论文部分内容阅读
摘要：数据挖掘技术是当前数据库和人工智能领域研究的热点课题，在阅读了大量文献资料的基础上，首先对数据挖掘技术进行了概略介绍，包括数据挖掘技术的产生背景，应用领域，分类及主要挖掘技术。结合自己的主要研究方向，对关联规则的挖掘作了较详细的论述，介绍了关联规则挖掘在高职教育的主要研究成果。
关键词：数据挖掘；关联规则；ＫDD
中图分类号：TP311.13
数据挖掘（DataMining），也称数据库中的知识发现（KDD：KnowledgeDiscoveryinDatabase），是指从大型数据库或数据仓库中提取人们感兴趣的知识，这些知识是隐含的、事先未知的潜在的有用的信息，提取的知识一般可表示为概念、规则、规律、模式等形式。大家知道，如今已可以用数据库管理系统来存储数据，还可用机器学习的方法来分析数据和挖掘大量数据背后的知识，而这两者的结合就促成了数据挖掘技术的产生。数据挖掘是一门交叉性学科，融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个领域的理论和技术[1]。
1数据挖掘技术的分类
数据挖掘技术有根据发现知识的种类分类，根据挖掘的数据库种类分类、根据采用的技术分类等几种分类方法。
其中，根据发现知识的种类分类有关联规则挖掘、分类规则挖掘、特征规则挖掘、离群数据挖掘、聚类分析、数据总结、趋势分析、偏差分析、回归分析、序列模式分析等，根据挖掘的数据库种类分类有关系型、事务型、面向对象型、空间型、时间型、文本型、多媒体型、主动型和异构数据库等[2]。
2关联规则挖掘
关联规则挖掘是指在大量数据加项集之间有趣的关联或相关联系。例如，顾客在超市买东西，其同时购买牛奶和面包的可能性有多大？通过分析结果可帮助零售商合理安排货架，刺激消费。规则的支持度和置信度是两个规则兴趣度度量，它们分别反映发现规则的有用性和确定性。这两个度量的值是用0%和100%之间的数据表示。例如：购买面包也趋向于同时购买牛奶可以用以下关联规则表示：面包牛奶【置信度=60%，支持度=2%】，表明在全部的购买行为中，有2%的行为是同时购买面包和牛奶的。而置信度则意味着购买面包的顾客60%也购买牛奶。其中最著名的关联规则挖掘算法是由Agrawal等在1994年提出的apriori算法[3]。该算法的基本思想是：统计多种商品在一次购买中共同出现的频率，然后将出现频率数较多的搭配转换成关联规则。
3数据挖掘技术在高职教育中的应用综述
从1998年开始，中国的高职高专教育，尤其是高职教育得到了跨越式的迅猛发展，高职教育坚持“以服务为宗旨，以就业为导向，走产学研结合发展道路”的办学方针。坚持科学定位，以培养生产、建设、管理、服务第一线的高素质技能型专门人才为根本任务。为了贯彻这个教育方针，笔者利用数据挖掘技术，在以下几个方面作了一定的研究，为高职教育贡献一些教育的方向跟经验。
3.1数据挖掘技术在就业指导的应用探讨
随着我国社会经济的快速转型，国高级技术人才严重短缺，企业对高级人才的实际需求要比现有数量高出几倍甚至几十倍，许多大城市出现了高级技工奇缺的现象。甚至出高薪也难求一才。但是，一些高职高专院校在专业上却仍未能按市场需求设置，办学特色不鲜明，学生适应社会需求的能力差。这就使得学校的人才培养与社会需求不相吻合。因此，如何利用高校的就业系统数据进行数据挖掘，从大量的毕业生信息中挖掘出应用可信的关联规则，合理的引导学生就业择业，疏通高校就业渠道，都具有一定的指导性意义。例如：笔者曾经利用广西电力职业技术学院数据包括2006－2010年度的就业信息，经过数据预处理，将来自不同数据源中的数据进行填补空缺值、去除孤立点、纠正不一致、平滑噪声等处理，而形成具有语法或语义正确的数据，并经过按专业地域方面的分类，运用数据挖掘关联规则的经典算法Apriori算法，设置置信度为80，最终挖掘出以下几个就业规律：
（1）来自贫困落后的地区生源的籍贯地区、成绩较低的学生灵活就业率较高，就业不稳定现象比较严重。学生在就业择业中，比较看重薪酬，而个人的发展，能力的拓展方面的考虑则比较排其后。
（2）尽管从2007-2009年国经济发展波动较大，但是市场营销，物流等第三产业类专业的学生就业率并没有受到太大影响，主要得益于网络购物的发展，特别是网上购物已成为许多白领阶层的首选。
而通过以上的关联规则，可以给职业教育决策者们提供一些就业指导的依据，即在学生从入学起，可以利用调查问卷的方式，并结合就业问题，依据规则中的相关因素合理的组织，给予学生以正确的专业指导，可在入学后第一或是第二个学期，给予学生第二次专业选择，引导学生选择对其有帮助的专业，从而提高学生的就业率。同时也指引高校的决策者们在进行招生宣传时，如何根据地区的发展进行有引导方向的招生，让毕业生流向能够较稳定让其满意的岗位，逐步扭转大量的毕业生不受社会欢迎以致供大于求的局面。
3.2关联规则挖掘在教学评价中的应用
每年，学校都会作一次教学评价活动，教学评价是教学过程的重要组成部分，它以教学目标为依据，制定科学的评价标准，运用一切有效的技术手段，对教与学活动的过程及其结果进行测量，并给以价值判断．无置可否，教学评价不仅对教学起着调节、控制、指导和推动作用，而且有很强的导向性，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．目前，在教学评价中有几种常用的评价方法教学评价，会对教师的教学工作起到一定的促进作用。但也有一些弊端，
第一、课程难易程度影响学生对教师评价的公正性。比如《计算机基础》课程，具有一定的操作性，学生的学习压力较小，因此，对教师的评价相对较高。但《成本会计》，则理论性较强，公式较多，学生若数学成绩不好的话，听起来非常枯燥，学生的评价则会较低。第二，不同性质的课程在专业的地位不同，采用相同的评价标准难以衡量教师的贡献。有些课程在专业中处于非常重要的地位，学生的重视程度较高。但有些选修、考查类科目在整个教学安排中处于从属地位。教师所承担的教学任务不同，工作量存在差异，然而，传统的评价体系却没能体现出这些差异。在这样的情况下，我们作数据预处理时，可给一定的课程设置一定的置信调整系数，让评价稍显公平。
因此，使用学校教学评价系统进行数据挖掘时，我们会特别对加入对课程的评价系数。如在加入前，我们的会得到如下规则：
规则 年龄 职称 置信度 支持度
1 25-30 助讲，讲师 44.24 9.2
2 31-35 讲师 28.76 18.3
3 36-40 中级 26.92 7.8
4 41-45 副高 47.44 6.8
5 45-50 高级 23.90 21.1
规则1表明；年龄在25-30岁，评定等级为优秀的可能性是44.24，支持度为9.2；规则2表明：年龄在31-35岁，评定等级为优秀的可能性是28.76，支持度为18.3；若把课程的评价体系考虑在内，如把一些基础课的系数设置为0.9（如英语，计算机基础等），一些专业基础课的系数设置为1.1(如基础会计，物流基础等)，刚会得到如下的规则：
规则 年龄 职称 课程系数 置信度 支持度
1 25-30 助讲，讲师 1 44.24 9.1
2 31-35 讲师 0.9 30.33 18.1
3 36-40 中级 1.1 26.02 8.8
4 41-45 副高 1.2 56.43 14.7
5 45-50 高级 1.3 38.90 22.9
从上图可看出，若课程系数为1，则跟原来的规则相比，置信度与支持度并没有太大的差别。但若课程系数为1.3，（即表明该门课程的困难指数为1.3）刚置信度与支持度平均值升高，如：年龄在41-45岁，课程系数为1.2时，评定等级为优秀的可能性是56.43，支持度为14.7。
4结束语
目前，计算机技术已经渗透到社会生活的各个方面，对职业教育的教学也产生了重要影响。随着教育信息化进程的推进，产生了大量的、复杂的数据，面对如此巨大的数据资源，如何从大量的教育数据中发现隐藏的、有用的知识来指导教育、更充分、更有效地加以利用，将是数据挖掘技术一个重要的课题。随着数据挖掘技术在教育领域中应用功能及技术的不断发展和完善，人们对这一技术的重视程度，相信其在教育领域的应用范围会越来越广，必将发挥越来越大的作用，并且随着其对教育的改革和发展必将起到巨大的推动作用。
参考文献：
[1]HanJiawei,MichelineKamber.数据挖掘概念与技术[M].范明,孟小峰,译.北京:机械工业出舨社,2007.
[2]段向红,张飞舟.数据挖掘技术及其在职业教育中的应用探讨[J].职业教育研究,2007,7:173-174.
[3]陈玉婷,王斌,刘博.关联规则挖掘算法介绍[J].计算机技术与发展,2009,5:21-25.
[4]廖燕玲.数据挖掘在学生职业能力分析中的应用[J].电脑知识与技术,2010(06).
关键词：数据挖掘；关联规则；ＫDD
中图分类号：TP311.13
数据挖掘（DataMining），也称数据库中的知识发现（KDD：KnowledgeDiscoveryinDatabase），是指从大型数据库或数据仓库中提取人们感兴趣的知识，这些知识是隐含的、事先未知的潜在的有用的信息，提取的知识一般可表示为概念、规则、规律、模式等形式。大家知道，如今已可以用数据库管理系统来存储数据，还可用机器学习的方法来分析数据和挖掘大量数据背后的知识，而这两者的结合就促成了数据挖掘技术的产生。数据挖掘是一门交叉性学科，融合了人工智能、数据库技术、模式识别、机器学习、统计学和数据可视化等多个领域的理论和技术[1]。
1数据挖掘技术的分类
数据挖掘技术有根据发现知识的种类分类，根据挖掘的数据库种类分类、根据采用的技术分类等几种分类方法。
其中，根据发现知识的种类分类有关联规则挖掘、分类规则挖掘、特征规则挖掘、离群数据挖掘、聚类分析、数据总结、趋势分析、偏差分析、回归分析、序列模式分析等，根据挖掘的数据库种类分类有关系型、事务型、面向对象型、空间型、时间型、文本型、多媒体型、主动型和异构数据库等[2]。
2关联规则挖掘
关联规则挖掘是指在大量数据加项集之间有趣的关联或相关联系。例如，顾客在超市买东西，其同时购买牛奶和面包的可能性有多大？通过分析结果可帮助零售商合理安排货架，刺激消费。规则的支持度和置信度是两个规则兴趣度度量，它们分别反映发现规则的有用性和确定性。这两个度量的值是用0%和100%之间的数据表示。例如：购买面包也趋向于同时购买牛奶可以用以下关联规则表示：面包牛奶【置信度=60%，支持度=2%】，表明在全部的购买行为中，有2%的行为是同时购买面包和牛奶的。而置信度则意味着购买面包的顾客60%也购买牛奶。其中最著名的关联规则挖掘算法是由Agrawal等在1994年提出的apriori算法[3]。该算法的基本思想是：统计多种商品在一次购买中共同出现的频率，然后将出现频率数较多的搭配转换成关联规则。
3数据挖掘技术在高职教育中的应用综述
从1998年开始，中国的高职高专教育，尤其是高职教育得到了跨越式的迅猛发展，高职教育坚持“以服务为宗旨，以就业为导向，走产学研结合发展道路”的办学方针。坚持科学定位，以培养生产、建设、管理、服务第一线的高素质技能型专门人才为根本任务。为了贯彻这个教育方针，笔者利用数据挖掘技术，在以下几个方面作了一定的研究，为高职教育贡献一些教育的方向跟经验。
3.1数据挖掘技术在就业指导的应用探讨
随着我国社会经济的快速转型，国高级技术人才严重短缺，企业对高级人才的实际需求要比现有数量高出几倍甚至几十倍，许多大城市出现了高级技工奇缺的现象。甚至出高薪也难求一才。但是，一些高职高专院校在专业上却仍未能按市场需求设置，办学特色不鲜明，学生适应社会需求的能力差。这就使得学校的人才培养与社会需求不相吻合。因此，如何利用高校的就业系统数据进行数据挖掘，从大量的毕业生信息中挖掘出应用可信的关联规则，合理的引导学生就业择业，疏通高校就业渠道，都具有一定的指导性意义。例如：笔者曾经利用广西电力职业技术学院数据包括2006－2010年度的就业信息，经过数据预处理，将来自不同数据源中的数据进行填补空缺值、去除孤立点、纠正不一致、平滑噪声等处理，而形成具有语法或语义正确的数据，并经过按专业地域方面的分类，运用数据挖掘关联规则的经典算法Apriori算法，设置置信度为80，最终挖掘出以下几个就业规律：
（1）来自贫困落后的地区生源的籍贯地区、成绩较低的学生灵活就业率较高，就业不稳定现象比较严重。学生在就业择业中，比较看重薪酬，而个人的发展，能力的拓展方面的考虑则比较排其后。
（2）尽管从2007-2009年国经济发展波动较大，但是市场营销，物流等第三产业类专业的学生就业率并没有受到太大影响，主要得益于网络购物的发展，特别是网上购物已成为许多白领阶层的首选。
而通过以上的关联规则，可以给职业教育决策者们提供一些就业指导的依据，即在学生从入学起，可以利用调查问卷的方式，并结合就业问题，依据规则中的相关因素合理的组织，给予学生以正确的专业指导，可在入学后第一或是第二个学期，给予学生第二次专业选择，引导学生选择对其有帮助的专业，从而提高学生的就业率。同时也指引高校的决策者们在进行招生宣传时，如何根据地区的发展进行有引导方向的招生，让毕业生流向能够较稳定让其满意的岗位，逐步扭转大量的毕业生不受社会欢迎以致供大于求的局面。
3.2关联规则挖掘在教学评价中的应用
每年，学校都会作一次教学评价活动，教学评价是教学过程的重要组成部分，它以教学目标为依据，制定科学的评价标准，运用一切有效的技术手段，对教与学活动的过程及其结果进行测量，并给以价值判断．无置可否，教学评价不仅对教学起着调节、控制、指导和推动作用，而且有很强的导向性，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．目前，在教学评价中有几种常用的评价方法教学评价，会对教师的教学工作起到一定的促进作用。但也有一些弊端，
第一、课程难易程度影响学生对教师评价的公正性。比如《计算机基础》课程，具有一定的操作性，学生的学习压力较小，因此，对教师的评价相对较高。但《成本会计》，则理论性较强，公式较多，学生若数学成绩不好的话，听起来非常枯燥，学生的评价则会较低。第二，不同性质的课程在专业的地位不同，采用相同的评价标准难以衡量教师的贡献。有些课程在专业中处于非常重要的地位，学生的重视程度较高。但有些选修、考查类科目在整个教学安排中处于从属地位。教师所承担的教学任务不同，工作量存在差异，然而，传统的评价体系却没能体现出这些差异。在这样的情况下，我们作数据预处理时，可给一定的课程设置一定的置信调整系数，让评价稍显公平。
因此，使用学校教学评价系统进行数据挖掘时，我们会特别对加入对课程的评价系数。如在加入前，我们的会得到如下规则：
规则 年龄 职称 置信度 支持度
1 25-30 助讲，讲师 44.24 9.2
2 31-35 讲师 28.76 18.3
3 36-40 中级 26.92 7.8
4 41-45 副高 47.44 6.8
5 45-50 高级 23.90 21.1
规则1表明；年龄在25-30岁，评定等级为优秀的可能性是44.24，支持度为9.2；规则2表明：年龄在31-35岁，评定等级为优秀的可能性是28.76，支持度为18.3；若把课程的评价体系考虑在内，如把一些基础课的系数设置为0.9（如英语，计算机基础等），一些专业基础课的系数设置为1.1(如基础会计，物流基础等)，刚会得到如下的规则：
规则 年龄 职称 课程系数 置信度 支持度
1 25-30 助讲，讲师 1 44.24 9.1
2 31-35 讲师 0.9 30.33 18.1
3 36-40 中级 1.1 26.02 8.8
4 41-45 副高 1.2 56.43 14.7
5 45-50 高级 1.3 38.90 22.9
从上图可看出，若课程系数为1，则跟原来的规则相比，置信度与支持度并没有太大的差别。但若课程系数为1.3，（即表明该门课程的困难指数为1.3）刚置信度与支持度平均值升高，如：年龄在41-45岁，课程系数为1.2时，评定等级为优秀的可能性是56.43，支持度为14.7。
4结束语
目前，计算机技术已经渗透到社会生活的各个方面，对职业教育的教学也产生了重要影响。随着教育信息化进程的推进，产生了大量的、复杂的数据，面对如此巨大的数据资源，如何从大量的教育数据中发现隐藏的、有用的知识来指导教育、更充分、更有效地加以利用，将是数据挖掘技术一个重要的课题。随着数据挖掘技术在教育领域中应用功能及技术的不断发展和完善，人们对这一技术的重视程度，相信其在教育领域的应用范围会越来越广，必将发挥越来越大的作用，并且随着其对教育的改革和发展必将起到巨大的推动作用。
参考文献：
[1]HanJiawei,MichelineKamber.数据挖掘概念与技术[M].范明,孟小峰,译.北京:机械工业出舨社,2007.
[2]段向红,张飞舟.数据挖掘技术及其在职业教育中的应用探讨[J].职业教育研究,2007,7:173-174.
[3]陈玉婷,王斌,刘博.关联规则挖掘算法介绍[J].计算机技术与发展,2009,5:21-25.
[4]廖燕玲.数据挖掘在学生职业能力分析中的应用[J].电脑知识与技术,2010(06).