張 玨

（1.江蘇省昆山第二中等專業(yè)學(xué)校，江蘇 昆山 215300；2.昆山開(kāi)放大學(xué)，江蘇 昆山 215300）

當(dāng)前網(wǎng)絡(luò)教學(xué)平臺(tái)的教學(xué)水平參差不齊，如何對(duì)其教學(xué)效果進(jìn)行有效分析，通過(guò)利用數(shù)據(jù)挖掘技術(shù)在網(wǎng)絡(luò)教學(xué)平臺(tái)中發(fā)現(xiàn)學(xué)習(xí)者的一些行為規(guī)律，以此來(lái)改善網(wǎng)絡(luò)教學(xué)平臺(tái)中站點(diǎn)的結(jié)構(gòu)的布置和網(wǎng)頁(yè)超鏈接的設(shè)置，已經(jīng)是勢(shì)在必行，但是如何在現(xiàn)有的經(jīng)典Apriori算法基礎(chǔ)上進(jìn)行改進(jìn)分析，實(shí)現(xiàn)挖掘?qū)W習(xí)者頻繁訪問(wèn)路徑的算法是本文的主要研究任務(wù)。

1 Apriori算法的研究現(xiàn)狀

1.1 教學(xué)平臺(tái)的操作分析

開(kāi)發(fā)的算法、為了分析數(shù)據(jù)而構(gòu)建的框架或模型，需要對(duì)實(shí)踐應(yīng)用產(chǎn)生影響才真正有價(jià)值。如何將獲取的數(shù)據(jù)進(jìn)行分類整合，目前大部分的網(wǎng)絡(luò)教學(xué)平臺(tái)沒(méi)有提供合適的工具來(lái)獲取、分析或者存儲(chǔ)數(shù)據(jù)，還有我們的平臺(tái)管理者或者授課者也不知道如何獲得數(shù)據(jù)、數(shù)據(jù)如何分析或者數(shù)據(jù)意味著什么。根據(jù)學(xué)習(xí)者在網(wǎng)絡(luò)教學(xué)平臺(tái)中的學(xué)習(xí)狀態(tài)進(jìn)行分析，分析點(diǎn)擊瀏覽器上的按鍵回退到瀏覽過(guò)的學(xué)習(xí)頁(yè)面，還有可以按照平臺(tái)上的一些超鏈接進(jìn)入瀏覽新的頁(yè)面。學(xué)習(xí)者所有訪問(wèn)過(guò)的頁(yè)面都是挖掘的重要信息。因此，就需要找出學(xué)習(xí)者的“最大向前訪問(wèn)路徑”，即從學(xué)習(xí)者操作的第一個(gè)頁(yè)面開(kāi)始，直到學(xué)習(xí)者退回到前一個(gè)頁(yè)面為止，這期間訪問(wèn)的頁(yè)面所獲得的頁(yè)面序列[1]。

1.2 Apriori算法在教學(xué)平臺(tái)中的應(yīng)用

Apriori算法的實(shí)質(zhì)使用候選項(xiàng)集找頻繁項(xiàng)集，是一種基于挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集最有影響力的算法。算法的大致意思是：算法使用的頻繁項(xiàng)集性質(zhì)的先驗(yàn)知識(shí)。Apriori算法是一種逐層搜索的迭代方法，k-項(xiàng)集用于探索(k+1)-項(xiàng)集[2]。

原本學(xué)習(xí)者頻繁訪問(wèn)的操作路徑中可以借鑒傳統(tǒng)數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則挖掘算法來(lái)發(fā)現(xiàn)，但Web數(shù)據(jù)存在一些復(fù)雜性，所以對(duì)關(guān)聯(lián)規(guī)則算法進(jìn)行必要的改進(jìn)，從而適合網(wǎng)絡(luò)教學(xué)平臺(tái)中學(xué)習(xí)者頻繁訪問(wèn)路徑的發(fā)現(xiàn)[3]。關(guān)聯(lián)規(guī)則挖掘算法與學(xué)習(xí)者頻繁訪問(wèn)路徑的發(fā)現(xiàn)算法的差別在于：關(guān)聯(lián)規(guī)則頻繁項(xiàng)集中的事務(wù)項(xiàng)目之間沒(méi)有順序的關(guān)系；但學(xué)習(xí)者頻繁訪問(wèn)路徑中，頁(yè)面必須形成連續(xù)的序列，即頁(yè)面之間有順序[4]。

2 改進(jìn)后的Apriori算法的分析示例

2.1 訪問(wèn)路徑發(fā)現(xiàn)的兩個(gè)問(wèn)題

學(xué)習(xí)者頻繁訪問(wèn)路徑的模式發(fā)現(xiàn)可以分解為兩個(gè)子問(wèn)題：（1）從網(wǎng)絡(luò)教學(xué)平臺(tái)中的數(shù)據(jù)庫(kù)中，用上述算法求得的最大向前訪問(wèn)路徑的數(shù)據(jù)庫(kù)D，求出所有滿足最小支持度的頻繁路徑。（2）由挖掘生成的所有頻繁路徑中，找出滿足最小置信度的頻繁路徑[5]。

2.2 改進(jìn)后的Apriori算法分析

對(duì)經(jīng)典Apriori算法稍加改進(jìn)，就可以得到求滿足最小支持度的所有頻繁路徑的算法。

算法中的符號(hào)說(shuō)明：

k-itemset：k維頁(yè)面項(xiàng)目集。

L[k]：具有最小支持度的最大k-itemset，該集合中每個(gè)成員有兩項(xiàng)（itemset和support）

C[k]：候選的k-itemset（潛在的最大頁(yè)面項(xiàng)目集），該集合中每個(gè)成員有兩項(xiàng)（itemset和support）。

假設(shè)通過(guò)對(duì)Web訪問(wèn)日志的預(yù)處理，識(shí)別出某學(xué)習(xí)者的會(huì)話為{A，B，C，D，C，E，F(xiàn)，G，B，H，A，I，J，I，K}，則用以上的最大向前訪問(wèn)路徑標(biāo)識(shí)算法對(duì)該學(xué)習(xí)者的會(huì)話過(guò)程進(jìn)行分割后，就可以得到的事務(wù)集合為{ABCD，ABCEFG，ABH，AIJ，AIK}，其分割過(guò)程如圖1所示[3]。

圖1 利用最大向前訪問(wèn)路徑標(biāo)識(shí)算法分割會(huì)話集

在上述分析的基礎(chǔ)上，結(jié)合Apriori算法的優(yōu)點(diǎn)，利用改進(jìn)的Apriori算法挖掘?qū)W習(xí)者的頻繁訪問(wèn)路徑算法描述如下。

算法說(shuō)明：

（1）最大項(xiàng)目集的子集必是最大項(xiàng)目集。在can_gen函數(shù)中，運(yùn)用這一性質(zhì)，除k項(xiàng)侯選集中那些（k-1）項(xiàng)不在L[k-1]在的項(xiàng)目集，從而減少了侯選中子集的數(shù)目。

（2）在can_gen函數(shù)中，a[2]=b[1] and a[3]=b[2], …,a[k-1]=b[k-2]是由L[k-1]生成C[k]的條件，發(fā)現(xiàn)這與傳統(tǒng)關(guān)聯(lián)規(guī)則中的連接條件不一樣，它表示了頁(yè)面之間的序列關(guān)系。

2.3 改進(jìn)后的Apriori算法示例

假設(shè)結(jié)過(guò)數(shù)據(jù)預(yù)處理后，數(shù)據(jù)庫(kù)D包含了10個(gè)學(xué)習(xí)者訪問(wèn)網(wǎng)絡(luò)教學(xué)平臺(tái)相關(guān)頁(yè)面的記錄，如表1所示（表中只給出和算法相關(guān)的字段，其余字段已被省略）。

表1 頁(yè)面被訪問(wèn)記錄表

由之前分析的算法，選取學(xué)習(xí)者頻繁訪問(wèn)路徑的最小支持度為5，算法運(yùn)行后，得到該網(wǎng)絡(luò)教學(xué)平臺(tái)被頻繁訪問(wèn)的路徑為：{A，C，D，E}，該算法的執(zhí)行過(guò)程如下所示。

第一步運(yùn)行結(jié)果：C1：

?

L1：

Itemset A C D E J support 7 7 8 10 5

第二步運(yùn)行結(jié)果：

C2：

?

L2：

?

第三步運(yùn)行結(jié)果：

C3：

Itemset A，C，D A，C，E A，C，J support 5 6 2

L3：

Itemset A，C，D A，C，E support 5 6

第四步運(yùn)行結(jié)果：

C4：

?

L4：

?

算法運(yùn)行結(jié)束，挖掘出學(xué)習(xí)者頻繁訪問(wèn)路徑{A，C，D，E}，利用該路徑來(lái)反饋網(wǎng)絡(luò)教學(xué)平臺(tái)，以改進(jìn)站點(diǎn)網(wǎng)頁(yè)間的鏈接，提高網(wǎng)絡(luò)教學(xué)平臺(tái)的訪問(wèn)效率。在這里需要指出的是，假設(shè)發(fā)現(xiàn)的A，B，C和D頁(yè)面在鏈接結(jié)構(gòu)上屬于同層結(jié)構(gòu)，那么需要在A網(wǎng)頁(yè)中，給出B，C和D網(wǎng)頁(yè)的鏈接地址。另外，可以為學(xué)習(xí)者提供推薦學(xué)習(xí)的頁(yè)面，在上述示例中，如果學(xué)習(xí)者進(jìn)入網(wǎng)絡(luò)教學(xué)平臺(tái)訪問(wèn)了A，E頁(yè)面，那么系統(tǒng)就可以將C，D頁(yè)面推薦給學(xué)習(xí)者界面[6]。

3 結(jié)語(yǔ)

通過(guò)改進(jìn)后的Apriori算法得到的學(xué)習(xí)路徑的挖掘結(jié)果是以文字或圖形的方式提供給需要的用戶。挖掘結(jié)果對(duì)授課者和學(xué)習(xí)者的幫助有：對(duì)網(wǎng)絡(luò)教學(xué)平臺(tái)的大多數(shù)學(xué)習(xí)者的學(xué)習(xí)路徑的挖掘，可以提供給平臺(tái)課程設(shè)計(jì)者對(duì)其設(shè)計(jì)的網(wǎng)絡(luò)教學(xué)課件等進(jìn)行優(yōu)化調(diào)整處理[3]，適量協(xié)調(diào)各個(gè)頁(yè)面之間的鏈接關(guān)系，讓其能更加符合學(xué)習(xí)者的習(xí)慣。并且系統(tǒng)動(dòng)態(tài)生成某些鏈接，可以滿足學(xué)習(xí)者的特定需求，以此來(lái)實(shí)現(xiàn)對(duì)學(xué)習(xí)者的定制化教學(xué)。另外，根據(jù)獲取的學(xué)習(xí)者某些課程的學(xué)習(xí)狀況和學(xué)習(xí)進(jìn)度的情況，來(lái)對(duì)學(xué)習(xí)者提出一些學(xué)習(xí)建議。挖掘的結(jié)果能讓授課者了解學(xué)習(xí)者學(xué)習(xí)課程的掌握情況，以此來(lái)提供給學(xué)習(xí)者一些比之前所學(xué)課程更加深入或者更加淺顯的教學(xué)內(nèi)容?？梢允箤W(xué)習(xí)者全面地了解自己的學(xué)習(xí)狀況，幫助學(xué)習(xí)者自主高效地學(xué)習(xí)。