关联规则挖掘及其在课堂教学评价中的应用

掘技术引入高 等学 校教 学管 理之 中 , 主要 通过 我校 教务 管理数据为基 础进 行分 析 , 以期 发现 对学 校教 学质 量管 理、 学生管理有用的信息。 3 2 教学 质量评价体系科学化 教学质量高 低 是教 学活 动的 成效 性外 在表 现形 式 , 而良好的教学评价机制对 教学质 量有导 向、 促进、 激励及 调控功能 , 是学校教学管理工 作的重 要组成 部分 , 是评价 教学工作成绩的主要手 段。我们 将讨论如 何利用 调整后 的 A pr io ri算法对教学评 价数 据进 行挖掘 , 最 终得 到相应 的关联规则。 3 2 1 数据准备 我校每学期 通过教学督导员 听课和向 学生发 放任课 教师教学质量评估表来 收集教 师教学 质量信 息。随机抽 取教师教学质量 评估表 200 份 , 将编号、 年龄、 性别、 职称、 学历和评 定分 数六 项输 入数 据库 , 忽 略其 他信 息。我们 通过对数据库中的数据 进行挖 掘 , 找出性 别、 年 龄、 职称、 学历与评定分数之间的 关系。表 1 给出了 部分教 学评价 信息视图 , 共有 200 条记录。 表 1 教学评价信息视图 编号 10001 10002 10003 10004 10005 10006 10007 ∀∀ 性别 男 女 男 男 女 女 男 ∀∀ 年龄 26 37 55 40 28 39 28 职称 助教 副教授 教授 副教授 讲师 副教授 助教 学历 本科 本科 硕士 本科 硕士 本科 硕士 评定分数 83 86 96 92 90 92 90
关联规则挖掘及其在课堂教学评价中的应用
费玲玲 , 张震林
( 成都纺织高等专科学校电气系, 成都
摘要
611731)
研究了数据挖掘技 术中的关联规则算法 , 对经典的 A pr ior i算法作了全面 的分析 , 指出了挖 掘中关键 步骤 ,
并对算法做了适当的 调整 , 提高了整个算法的效率 ; 将关联规则数据 挖掘的方 法运用到课 堂教学评 价中 , 从教学 评价数 据中进行数据挖掘 , 找到课堂教学效果与教师基本情况的关 系 , 从而 为更好地 开展教学工 作 , 提 高教学质 量提供 参考依 据。 关键词 数据挖 掘 关联规则 课堂教学评价 文献标识码 : A 键。 中图分类号 : TP311 13 数据挖掘
为了 离 散化 数 据 , 对 年龄 进 行 分组。 年龄 分 为 : A 1 [ 24 , 30], A 2[ 31, 35], A 3[ 36 , 49], A 4[ 50 , 60] 四 个组。 评定分数分为 : G 1[ 90 , 100], G 2[ 80, 89], G 3[ 60, 79], G 4[ 0 , 59] 四个 组。根据 计算 所需 的实 际情 况 , 对性 别、 职称、 学历的表示加以规定。性别分别用 M 表示男 , W 表 示女 ; 职称分别表示为 Z1 助教 , Z2 讲师 , Z3 副教授 , Z4 教 授 ; 学历分别表示为 E1 本科 , E2 硕士。 通过对数据 库的 200 条记录进 行扫描 可以得 到相关 统计信息 , 如表 2 所示。 表 2 原始 200 条数据综合统计信息 类别 M W A1 A 2 A 3 A 4 Z1 Z2 Z3 Z 4 E1 E2
3 A priori算法在课堂教学评价中的 应用
3 1 问题的提 出 高等学校多年来 的教学和管 理工作积 累了大 量的数 据 , 有关教学的信 息已 具备 形成 一个 教学 信息 数据 仓库 的条件。目前 这些 数据 还未 能得 到有 效利 用 , 只是 一个 待开发的 宝藏 !。鉴于社会对高等 学校发展的 需求和目 前高校数据管 理现 状 , 利用 这些 数据 理性 地分 析学 校各 方面工作的成效以及 学生培养过 程中的得 失变得 十分重 要。 关联规则应用广 泛 , 需要 研究的 问题很 多 , 如 何把现 有的关联规则挖掘算 法与实际问 题紧密结 合起来 是关联 规则挖掘问题的重要研 究方向 之一。笔者 尝试将 数据挖
收稿日期 : 2008 09 09 第一作者 : 费玲玲 ( 1974 ), 女 , 讲师 , 工程硕士 ; 研究方向 : 软件工程。
第 2期
费玲玲 , 张震林 : 关联规则挖掘及其在课堂教学评价中的应用
27
产生频繁 k - 项集的过程可以分为连接和剪枝两步。 1) 连接步。为寻 找 L k, 通 过 L k - 1 与自 己连 接产 生候 选 k - 项集的集合。该候选项集的 集合记作 C k。设 l1 和 l2 是 L k- 1 中的项集。记号 li [ j ] 表示 li 的第 j 项 ( 例如 , l1 [ k - 2 ] 表示 l1 的倒数第 3 项 )。为方便考虑 , 假定事务或 项集中的项按字典次 序排序。执行连接 L k - 1 ! ∀ L k- 1 , 其 中 , L k - 1 的元素是可连接的。如果他们的前 ( k - 2 )个项相 同 , 即是 , L k - 1的元素 l1 和 l2 是可 连接的。如果 ( l1 [ 1 ] = l2 [ 1 ] ^ ( l1 [ 2 ] = l2 [ 2 ] ) ^∀ ^ ( l1 [ k - 2 ] = l2 [ k - 2 ] ) ^ ( l1 [ k - 1 ] = l2 [ l - 1 ] ) , 条件 ( l1 [ k - 1 ] < l2 [ k - 1 ] )是简单 地保证不产 生重 复。连 接 l1 和 l2 产 生的 结果 项 集是 l1 [ 1 ] l1 [ 2] ∀ l1 [ k - 1 ] l2 [ k - 1 ] 。 2 )剪枝步。 C k 是 L k 的超 集 ; 即是 , 它 的成 员可 以是 也可 以不是 频繁 的 , 但所 有的频 繁 k - 项集都 包含 在 C k 中。扫描数据库 , 即确 定 C k 中 每个 候选 的计 数 , 从 而确 立 L k (即根据定义 , 计数值 不小于最小支持度计 数的所有 候选是频繁的 , 从而属于 L k )。然而 , C k 可能很大 , 这样所 涉及的计算量 就很大。 为压缩 C k, 可以 用以 下办 法使用 A pr ior i性质 : 任何非频繁的 ( k - 1 ) - 子集 不在 L k - 1 中 , 则 该候选也不可能是频 繁的 , 从而可 以由 C k 中删 除。这种 子集测试可以使用所 有频繁项集的散列树快速完成。 2 3 对 Apr io ri算法进行适当的调整 由前面对 Apr io ri算法 的分 析可 知 , 在 进行 支持 度计 算时 , A prio ri算法 一直 是对 整个 数据 库 进行 扫描。 如果 利用 L k、 C k 中的结果对数据库进行筛选 , 减少候选项在数 据库中查找 的 记录 数 , 将有 效提 高算 法 效率。 在 A pr ior i 算法的基础上 , 对算法进行适 当的调 整 , 以 更好地 应用于 实际问题中。 调整后的算法在 计算强项集 的同时记 录包含 在强项 集中相应事务的 T ID , 每 次计 算 C k 支持 度时 将不 包含在 C k 中的各事务直 接删除 , 不必进行支持 度计算 , 同时删除 不包含 C k 中的任何项集的事 务 , 在以后的 支持度 计算中 不加考虑 , 这样计 算候 选集 支持 度所 涉及 的记 录数 目将 小于事务数据 库中 原记 录数 目 , 从而 可以 提高 整个 算法 的效率。
从 大量数据中 用非凡的 方法发 现有用
的 知识 , 是数 据库 研究、 开发 和应 用最活 跃的 分支之 一。 它是当前人工智能数 据库和信息 决策研究 的一个 极富应 用前景的新领域 ; 它是一个多 学科交 叉领域 , 从多 个学科 汲取营养。数据挖 掘出现 于 20 世 纪 80 年 代后 期 , 90 年 代有了突飞猛进的发 展 , 并且在 21 世纪继续繁荣。
1 数据挖掘概述
1 1 数据挖掘 的概念 数据挖 掘 , 就 是从大量的 、 不完 全的、 有噪声的、 模糊 的、 随机 的数 据中 , 提取 隐含 在其中 的、 人们 事先 不知道 的、 但又潜在的有 用信息 和知 识的 过程 , 即 从 数据 中挖 掘知识 ! 。 1 2 数据挖掘 的过程 1 2 1 确定挖掘对象 清晰地定义 出挖 掘对 象 , 认清 挖掘 的 目的 是数 据挖 掘的重要一 步。挖 掘的 最终 结构 是不 可预 测的 , 但 要探 索的问题应该是有预见 的。为了 数据挖掘 而数据 挖掘则 带有盲目性 , 是不会成功的。 1 2 2 数据准备 数据准备对于数 据挖掘的 成功应 用至关重 要。如果 没有数据的预 处理 阶段 , 单 纯进 行数 据挖 掘将 成为 一个 盲目搜索 的 过程 , 可能 会 得出 毫 无 意义 或 错误 的 结 果。 数据准备大致分为 3 步 : 1) 数据的选择。搜索所有与 业务对象 有关的 内部和 外部数据信息 , 并 从中 选择 出适 合于 数据 挖掘 应用 的数 据。 2) 数据的预 处理。 研究 数据 的质 量 , 为进 一步 的分 析做准备。并确定将要进行的 挖掘操作的类型。 3) 数据的转换。将数据转 换成一 个分析 模型。建立 一个真正适合挖掘算 法的分析模 型是数据 挖掘成 功的关
人数 102 98 60 40 70 30 40 40 100 20 140 60 3 2 2 挖掘关联规则 下面我们分 析一 下教 学人 员的 性 别、 年龄、 职称、 学 历和评定分数 的关 联关系。以 教学 评价 分数 % G 1, 即教 学评价分数在 90 至 100 分之间 , 课 堂效果 较好的 情况为 例 , 利用挖掘技术和前面所研 究的关 联规则 , 挖掘 一下具
2 关联规则挖掘
关联规则挖 掘发现大量数据 中项集之 间隐藏 的关联 或相关联系。关联规则挖 掘是数 据挖掘研 究的一 个重要 分支 , 是数 据挖 掘 的众 多 知 识类 型 中最 为 典 型的 一 种。 关联规则形式 简洁、 易 于解 释和 理解 并可 以有 效地 捕捉 数据间的重要关 系。从大 型数据 库中挖掘 关联规 则问题 已成为数据挖掘 中最成熟、 最重要、 最活跃的研究内容。 2 1 关联 规则的定义 设 I = { i1, i2, ∀, im }是一 个以 m 个不 同项目 为元素 的集合 , T 是针对 I 的事 务的集 合 , 每一 个事务 包含 若干 个 属于 I 的项目。关联规则表示为 X 项。 每个规则也 有两个 度量 标准 : 支 持度 ( Suppo rt) 及置 信度 ( Confidence) 。 规则支持度 的定义为 : Support( X Y ) = support (X ∃ Y ) Y) = suppo rt( X∃ Y ) /suppo rt( X ) 规则置信度 的定义为 : Con fidence( X 关联规则的 支持 度反 映了 该规 则的 频度 , 而它 的置 信度则表明了整个规则 的正确 度。一个关 联规则 必须具 备足够大的支持 度及置信度。 2 2 关联 规则挖掘的经典算法 在众多的挖 掘算 法中 , 最 为 经典 的关 联规 则挖 掘算 法是 A gra w a l等人提 出的 A pr io ri算 法。 A pr io ri算 法是挖 掘布尔关联规则频繁项 集的有 效算法。它 使用一 种称作 逐层搜索的迭代 方法 , k - 项集用于探索 ( k + 1 ) - 项集。 2 2 1 A prior i算法核心 A pr ior i算法的核心就是寻找项集中的频繁 k - 项集。 Y , 其中 X, Y I, 并 且 X# Y= 0 。 X 称 作规 则 的前 提 或 前项 , Y 为结 果 或后