基于項(xiàng)加權(quán)和項(xiàng)集關(guān)聯(lián)度的課程正負(fù)模式挖掘方法及系統(tǒng)的制作方法
【專利摘要】一種基于項(xiàng)加權(quán)和項(xiàng)集關(guān)聯(lián)度的課程正負(fù)關(guān)聯(lián)模式挖掘方法及挖掘系統(tǒng)，利用教育數(shù)據(jù)預(yù)處理模塊對(duì)教務(wù)數(shù)據(jù)預(yù)處理；利用課程項(xiàng)集模式生成模塊生成課程候選項(xiàng)集，計(jì)算其支持度，由此得到課程頻繁項(xiàng)集和負(fù)項(xiàng)集，根據(jù)課程頻繁項(xiàng)集和負(fù)項(xiàng)集的關(guān)聯(lián)度進(jìn)行項(xiàng)集剪枝，得到有趣的課程頻繁項(xiàng)集和負(fù)項(xiàng)集；利用課程正負(fù)關(guān)聯(lián)規(guī)則模式生成模塊計(jì)算課程關(guān)聯(lián)規(guī)則興趣度和置信度，從課程頻繁項(xiàng)集和負(fù)項(xiàng)集挖掘矩陣加權(quán)課程強(qiáng)正負(fù)關(guān)聯(lián)規(guī)則；課程正負(fù)關(guān)聯(lián)模式顯示模塊將課程模式顯示給用戶，供用戶分析和使用。本發(fā)明方法挖掘的課程候選項(xiàng)集和挖掘時(shí)間明顯減少，避免了無(wú)效的課程關(guān)聯(lián)模式出現(xiàn)，挖掘效率得到極大提高，其模式可為教務(wù)管理、決策以及教改提供科學(xué)依據(jù)。
【專利說(shuō)明】基于項(xiàng)加權(quán)和項(xiàng)集關(guān)聯(lián)度的課程正負(fù)模式挖掘方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于教育數(shù)據(jù)挖掘領(lǐng)域，具體是一種基于項(xiàng)加權(quán)和項(xiàng)集關(guān)聯(lián)度的課程正負(fù) 模式挖掘方法及系統(tǒng)，適用于教務(wù)數(shù)據(jù)課程正負(fù)關(guān)聯(lián)模式發(fā)現(xiàn)，其模式可為教學(xué)改革和教 育管理、決策提供科學(xué)的依據(jù)。該發(fā)明運(yùn)用于高校教務(wù)管理系統(tǒng)，可以擴(kuò)展教務(wù)管理功能， 其關(guān)聯(lián)模式可以有助于教師改善和調(diào)整方法，提高教學(xué)質(zhì)量，同時(shí)，可以幫助學(xué)生提高學(xué)習(xí) 效果。

【背景技術(shù)】
[0002] 教育數(shù)據(jù)無(wú)加權(quán)關(guān)聯(lián)模式挖掘方法、教育數(shù)據(jù)加權(quán)關(guān)聯(lián)規(guī)則挖掘方法和教育數(shù) 據(jù)矩陣加權(quán)關(guān)聯(lián)規(guī)則挖掘方法是目前常見的教育數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘方法。教育數(shù)據(jù)無(wú)加 權(quán)關(guān)聯(lián)規(guī)則挖掘方法是傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘方法在教育信息化領(lǐng)域的具體應(yīng)用。該方法 的特點(diǎn)是各個(gè)項(xiàng)目按平等一致的方式處理，只考慮項(xiàng)目頻度，其缺陷是：在挖掘時(shí)只考慮 課程的選修關(guān)聯(lián)，沒有考慮課程之間具有不同的重要性，更沒有考慮學(xué)生選修課程后的 教學(xué)效果（即課程考試成績(jī))。典型的教育數(shù)據(jù)無(wú)加權(quán)關(guān)聯(lián)規(guī)則挖掘方法是Apriori方法 (R. Agrawal, T. Imielinski, A. Swami. Mining association rules between sets of items in large database[C]. In Proceeding of 1993 ACM SIGM0D International Conference on Management of Data, Washington D.C·，1993，（5): 207-216.)及其 改進(jìn)方法（董輝.基于興趣度的高職課程關(guān)聯(lián)規(guī)則挖掘[J].吉首大學(xué)學(xué)報(bào)（自然科學(xué) 版），2012, 33(3) :41-46.李忠嘩，王鳳利，何丕廉.關(guān)聯(lián)規(guī)則挖掘在課程相關(guān)分析中的 應(yīng)用[J].河北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2010, 33 (3) :116-119.)。
[0003] 針對(duì)傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘的缺陷，教育數(shù)據(jù)加權(quán)關(guān)聯(lián)規(guī)則挖掘方法不僅考慮課程的 選修關(guān)聯(lián)，還給每門課程賦予一定的權(quán)值，以體現(xiàn)課程之間具有不同的重要性。典型的教 育數(shù)據(jù)加權(quán)關(guān)聯(lián)規(guī)則挖掘方法有Cai等（C. H. Cai, A. da, W. C. Fu, et al. Mining Association Rules with Weighted Items [C]//Proceedings of IEEE International database Engineering and Application Symposiums, 1998: 68-77.)提出的加權(quán)關(guān)聯(lián)規(guī) 則挖掘方法（即MINWAL方法）及其改進(jìn)方法（劉建煒，張穎.基于加權(quán)關(guān)聯(lián)規(guī)則算法的 學(xué)生成績(jī)數(shù)據(jù)挖掘研究[J].福建教育學(xué)院學(xué)報(bào)，2012 (3) : 123-125.)。教育數(shù)據(jù)加權(quán)關(guān)聯(lián) 規(guī)則挖掘方法的缺陷是：只考慮課程之間的重要性，沒有考慮課程考試成績(jī)的影響。
[0004] 針對(duì)上述缺陷，教育數(shù)據(jù)矩陣加權(quán)關(guān)聯(lián)規(guī)則挖掘方法引入項(xiàng)目權(quán)值，考慮了考慮 學(xué)生所選修課程的教學(xué)效果，即考慮課程考試成績(jī)，其典型的矩陣加權(quán)關(guān)聯(lián)規(guī)則挖掘方法 是譚義紅等提出的向量空間模型中完全加權(quán)關(guān)聯(lián)規(guī)則的挖掘方法（譚義紅，林亞平.向 量空間模型中完全加權(quán)關(guān)聯(lián)規(guī)則的挖掘[J].計(jì)算機(jī)工程與應(yīng)用，2003(13) :208-211.)以 及面向查詢擴(kuò)展的矩陣加權(quán)關(guān)聯(lián)規(guī)則挖掘方法MWARM(黃名選，嚴(yán)小衛(wèi)，張師超.基于矩 陣加權(quán)關(guān)聯(lián)規(guī)則挖掘的偽相關(guān)反饋查詢擴(kuò)展[J].軟件學(xué)報(bào)，2009，20(7) : 1854-1865.)。 當(dāng)前，矩陣加權(quán)關(guān)聯(lián)規(guī)則挖掘方法在教育數(shù)據(jù)分析中的典型應(yīng)用是余如等（余如，黃 麗霞，黃名選.教育信息化中課程考試成績(jī)數(shù)據(jù)關(guān)聯(lián)模式的發(fā)現(xiàn).計(jì)算機(jī)與現(xiàn)代 化，2014(2):10-14.)提出的課程成績(jī)數(shù)據(jù)關(guān)聯(lián)模式發(fā)現(xiàn)方法，獲得了顯著的效果?，F(xiàn)有 的教育數(shù)據(jù)完全加權(quán)關(guān)聯(lián)規(guī)則挖掘方法的缺陷是：現(xiàn)有的方法只能挖掘完全加權(quán)正關(guān)聯(lián)規(guī) 則模式，沒有解決矩陣加權(quán)負(fù)關(guān)聯(lián)模式挖掘問(wèn)題，另外，現(xiàn)有方法其所挖掘的關(guān)聯(lián)模式數(shù)量 仍然很龐大，增加用戶選擇所需模式的難度，無(wú)趣的、虛假的和無(wú)效的關(guān)聯(lián)模式還很多，很 難將其技術(shù)上升到應(yīng)用層面。
[0005] 針對(duì)上述問(wèn)題，本發(fā)明根據(jù)教育數(shù)據(jù)的特點(diǎn)，提一種新的一種基于項(xiàng)加權(quán)和項(xiàng)集 關(guān)聯(lián)度的課程正負(fù)模式挖掘方法及系統(tǒng)，。該發(fā)明方法克服了現(xiàn)有矩陣加權(quán)模式挖掘方法 的不足，不僅能挖掘矩陣加權(quán)課程正負(fù)關(guān)聯(lián)規(guī)則模式，還能夠有效地減少無(wú)趣的和無(wú)效的 課程關(guān)聯(lián)模式出現(xiàn)，其課程候選項(xiàng)集和挖掘時(shí)間明顯減少，提高了挖掘效率，其課程關(guān)聯(lián)規(guī) 則模式更接近實(shí)際，可為教學(xué)改革和教育管理、決策提供科學(xué)的依據(jù)，在教育信息化教務(wù)數(shù) 據(jù)分析與挖掘領(lǐng)域具有重要的應(yīng)用價(jià)值和廣闊的應(yīng)用前景。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于，針對(duì)教育數(shù)據(jù)課程正負(fù)關(guān)聯(lián)模式挖掘進(jìn)行深入探索，提出一 種基于項(xiàng)加權(quán)和項(xiàng)集關(guān)聯(lián)度的課程正負(fù)模式挖掘方法及系統(tǒng)，應(yīng)用于教育數(shù)據(jù)挖掘領(lǐng)域， 為教育數(shù)據(jù)課程正負(fù)關(guān)聯(lián)模式挖掘與分析提供新的挖掘方法，通過(guò)課程正負(fù)關(guān)聯(lián)規(guī)則模式 分析發(fā)現(xiàn)教育領(lǐng)域潛在的教育、教學(xué)規(guī)律和教育發(fā)展趨勢(shì)，提高任課教師提高教學(xué)質(zhì)量和 學(xué)生的學(xué)習(xí)效果。
[0007] 本發(fā)明所采取的技術(shù)方案是：一種基于項(xiàng)加權(quán)和項(xiàng)集關(guān)聯(lián)度的課程正負(fù)模式挖掘 方法，包括如下步驟： (1)教育數(shù)據(jù)預(yù)處理：待處理的教育數(shù)據(jù)進(jìn)行如下的預(yù)處理：將課程當(dāng)作項(xiàng)目，課程成 績(jī)當(dāng)作項(xiàng)目權(quán)值，課程權(quán)值規(guī)范化為〇至1之間，提取學(xué)生課程信息及其成績(jī)，構(gòu)建課程信 息庫(kù)和課程項(xiàng)目庫(kù)。
[0008] (2)挖掘教育數(shù)據(jù)課程矩陣加權(quán)頻繁1-項(xiàng)集A :從課程項(xiàng)目庫(kù)中提取課程候選 1-項(xiàng)集G，累加 G項(xiàng)集權(quán)值fKG)，計(jì)算其支持度cisop (6；)，與比較，從中挖掘課程 矩陣加權(quán)頻繁1-項(xiàng)集乙加入ci/YS。候選1-項(xiàng)集q支持度的）公式如下：

【權(quán)利要求】
1. 一種基于項(xiàng)加權(quán)和項(xiàng)集關(guān)聯(lián)度的課程正負(fù)模式挖掘方法，其特征在于，包括如下步 驟： (1) 教育數(shù)據(jù)預(yù)處理：待處理的教育數(shù)據(jù)進(jìn)行如下的預(yù)處理：將課程當(dāng)作項(xiàng)目，課程成 績(jī)當(dāng)作項(xiàng)目權(quán)值，課程權(quán)值規(guī)范化為〇至1之間，提取學(xué)生課程信息及其成績(jī)，構(gòu)建課程信 息庫(kù)和課程項(xiàng)目庫(kù)； (2) 挖掘教育數(shù)據(jù)課程矩陣加權(quán)頻繁1-項(xiàng)集A :從課程項(xiàng)目庫(kù)中提取課程候選1-項(xiàng) 集G，計(jì)算其支持度cisop (6；)，與ms比較，從中挖掘課程矩陣加權(quán)頻繁1-項(xiàng)集A加入 ciPIS] (3) 挖掘有趣的矩陣加權(quán)課程頻繁i-項(xiàng)集和負(fù)i-項(xiàng)集％ (所述的i > 2)，包括以 下（3. 1)步至（3. 3)步： (3. 1)候選i_項(xiàng)集G由課程頻繁（i-Ι)-項(xiàng)集Zh進(jìn)行Apriori連接，然后累加 G的 權(quán)值，計(jì)算其cisopCC；.); (3.2) 對(duì)于課程候選i_項(xiàng)集G支持度cisop(G)彡最小支持度閾值5^，計(jì)算課程頻繁 項(xiàng)集關(guān)聯(lián)度，如果其>最小頻繁關(guān)聯(lián)度閾值?/少，則該G為有趣的矩 陣加權(quán)課程頻繁i_項(xiàng)集并加入課程頻繁項(xiàng)集集合ci/YS ; (3. 3)對(duì)于課程候選i_項(xiàng)集6；.支持度ms,計(jì)算課程負(fù)項(xiàng)集關(guān)聯(lián)度 ciMTP(G)，若其ciMTP(G) >最小負(fù)項(xiàng)集關(guān)聯(lián)度閾值?^，則該G為有趣矩陣加權(quán)課程負(fù) 項(xiàng)集％，并加入課程負(fù)項(xiàng)集集合; (4) 從課程頻繁項(xiàng)集集合ci/YS中挖掘有效的矩陣加權(quán)課程正負(fù)關(guān)聯(lián)規(guī)則模式，包括 以下（4. 1)步至（4. 6)步： (4. 1)從課程頻繁項(xiàng)集集合ci/YS中取出課程頻繁項(xiàng)集，找出的所有真子集； (4. 2)從4.的真子集集合中任意取出兩個(gè)真子集和心，當(dāng)cisop (J7)彡ms, cisop%)彡ms,并且
Λ U心=心，計(jì)算矩陣加權(quán)課程頻繁項(xiàng)集仏，心）的 相關(guān)系數(shù); (4.3) 當(dāng)>相關(guān)系數(shù)閾值
時(shí)，計(jì)算咖，?i)的值，若其值 等于1，則得出矩陣加權(quán)課程強(qiáng)關(guān)聯(lián)規(guī)則/7 -厶，加入^7^/?;計(jì)算^_7?(1/7,1厶，5^， W)的值，若其值等于1，則得出矩陣加權(quán)課程強(qiáng)負(fù)關(guān)聯(lián)規(guī)則，乃一，厶，加入uWWP; (4. 4)當(dāng)矩陣加權(quán)課程項(xiàng)集（J7,心）的相關(guān)系數(shù)
計(jì)算 1厶，5^，5^)的值，若其值等于1，則得出矩陣加權(quán)課程強(qiáng)負(fù)關(guān)聯(lián)規(guī)則/7-14，加入 ^姻7?;計(jì)算^_7?(，/7,4，咖，^)的值，若其值等于1，則得出矩陣加權(quán)課程強(qiáng)負(fù)關(guān)聯(lián) 規(guī)則，/ 7 -厶，加入; (4. 5)繼續(xù)（4. 2)步驟，當(dāng)課程頻繁項(xiàng)集的真子集集合中每個(gè)真子集都被取出一 次，而且僅能取出一次，則轉(zhuǎn)入步驟（4.6)步； (4. 6)繼續(xù)（4. 1)步驟，當(dāng)課程頻繁項(xiàng)集集合中每個(gè)頻繁項(xiàng)集都被取出一次，而且 僅能取出一次，則（4)步運(yùn)行結(jié)束，轉(zhuǎn)入（5)步； (5) 從課程負(fù)項(xiàng)集集合中挖掘有效的矩陣加權(quán)課程負(fù)關(guān)聯(lián)規(guī)則模式，包括以下 (5. 1)步至（5. 6)步： (5. 1)從課程負(fù)項(xiàng)集集合中取出課程負(fù)項(xiàng)集％，找出％的所有真子集； (5. 2)從Λ；.的真子集集合中任意取出兩個(gè)真子集J7和心，當(dāng)cisop (J7)彡ms, cisop%)彡ms,并且J7
/盧V,.，計(jì)算矩陣加權(quán)課程負(fù)項(xiàng)集（/7, 4)的相 關(guān)系數(shù)ciPCCHQ ·， (5.3) 當(dāng)矩陣加權(quán)課程負(fù)項(xiàng)集（/7，心）的相關(guān)系數(shù)<
計(jì)算 ?i)的值，若其值等于1，則得出矩陣加權(quán)課程強(qiáng)負(fù)關(guān)聯(lián)規(guī)則 -' I! 一-| 4，加入 cjAii/?; (5.4) 當(dāng)矩陣加權(quán)課程負(fù)項(xiàng)集（/7，心）的相關(guān)系數(shù)_
計(jì)算 κ_τ?σ7，η4，?i)的值，若其值等于1，則得出矩陣加權(quán)課程強(qiáng)負(fù)關(guān)聯(lián)規(guī)則 ，4,加入ci·?;計(jì)算4，咖，ffii)的值，若其值等于1，則得出矩陣加權(quán)課 程強(qiáng)負(fù)關(guān)聯(lián)規(guī)則-厶，加入 (5. 5)繼續(xù)（5. 2)步驟，當(dāng)課程負(fù)項(xiàng)集Μ的真子集集合中每個(gè)真子集都被取出一次， 而且僅能取出一次，則轉(zhuǎn)入步驟（5. 6)步； (5. 6)繼續(xù)（5. 1)步驟，當(dāng)課程頻繁項(xiàng)集集合中每個(gè)負(fù)項(xiàng)集％都被取出一次，而且僅 能取出一次，則（5)步運(yùn)行結(jié)束； 至此，矩陣加權(quán)課程正負(fù)關(guān)聯(lián)模式挖掘結(jié)束； 所述的as為最小支持度閾值，為最小置信度閾值，為最小興趣度閾值，
為相關(guān) 系數(shù)閾值。
2. -種適用于權(quán)利要求1所述的基于項(xiàng)加權(quán)和項(xiàng)集關(guān)聯(lián)度的課程正負(fù)關(guān)聯(lián)模式挖掘 系統(tǒng)，其特征在于，包括以下4個(gè)模塊 ： 教育數(shù)據(jù)預(yù)處理模塊：將待處理的教育數(shù)據(jù)進(jìn)行預(yù)處理，提取學(xué)生課程信息及其成績(jī)， 將課程成績(jī)權(quán)值規(guī)范化為〇至1之間，構(gòu)建課程信息庫(kù)和課程項(xiàng)目庫(kù)； 課程項(xiàng)集模式生成模塊：該模塊從課程項(xiàng)目庫(kù)和課程信息庫(kù)挖掘矩陣加權(quán)課程候選 1-項(xiàng)集，計(jì)算其支持度，與支持度閾值比較得到課程頻繁1-項(xiàng)集，從i_項(xiàng)集（i > 2)起，頻 繁（i-Ι)-項(xiàng)集通過(guò)Apriori連接生成課程候選i-項(xiàng)集；計(jì)算課程候選i-項(xiàng)集支持度，與 最小支持度閾值比較得到課程頻繁i_項(xiàng)集和負(fù)i_項(xiàng)集；計(jì)算課程頻繁項(xiàng)集的關(guān)聯(lián)度，與課 程頻繁項(xiàng)集關(guān)聯(lián)度閾值比較得到有趣的課程頻繁項(xiàng)集；計(jì)算課程負(fù)項(xiàng)集關(guān)聯(lián)度，與負(fù)項(xiàng)集 關(guān)聯(lián)度閾值比較得到有趣的課程負(fù)項(xiàng)集； 課程正負(fù)關(guān)聯(lián)規(guī)則模式生成模塊：該模塊生成課程頻繁項(xiàng)集的真子集，計(jì)算課程關(guān)聯(lián) 規(guī)則模式的相關(guān)系數(shù)、興趣度和置信度，與相關(guān)系數(shù)閾值、興趣度閾值和置信度閾值比較， 從課程頻繁項(xiàng)集中挖掘有效的矩陣加權(quán)課程強(qiáng)正負(fù)關(guān)聯(lián)規(guī)則模式；然后生成課程負(fù)項(xiàng)集的 真子集，計(jì)算課程負(fù)關(guān)聯(lián)規(guī)則模式的相關(guān)系數(shù)、興趣度和置信度，與相關(guān)系數(shù)閾值、興趣度 閾值和置信度閾值比較，從課程負(fù)項(xiàng)集中挖掘有效的矩陣加權(quán)課程強(qiáng)負(fù)關(guān)聯(lián)規(guī)則模式； 課程正負(fù)關(guān)聯(lián)模式顯示模塊：該模塊將有效的矩陣加權(quán)課程正負(fù)關(guān)聯(lián)規(guī)則模式顯示給 用戶，供用戶分析和使用。
3. 根據(jù)權(quán)利要求2所述的挖掘系統(tǒng)，其特征在于，所述的課程項(xiàng)集模式生成模塊包括 以下3個(gè)模塊： 課程候選項(xiàng)集生成模塊：該模塊從課程項(xiàng)目庫(kù)和課程信息庫(kù)挖掘矩陣加權(quán)課程候選 1-項(xiàng)集，計(jì)算其支持度，與支持度閾值比較得到課程頻繁1-項(xiàng)集，從i-項(xiàng)集α > 2)起，頻 繁（i-1)-項(xiàng)集通過(guò)Apriori連接生成課程候選i-項(xiàng)集，并計(jì)算其項(xiàng)集支持度； 課程頻繁項(xiàng)集生成模塊：該模塊對(duì)于其支持度大于或者等于支持度閾值的課程候選項(xiàng) 集，計(jì)算其課程頻繁項(xiàng)集的關(guān)聯(lián)度，與其關(guān)聯(lián)度閾值比較得到有趣的矩陣加權(quán)課程頻繁項(xiàng) 集； 課程負(fù)項(xiàng)集生成模塊：該模對(duì)于其支持度小于支持度閾值的課程候選項(xiàng)集，計(jì)算其課 程負(fù)項(xiàng)集的關(guān)聯(lián)度，與其關(guān)聯(lián)度閾值比較得到有趣的矩陣加權(quán)課程負(fù)項(xiàng)集。
4. 根據(jù)權(quán)利要求2所述的挖掘系統(tǒng)，其特征在于，所述的課程正負(fù)關(guān)聯(lián)規(guī)則模式生成 模塊包括以下2個(gè)模塊： 來(lái)自課程頻繁項(xiàng)集的強(qiáng)正負(fù)關(guān)聯(lián)規(guī)則模式生成模塊：該模塊生成課程頻繁項(xiàng)集的真子 集，計(jì)算課程關(guān)聯(lián)規(guī)則模式的相關(guān)系數(shù)、興趣度和置信度，與相關(guān)系數(shù)閾值、興趣度閾值和 置信度閾值比較，從課程頻繁項(xiàng)集中挖掘有效的矩陣加權(quán)課程強(qiáng)正負(fù)關(guān)聯(lián)規(guī)則模式； 來(lái)自課程負(fù)項(xiàng)集的強(qiáng)負(fù)關(guān)聯(lián)規(guī)則模式生成模塊：該模塊生成課程負(fù)項(xiàng)集的真子集，計(jì) 算課程負(fù)關(guān)聯(lián)規(guī)則模式的相關(guān)系數(shù)、興趣度和置信度，與相關(guān)系數(shù)閾值、興趣度閾值和置信 度閾值比較，從課程負(fù)項(xiàng)集中挖掘有效的矩陣加權(quán)強(qiáng)負(fù)關(guān)聯(lián)規(guī)則模式。
5. 根據(jù)權(quán)利要求2-4中任一項(xiàng)所述的挖掘系統(tǒng)，其特征在于，所述的挖掘系統(tǒng)中的支 持度閾值?·5，置信度閾值·?，興趣度閾值，相關(guān)系數(shù)閾值
由用戶輸入。
【文檔編號(hào)】G06Q50/20GK104217013SQ201410486033
【公開日】2014年12月17日 申請(qǐng)日期:2014年9月22日 優(yōu)先權(quán)日:2014年9月22日
【發(fā)明者】黃名選, 韋吉鋒 申請(qǐng)人:廣西教育學(xué)院