摘要：該文將布爾關(guān)聯(lián)規(guī)則Apriori算法應(yīng)用于高校決策中，以獲得對(duì)高校決策的有價(jià)值的輔助信息，進(jìn)而為高校各個(gè)部門(mén)提高科學(xué)的決策支持。

關(guān)鍵詞：數(shù)據(jù)挖掘；Apriori算法；高校決策

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）01-0170-02

數(shù)據(jù)挖掘技術(shù)在美國(guó)高校管理及院校研究中主要運(yùn)用在預(yù)估大學(xué)入學(xué)人數(shù)、優(yōu)化課程設(shè)置、預(yù)測(cè)學(xué)生保留及畢業(yè)情況、評(píng)估學(xué)生學(xué)習(xí)成果及研究學(xué)生學(xué)習(xí)生活經(jīng)歷等等。在我國(guó)高等教育領(lǐng)域內(nèi)，隨著高校規(guī)模的不斷擴(kuò)大和信息技術(shù)的飛速發(fā)展，各個(gè)高校都建立了高校信息管理系統(tǒng)，這些系統(tǒng)大大提高了教學(xué)和管理的水平，同時(shí)也積累了海量的數(shù)據(jù)。將數(shù)據(jù)挖掘技術(shù)應(yīng)用于高校決策中，對(duì)高校招生、學(xué)生成績(jī)管理、教師信息管理、學(xué)生就業(yè)等等方面這些信息資源進(jìn)行研究，可以獲得對(duì)高校決策的有價(jià)值的輔助信。該文對(duì)數(shù)據(jù)挖掘技術(shù)中的布爾關(guān)聯(lián)規(guī)則Apriori算法進(jìn)行分析研究，并將其運(yùn)用在高校決策中，進(jìn)而為各個(gè)部門(mén)提高科學(xué)的決策支持。

1 布爾關(guān)聯(lián)規(guī)則Apriori算法

Apriori算法是一種布爾關(guān)聯(lián)規(guī)則挖掘頻繁項(xiàng)集的深度優(yōu)先算法，該算法是用頻繁項(xiàng)集的性質(zhì)，進(jìn)行逐層搜索的一種迭代方法，即K項(xiàng)集用于探察（K+1）項(xiàng)，集。該算法的基本思想是：第一步列出所有的頻繁項(xiàng)集。預(yù)定義的一個(gè)最小支持度，確保這些項(xiàng)集的頻繁性至少和預(yù)設(shè)值一樣。然后產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則，并且要求其滿足最小支持度和最小可信度。第二步用第一步中產(chǎn)生的規(guī)則，生成只包含集合的項(xiàng)的規(guī)則。并且只保留那些大于預(yù)設(shè)值的規(guī)則。為了生成所有頻繁項(xiàng)集，使用了遞推的方法。

K項(xiàng)集用于探察（K+1）項(xiàng)集，第一步掃描數(shù)據(jù)庫(kù)中的每一項(xiàng)，收集并找到滿足預(yù)設(shè)值的頻繁1項(xiàng)集的集合，記作L1。第二步根據(jù)頻繁1項(xiàng)集確定頻繁2項(xiàng)集L2，然后用L2找L3，依次類(lèi)推直到無(wú)法找到頻繁項(xiàng)集為止。

從Lk-1項(xiàng)集探查L(zhǎng)項(xiàng)集，由連接步和剪枝步組成：

1）連接步：把Lk-1中項(xiàng)集與自身連接，產(chǎn)生候選K項(xiàng)集集合，將該集合記作Ck。

2） 剪枝步：雖然所有頻繁的K項(xiàng)集都包含在Ck中，但Ck 集合中的成員可能不都是頻繁的。將Ck中各項(xiàng)的計(jì)數(shù)與預(yù)設(shè)值進(jìn)行比較，符合要求的項(xiàng)都是頻繁的，從而確定Lk。

2 高校決策應(yīng)用的研究

基于數(shù)據(jù)挖掘技術(shù)中的布爾關(guān)聯(lián)規(guī)則Apriori算法，可以對(duì)高校已有的海量數(shù)據(jù)進(jìn)行分析挖掘，從設(shè)置課程、高校招生、教學(xué)評(píng)估等方面多維度的尋找關(guān)聯(lián)度，從而達(dá)到為高校管理提高科學(xué)決策支持的目的。高校決策系統(tǒng)對(duì)教育決策的輔助作用主要體現(xiàn)在以下設(shè)計(jì)中：

1）高校教學(xué)的評(píng)估：由于不同教師的授課方式和教學(xué)水平的差異，學(xué)生的成績(jī)也會(huì)有所差別。通過(guò)數(shù)據(jù)挖掘技術(shù)，可以發(fā)現(xiàn)教師學(xué)歷、職稱、授課方式等同學(xué)生成績(jī)之間的聯(lián)系，從而對(duì)高校的教學(xué)進(jìn)行評(píng)估，并提出輔助性的決策建議，已提高教學(xué)的質(zhì)量。

2）課程的合理設(shè)置：高校各個(gè)專業(yè)課程之間都具有一定的銜接性，先行課程的學(xué)習(xí)效果會(huì)直接影響后續(xù)課程的學(xué)習(xí)。利用數(shù)據(jù)挖掘技術(shù)對(duì)學(xué)生的成績(jī)進(jìn)行分析，尋找課程之間的關(guān)聯(lián)性，并以此為依據(jù)，對(duì)課程設(shè)置提出有價(jià)值的決策建議。

3）高校招生的分析：在高校招生部門(mén)進(jìn)行高招錄取的時(shí)候，生源是其保障。他們的目標(biāo)是在保證學(xué)生高的報(bào)到率的前提下，能夠錄取高素質(zhì)的學(xué)生。在錄取過(guò)程中，可以通過(guò)使用關(guān)聯(lián)規(guī)則算法對(duì)學(xué)生的信息進(jìn)行挖掘和分析。以學(xué)校的歷年招生數(shù)據(jù)為數(shù)據(jù)源，利用數(shù)據(jù)挖掘技術(shù)對(duì)的考生報(bào)到率進(jìn)行預(yù)測(cè)?？梢詾檎猩块T(mén)提供招生決策支持建議。

3 Apriori算法在高校決策中的應(yīng)用研究

本文以高校決策中的學(xué)生信息數(shù)據(jù)倉(cāng)庫(kù)D作為分析對(duì)象進(jìn)行研究，利用Apriori算法對(duì)樣本進(jìn)行分析、挖掘。

通過(guò)表1的學(xué)生信息數(shù)據(jù)倉(cāng)庫(kù)D演示挖掘過(guò)程。假設(shè)最小支持度的預(yù)設(shè)值為2。

1） 在算法第一輪迭代中，所有項(xiàng)都是候選1項(xiàng)集C1的成員。通過(guò)算法掃描所有事務(wù)，統(tǒng)計(jì)所有項(xiàng)的出現(xiàn)次數(shù)。

2） 由C1中符合最小支持度要求的項(xiàng)集來(lái)確定頻繁1項(xiàng)集L1。

3） 將L1與自身相連接，從而產(chǎn)生頻繁2項(xiàng)集C2。

4） 通過(guò)掃描D中的事務(wù)，對(duì)C2中所有候選項(xiàng)集支持度的進(jìn)行計(jì)數(shù)。

5） 將C2中符合最小支持度要求的項(xiàng)集來(lái)確定頻繁2項(xiàng)集L2。

6） 首先C3=L2∧L2={{1，2，3}，{1，3，5}，{2，3，5}}。由于{1，2}不是頻繁的，所以{1，2，3}也不是頻繁的，從而得到C3={{1，3，5}，{2，3，5}}。

7） 將C3中符合最小支持度要求的候選組成頻繁3項(xiàng)集L3。

8） 將L3與自身相連接，從而產(chǎn)生候選項(xiàng)C4。因?yàn)椴淮嬖陬l繁子集，C4為空集，所以算法終止。

具體過(guò)程如圖1中所示。

圖1 候選項(xiàng)和頻繁項(xiàng)集的產(chǎn)生

當(dāng)頻繁項(xiàng)集挖掘完成后，可利用Apriori算法生成關(guān)聯(lián)規(guī)則。

假定需要挖掘項(xiàng)集L={1，3，5}。L的非空子集有6個(gè)：{1}、{3}、{5}、{1，5}、{1，3}、{3，5}，計(jì)算結(jié)果如下：

1[?]3∧5， confidence=2/3=66.7%

3[?]1∧5， confidence=2/4=50%

5[?]1∧3， confidence=2/4=50%

3∧5[?]1， confidence=2/3=66.7%

1∧5[?]3， confidence=2/2=100%

1∧3[?]5 confidence=2/3=66.7%

假設(shè)最小置信度閾值為65%，則第1、4、5、6個(gè)規(guī)則可以作為強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行最終輸出。

4 結(jié)論

在高校教學(xué)數(shù)字信息化的時(shí)代趨勢(shì)下，使用關(guān)聯(lián)規(guī)則挖掘方法從高校海量數(shù)據(jù)中發(fā)現(xiàn)潛在的數(shù)據(jù)規(guī)律，并進(jìn)行分析和預(yù)測(cè)，為決策者做出正確的決策提供理論依據(jù)，對(duì)高等院校擴(kuò)大規(guī)模、提高辦學(xué)質(zhì)量有著重要的實(shí)踐意義。 （下轉(zhuǎn)第225頁(yè)）

（上接第171頁(yè)）

參考文獻(xiàn)：

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

[2] 李橋，陽(yáng)春華.關(guān)聯(lián)規(guī)則Apriori算法在教學(xué)評(píng)價(jià)中的應(yīng)用[J].計(jì)算機(jī)與數(shù)字工程，2010（6）.

[3] Han J W，Micheline Kamber M.數(shù)據(jù)挖掘概念與技術(shù)[M].北京：機(jī)械工業(yè)出版社，2008.