qū)分為：東部沿海發(fā)達地區(qū)，中部發(fā)展地區(qū)，西部欠發(fā)達地區(qū)；成績分數(shù)段分為五段，用羅馬數(shù)字表示各項目的分類：Ⅰ、重點線上10-30分，Ⅱ、重點線上30-50分，Ⅲ、重點線上50-70分，Ⅳ、重點線上70-90分，Ⅴ、重點線上90分以上。事務(wù)T是是項目集I的一個子集，T[?]I，考生號用來區(qū)分每個事務(wù)。每次掃描得到的頻繁項集用Lk表示。報到與否是要分析的屬性。

選取近兩年學生錄取情況和報到情況作為分析樣本，事務(wù)數(shù)180000條。第一次掃描樣本數(shù)據(jù)，得到頻繁1-項集Ll，如下表。由于“報到”是我們要分析的目標，所以我們只分析關(guān)于報到的頻繁集，為了便于求得信任度，在支出數(shù)的后面添加了條件數(shù)。18000的樣本事務(wù)中，報到人數(shù)為17248，報到率為95.82%。所以分析時，Ll的最小支持度設(shè)為97%。

連接Ll得到C2，掃描C2項目集，由于本樣本數(shù)據(jù)不是很多，不進行剪枝，將所有數(shù)據(jù)聯(lián)接得到L2，設(shè)L2的最小支持度為96%下表為滿足最小支持的幾項。

上圖所示的項集都是通過L2可以推出的規(guī)則。

聯(lián)接L2后得到C3，掃描C3得到L3。設(shè)L3的最小支持度為96%下表為滿足最小支持的幾項。

4 結(jié)束語

本文通過對高校招生錄取數(shù)據(jù)庫的分析，利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則，選取招生錄取數(shù)據(jù)庫中的歷史信息作為樣本進行分析，找到了新生入學報到與生源種類、生源所在地區(qū)、考生成績和對專業(yè)的滿意與否的關(guān)系。這有助于學校對招生計劃、專業(yè)設(shè)置以及招生宣傳的定位與改進，為學校的招生工作提供決策依據(jù)，減少招生成本，提高學生報到率。endprint

摘要：隨著高校招生系統(tǒng)的廣泛使用，系統(tǒng)中積累近年來大量的生源信息和招生信息，如何使得這些看似垃圾的數(shù)據(jù)成為對高校招生決策的重要信息，該文應(yīng)用數(shù)據(jù)挖掘技術(shù)中管理規(guī)則的Apriori算法，以招生系統(tǒng)中的信息為研究對象，挖掘影響學生報到的內(nèi)在因素，發(fā)現(xiàn)與報到率關(guān)聯(lián)的有用信息，從而降低招生宣傳的成本，為高校的招生決策者提供指導和有效的數(shù)據(jù)支持。

關(guān)鍵詞：關(guān)聯(lián)規(guī)則；招生決策；應(yīng)用分析

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）12-2702-02

1 概述

自教育部提出高等教育要從精英式教育轉(zhuǎn)向大眾教育以來，高等學校都在擴大辦學規(guī)模，招生規(guī)模也呈不斷上升的趨勢，但近幾年生源量卻在逐年減少，很多學校的很多專業(yè)的報到率逐漸降低，這使得院校之間出現(xiàn)了前所未有的生源競爭。很多高校都在做盲目的招生宣傳，這種無的放矢的做法不但浪費資源還不見成效。我們可以利用數(shù)據(jù)挖掘算法中的關(guān)聯(lián)規(guī)則從近幾年招生系統(tǒng)中的歷史數(shù)據(jù)中挖掘出有用的信息，給高校決策者在招生宣傳和錄取工作中提供良好的決策依據(jù)。

2 數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則

數(shù)據(jù)挖掘技術(shù)是隨著信息技術(shù)的廣泛使用的產(chǎn)物，信息技術(shù)中產(chǎn)生的數(shù)據(jù)雖多信息卻很匱乏，如何從大量的數(shù)據(jù)中歸納總結(jié)提取出有效的信息就是數(shù)據(jù)挖掘技術(shù)的任務(wù)。數(shù)據(jù)挖掘（Data Mining），常被稱作數(shù)據(jù)庫中的知識發(fā)現(xiàn)（Knowledge Discovery in Database—KDD）。是指從海量的、隨機的、有噪聲的大型數(shù)據(jù)中提取隱涵的、事先未知的、具有一定價值意義的知識的過程[1]。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘技術(shù)中的一種挖掘信息的技術(shù)，是從海量的數(shù)據(jù)中區(qū)找到項與項之間有用的關(guān)聯(lián)關(guān)系[1]。最早始于對購物籃的分析，通過對顧客的交易信息進行挖掘分析，找出顧客經(jīng)常一起買的商品有哪些。

關(guān)聯(lián)規(guī)則有數(shù)據(jù)項I={i1，i2，…，ix}，數(shù)據(jù)項集A[?]I，事務(wù)T=（TID，A），TID是唯一標識一個事務(wù)的事務(wù)號。假設(shè)事務(wù)T中有數(shù)據(jù)項集M、N，且M[?]T。關(guān)聯(lián)規(guī)則就可以表示為形如M[?]N的蘊涵式。

Apriori算法是關(guān)聯(lián)規(guī)則中應(yīng)用最廣泛的一種方法，是基于關(guān)聯(lián)規(guī)則的基礎(chǔ)，首先找到頻繁集，再由頻繁集推出關(guān)聯(lián)的規(guī)則。它采用的搜索策略是廣度優(yōu)先，也就是先一層一層搜索，再用迭代的方法來對項集之間的關(guān)聯(lián)關(guān)系進行探索，也就是k-項集是被（k-1）-項集探索得到。

Apriori算法的基本過程分為兩大步：第一步，對數(shù)據(jù)庫進行依次掃描，第一次掃描，搜索頻繁1-項集Ll，即所有支持度數(shù)滿足最小支持度閾值的項集，掃描得到的候選1-項集記作C1。就這樣，依次搜索迭代，一直到不再有新的候選集產(chǎn)生為止，k次掃描后，得到的候選k-項集記作Ck。。第二步，修剪掉候選項集Ck中不頻繁的項集，得到頻繁項集Lk。第三步，由找到的頻繁項集中推出關(guān)聯(lián)的規(guī)則。

3 學生報到信息的關(guān)聯(lián)規(guī)則分析

根據(jù)關(guān)聯(lián)規(guī)則，可以將學生報到的數(shù)據(jù)設(shè)置為這樣的項目集：I={生源種類，生源地地區(qū)，成績分數(shù)段，錄取專業(yè)是否如意，是否報到}。其中，生源種類為：城市應(yīng)屆，城市往屆，農(nóng)村應(yīng)屆，農(nóng)村往屆；生源地地區(qū)分為：東部沿海發(fā)達地區(qū)，中部發(fā)展地區(qū)，西部欠發(fā)達地區(qū)；成績分數(shù)段分為五段，用羅馬數(shù)字表示各項目的分類：Ⅰ、重點線上10-30分，Ⅱ、重點線上30-50分，Ⅲ、重點線上50-70分，Ⅳ、重點線上70-90分，Ⅴ、重點線上90分以上。事務(wù)T是是項目集I的一個子集，T[?]I，考生號用來區(qū)分每個事務(wù)。每次掃描得到的頻繁項集用Lk表示。報到與否是要分析的屬性。

選取近兩年學生錄取情況和報到情況作為分析樣本，事務(wù)數(shù)180000條。第一次掃描樣本數(shù)據(jù)，得到頻繁1-項集Ll，如下表。由于“報到”是我們要分析的目標，所以我們只分析關(guān)于報到的頻繁集，為了便于求得信任度，在支出數(shù)的后面添加了條件數(shù)。18000的樣本事務(wù)中，報到人數(shù)為17248，報到率為95.82%。所以分析時，Ll的最小支持度設(shè)為97%。

連接Ll得到C2，掃描C2項目集，由于本樣本數(shù)據(jù)不是很多，不進行剪枝，將所有數(shù)據(jù)聯(lián)接得到L2，設(shè)L2的最小支持度為96%下表為滿足最小支持的幾項。

上圖所示的項集都是通過L2可以推出的規(guī)則。

聯(lián)接L2后得到C3，掃描C3得到L3。設(shè)L3的最小支持度為96%下表為滿足最小支持的幾項。

4 結(jié)束語

本文通過對高校招生錄取數(shù)據(jù)庫的分析，利用數(shù)據(jù)挖掘技術(shù)中的關(guān)聯(lián)規(guī)則，選取招生錄取數(shù)據(jù)庫中的歷史信息作為樣本進行分析，找到了新生入學報到與生源種類、生源所在地區(qū)、考生成績和對專業(yè)的滿意與否的關(guān)系。這有助于學校對招生計劃、專業(yè)設(shè)置以及招生宣傳的定位與改進，為學校的招生工作提供決策依據(jù)，減少招生成本，提高學生報到率。endprint