孫 暢 曹 慧 黃 丹 孫玉翡 李 野

（1.齊齊哈爾工程學(xué)院健康與護(hù)理系，黑龍江 齊齊哈爾 161006；2.齊齊哈爾工程學(xué)院信息工程系，黑龍江 齊齊哈爾 161006）

互聯(lián)網(wǎng)+給各行各業(yè)提供了極大的便利[1]。通過與互聯(lián)網(wǎng)對接，可以集合更豐富的信息資源和數(shù)據(jù)，從而提高決策判斷依據(jù)的全面性和可信性[2]。但是，互聯(lián)網(wǎng)上的信息非常豐富，海量的數(shù)據(jù)會造成大幅度冗余。為了更好地利用互聯(lián)網(wǎng)+技術(shù)，經(jīng)常要配套使用數(shù)據(jù)挖掘技術(shù)[3]。隨著二胎政策的放開，新生兒的出生率提高，這就加大了助產(chǎn)行業(yè)的技能需求。助產(chǎn)技能的傳統(tǒng)培訓(xùn)方式存在效率低、效果差、成本較高以及需要依賴大量的人工和昂貴的設(shè)備等缺點(diǎn)。因此，該文提出基于“互聯(lián)網(wǎng)+”的軟件設(shè)計思路，借助互聯(lián)網(wǎng)上可以提供的各種資源完成助產(chǎn)技術(shù)培訓(xùn)?；诨ヂ?lián)網(wǎng)中豐富的相關(guān)資源，該文還將在軟件設(shè)計中引入“數(shù)據(jù)挖掘”技術(shù)，以提高軟件的性能。

1 互聯(lián)網(wǎng)信息的數(shù)據(jù)聚類

互聯(lián)網(wǎng)+技術(shù)最突出的特點(diǎn)就是可以充分利用互聯(lián)網(wǎng)提供的豐富信息。但是，互聯(lián)網(wǎng)信息也有真?zhèn)涡畔⒐泊?、冗余信息多以及有用信息少的問題。因此，為了使“互聯(lián)網(wǎng)+”軟件更好地利用互聯(lián)網(wǎng)的特點(diǎn)，規(guī)避互聯(lián)網(wǎng)的不足，必須要對互聯(lián)網(wǎng)信息進(jìn)行數(shù)據(jù)挖掘。數(shù)據(jù)挖掘技術(shù)的重要前提就是對同一類別或近似類別的數(shù)據(jù)進(jìn)行聚類。

為了實(shí)現(xiàn)數(shù)據(jù)聚類，出現(xiàn)了均值聚類的方法。該方法對每類數(shù)據(jù)類別設(shè)定一個特定的表征值，這個值就代表這個數(shù)據(jù)類。當(dāng)要執(zhí)行一個新數(shù)據(jù)類別的判斷時，就計算新數(shù)據(jù)和各個數(shù)據(jù)類別表征值的距離，距離最小的那個類別就是新數(shù)據(jù)所屬的類別。

在均值聚類的過程中，每個數(shù)據(jù)類別的表征值設(shè)定非常重要，它決定了新數(shù)據(jù)類別判斷的準(zhǔn)確性和可信度。在正常情況下，每個數(shù)據(jù)類別的表征值是類內(nèi)各數(shù)據(jù)的中間值位置。但是，對不同的聚類問題來說，類內(nèi)數(shù)據(jù)中間值并不一定就是最準(zhǔn)確的表征值，還需要根據(jù)設(shè)定的條件進(jìn)行進(jìn)一步優(yōu)化和調(diào)整。如果在調(diào)整過程中，無論如何更新處理，表征值的合理位置都不再變化或者變化非常小，那么可以確認(rèn)這個表征值是合理的。

因此，均值聚類方法具體的實(shí)現(xiàn)流程如下：1） 先將已知數(shù)據(jù)確定分割為多個類別，每個數(shù)據(jù)類別設(shè)定一個表征值，這個表征值先以數(shù)據(jù)類別的中間值作為初始值。2） 根據(jù)各個類別表征值的初始值計算每個數(shù)據(jù)類別內(nèi)的數(shù)據(jù)以及與這個表征值之間的距離。并以計算結(jié)果和事先設(shè)定的判定依據(jù)進(jìn)行比較，如果比較所得的誤差大于或等于設(shè)定好的域值，就要更新表征值的位置。3） 反復(fù)執(zhí)行上一個步驟的處理，直到每個數(shù)據(jù)類別的表征值都不再變化為止，那么這個表征值確定可以代表對應(yīng)的數(shù)據(jù)類別。

在這個過程中，確定每個數(shù)據(jù)類別的表征值后，可以形成下面的類別表征值集合，如公式（1）所示。式中：C為全部數(shù)據(jù)類別表征值的集合；Ck為第k個數(shù)據(jù)類別的表征值；k為表征值和數(shù)據(jù)類別的序號；K為數(shù)據(jù)集合包括的全部類別。

根據(jù)表征值可以將各個數(shù)據(jù)歸入各個數(shù)據(jù)類別，進(jìn)一步設(shè)定每個數(shù)據(jù)類別的中心，從而計算每個數(shù)據(jù)類別中的數(shù)據(jù)與這個中心的距離，如公式（2）所示。

式中：Ck為第k個數(shù)據(jù)類別的表征值；J（Ck）為1 個數(shù)據(jù)類別中全部數(shù)據(jù)與類中心之間的距離和；xi為這個集合中的任意一個數(shù)據(jù)；μk為第k個數(shù)據(jù)類別的中心。

隨著數(shù)據(jù)的不斷更新，數(shù)據(jù)聚類就體現(xiàn)為全部數(shù)據(jù)聚類的一個距離計算，由此可以得到各個聚類距離和，當(dāng)這個和達(dá)到最小值時，全部數(shù)據(jù)的聚類過程結(jié)束，這一過程的描述如公式（3）所示。

式中：J（Ck）為1 個數(shù)據(jù)類別中全部數(shù)據(jù)與類中心之間的距離和；J（C）為全部數(shù)據(jù)類別中全部數(shù)據(jù)與類中心之間的距離和；k為表征值和數(shù)據(jù)類別的序號；K為數(shù)據(jù)集合包括的全部類別。

2 互聯(lián)網(wǎng)信息的數(shù)據(jù)挖掘

有了數(shù)據(jù)聚類作為基礎(chǔ)，互聯(lián)網(wǎng)信息就可以進(jìn)行進(jìn)一步的數(shù)據(jù)挖掘。數(shù)據(jù)挖掘領(lǐng)域有很多技術(shù)和算法，AP 算法一般與均值聚類配合使用，以完成進(jìn)一步的數(shù)據(jù)挖掘任務(wù)。AP 算法的核心思想就是檢索每個數(shù)據(jù)的多次出現(xiàn)頻率項，這個項體現(xiàn)了這個數(shù)據(jù)在整個互聯(lián)網(wǎng)中被采信的程度。因此，數(shù)據(jù)對應(yīng)的多次出現(xiàn)的頻率項是該數(shù)據(jù)被再一次訪問或使用的重要的先驗知識。

顯然，一個數(shù)據(jù)多次出現(xiàn)的頻率項的數(shù)值越高，其再次被采信的可信度也越高；一個數(shù)據(jù)多次出現(xiàn)的頻率項的數(shù)值越低，其再次被采信的可信度也越低。在AP 算法中，個數(shù)據(jù)多次出現(xiàn)的頻率項具有以下屬性：1） 如果一個集合不是數(shù)據(jù)多次出現(xiàn)的頻率項的集合，那么它的上一級集合也不可能是數(shù)據(jù)多次出現(xiàn)的頻率項的集合。2） 如果一個集合是數(shù)據(jù)多次出現(xiàn)的頻率項的集合，那么它的上一級集合也是數(shù)據(jù)多次出現(xiàn)的頻率項的集合。

根據(jù)上面的屬性，通過不斷地延伸一個數(shù)據(jù)集合內(nèi)數(shù)據(jù)多次出現(xiàn)的頻率項的集合，就可以構(gòu)建完整的AP 算法。AP 算法的突出優(yōu)勢如下：1） 不管數(shù)據(jù)集合的規(guī)模是大還是小，也不管數(shù)據(jù)集合在后續(xù)發(fā)生何等規(guī)模的改變，數(shù)據(jù)對應(yīng)的多次出現(xiàn)的頻繁項都可以被準(zhǔn)確確定并且可以支持進(jìn)一步的剪枝處理。2） 各個集合的上下關(guān)聯(lián)關(guān)系與閾值的設(shè)定有統(tǒng)計學(xué)意義，而這一個閾值對應(yīng)最小可信度，這給整個算法提供了非常高的可信性?；贏P 算法的數(shù)據(jù)挖掘過程如圖1 所示。

圖1 基于AP 算法的數(shù)據(jù)挖掘過程

根據(jù)上述的AP 算法，給出一個具體的數(shù)據(jù)挖掘?qū)嵗阂粋€新的數(shù)據(jù)集合中存在{數(shù)據(jù)項A數(shù)據(jù)項B數(shù)據(jù)項D}并且存在這樣的一系列子集合：{數(shù)據(jù)項A}，{數(shù)據(jù)項B}，{數(shù)據(jù)項D}，{數(shù)據(jù)項A數(shù)據(jù)項B}，{數(shù)據(jù)項A數(shù)據(jù)項D}，{數(shù)據(jù)項B數(shù)據(jù)項D}。這樣可以計算出各個集合對應(yīng)的置信度關(guān)系：數(shù)據(jù)項A∧數(shù)據(jù)項B→數(shù)據(jù)項D，由此推導(dǎo)出置信度為2/2=1；數(shù)據(jù)項A∧數(shù)據(jù)項D→數(shù)據(jù)項B，由此推導(dǎo)出置信度為2/4=0.5；數(shù)據(jù)項B∧數(shù)據(jù)項D→數(shù)據(jù)項A，由此推導(dǎo)出置信度為2/3=0.667；數(shù)據(jù)項A→數(shù)據(jù)項B∧數(shù)據(jù)項D，由此推導(dǎo)出置信度為2/4=0.5；數(shù)據(jù)項B→數(shù)據(jù)項A∧數(shù)據(jù)項D，由此推導(dǎo)出置信度為2/4=0.5；數(shù)據(jù)項D→數(shù)據(jù)項A∧數(shù)據(jù)項B，由此推導(dǎo)出置信度為2/5=0.4。

如果已經(jīng)在AP 算法中設(shè)定了閾值為0.6，那么可以挖掘出各數(shù)據(jù)項的關(guān)聯(lián)關(guān)系，見表1。

表1 各數(shù)據(jù)項的關(guān)聯(lián)關(guān)系

3 互聯(lián)網(wǎng)+軟件設(shè)計結(jié)果與測試

在數(shù)據(jù)聚類和數(shù)據(jù)挖掘的基礎(chǔ)上，將互聯(lián)網(wǎng)資源接口引入其中，進(jìn)行互聯(lián)網(wǎng)+的軟件設(shè)計。主要是以助產(chǎn)培訓(xùn)為目的，因此涉及的就是如何建立軟件平臺，借助數(shù)據(jù)挖掘算法從互聯(lián)網(wǎng)選擇最適合助產(chǎn)培訓(xùn)的視頻資源和文本資源。

從用戶對軟件使用的角度來看，其一般需求可以分為以下2 類：1） 用戶的第一類需求。獲得互聯(lián)網(wǎng)+軟件平臺的使用權(quán)。因此，用戶應(yīng)該可以在互聯(lián)網(wǎng)+軟件平臺進(jìn)行注冊，包括基本信息的錄入、登陸安全的設(shè)定等。用戶通過注冊就可以獲得互聯(lián)網(wǎng)+軟件平臺的資源訪問權(quán)。當(dāng)然，這種訪問權(quán)限的高低與用戶等級有統(tǒng)計學(xué)意義。而用戶等級的配置設(shè)置為一般型和特殊型，一般型通過注冊即可以獲得，所得權(quán)限為訪問互聯(lián)網(wǎng)+軟件平臺的基本權(quán)限。特殊型用戶須由后臺管理員審核確認(rèn)。2） 用戶的第二類需求。如何從互聯(lián)網(wǎng)+軟件平臺中獲得自己想要的資源。這取決于3 個方面的因素，一是用戶提供的檢索詞的準(zhǔn)確性，即能否最準(zhǔn)確地對自己的需求進(jìn)行描述；二是軟件平臺資源的豐富程度，該文的軟件平臺嵌入了互聯(lián)網(wǎng)資源，資源相當(dāng)豐富；三是軟件平臺數(shù)據(jù)挖掘算法的有效性，挖掘算法的效果越好，能得到的資源越準(zhǔn)確。

根據(jù)上述需求，該文對互聯(lián)網(wǎng)+軟件平臺的功能架構(gòu)設(shè)計如圖2 所示。由圖2 可知，該文設(shè)計的互聯(lián)網(wǎng)+軟件平臺的主要功能分別針對用戶和管理員進(jìn)行設(shè)計。其中，用戶對應(yīng)的功能設(shè)計包括用戶帳號注冊功能、用戶帳號維護(hù)功能、助產(chǎn)培訓(xùn)資源瀏覽功能、助產(chǎn)培訓(xùn)資源查詢功能、助產(chǎn)培訓(xùn)資源下載功能以及助產(chǎn)培訓(xùn)資源預(yù)訂功能。管理員對應(yīng)的功能設(shè)計包括用戶信息管理功能、助產(chǎn)培訓(xùn)資源管理功能、助產(chǎn)培訓(xùn)資源推薦功能以及系統(tǒng)其他維護(hù)功能。其中，助產(chǎn)培訓(xùn)資源推薦功能就是通過AP 數(shù)據(jù)挖掘算法實(shí)現(xiàn)的。

圖2 互聯(lián)網(wǎng)+軟件平臺的功能架構(gòu)設(shè)計

采用B/S 模式設(shè)計用戶與管理員之間的關(guān)聯(lián)關(guān)系，既便于用戶和管理員的對接，又便于訪問互聯(lián)網(wǎng)資源。

AP 算法可以完成用戶需求的推薦，是整個軟件平臺的核心功能。為了實(shí)現(xiàn)從用戶需求到最終資源的推薦，需要建構(gòu)各項功能的ER 數(shù)據(jù)庫關(guān)系，如圖3 所示。由圖3 可知，該文設(shè)計的互聯(lián)網(wǎng)+軟件平臺的各功能模塊對應(yīng)形成的ER 數(shù)據(jù)庫模塊及關(guān)聯(lián)關(guān)系如下：1） 用戶可以直接訪問平臺提供的互聯(lián)網(wǎng)接口，從而可以從互聯(lián)網(wǎng)上獲得助產(chǎn)培訓(xùn)的文本信息或助產(chǎn)培訓(xùn)的視頻資源。2） 用戶也可以利用預(yù)訂功能預(yù)訂助產(chǎn)培訓(xùn)資源，管理員會根據(jù)用戶需求和AP數(shù)據(jù)挖掘算法，從互聯(lián)網(wǎng)中資源總庫中找到用戶最需要的培訓(xùn)資源，形成新增助產(chǎn)培訓(xùn)資源發(fā)送至互聯(lián)網(wǎng)端，從而被用戶訪問。

圖3 互聯(lián)網(wǎng)+軟件平臺的ER 數(shù)據(jù)庫關(guān)系圖設(shè)計

4 結(jié)語

借助互聯(lián)網(wǎng)+技術(shù)可以充分利用豐富的互聯(lián)網(wǎng)資源，但是互聯(lián)網(wǎng)中數(shù)據(jù)信息規(guī)模過于龐大，需要借助數(shù)據(jù)挖掘算法來進(jìn)行整理、歸類和分析。首先，該文闡述了聚類分析方法的實(shí)現(xiàn)過程，給出了聚類分析的流程，給進(jìn)一步的數(shù)據(jù)挖掘算法使用奠定了基礎(chǔ)。其次，闡述了AP 數(shù)據(jù)挖掘算法的原理，并給出了基于數(shù)據(jù)多次出現(xiàn)的頻率項的挖掘過程，通過一個案例計算了不同挖掘結(jié)果的置信度。最后，進(jìn)行了基于數(shù)據(jù)挖掘的互聯(lián)網(wǎng)+軟件設(shè)計，給出了軟件平臺的各個功能模塊設(shè)計，構(gòu)建了各個模塊之下的ER數(shù)據(jù)庫關(guān)系圖。