[发明专利]基于项权值变化的教育数据关联规则挖掘方法及其系统

权利要求书

1.一种基于项权值变化的教育数据关联规则挖掘方法，其特征在于，包括如下步骤：

（1）教育数据预处理：将待处理的教育数据进行预处理：提取学生课程信息及其成绩，将课程当作项目，课程成绩当作项目权值，课程权值规范化为0至1之间，构建课程信息库和课程项目库；

（2）挖掘教育数据课程频繁项集，包括以下步骤2.1和步骤2.2：

（2.1）挖掘教育数据课程候选1_项集和频繁1_项集，具体步骤按照2.1.1和 2.1.2进行：

（2.1.1）从课程项目库中提取课程候选1_项集，在课程信息库累加全部课程项目权值总和，累加课程候选1_项集在课程信息库中的课程项集权值累加总和，计算课程候选1_项集的最小权值频繁阈值，若其项集权值大于或者等于最小权值频繁阈值，则该课程候选项集为频繁1_项集L₁，将L₁加入到课程频繁项集集合FIS；

（2.1.2）在课程信息库中累加课程候选1-项集的出现频度，计算课程候选1-项集的课程项集权值期望；

（2.2）挖掘教育数据课程候选k_项集和频繁k_项集，所述的k≥2，按照步骤2.2.1~ 2.2.8进行操作：

（2.2.1）计算课程候选(k-1)_项集的课程项集权值期望，删除课程候选(k-1)_项集的项集权值小于其项集权值期望的课程候选(k-1)_项集，得到新的课程候选(k-1)_项集集合；

（2.2.2）通过Apriori连接，课程候选(k -1)_项集(其频度不为0)连接后生成课程候选k_项集； 

（2.2.3）如果课程候选k_项集不是空集，转入2.2.4步，否则，退出2.2步转入（3）步；

（2.2.4）课程候选k_项集中，若存在一个其(k-1)_项子集的项集权值小于其对应的项集权值期望，则将该课程候选k_项集删除，得到新的课程候选k_项集集合；

（2.2.5）在课程信息库中累加课程候选k-项集的项集频度、项集权值及其课程项集权值期望；

（2.2.6）删除其项集频度为0的课程候选k-项集，得到新的课程候选k_项集集合；

（2.2.7）计算课程候选k_项集的最小权值频繁阈值，若课程候选项集的项集权值大于或者等于其最小权值频繁阈值，那么该课程候选项集是频繁的，加入到课程频繁项集集合FIS；

（2.2.8）将k的值加1，循环2.2.1~2.2.7步骤，直到课程候选k_项集为空集，则退出2.2步转入如下（3）步；       

（3）从教育数据课程频繁项集集合FIS中挖掘课程强关联规则模式，包括以下步骤：

（3.1）对于教育数据课程频繁项集集合FIS中的课程频繁i-项集L_i，求出课程项集L_i的全部真子集，所述的i>1；

（3.2） 对于课程项集L_i的真子集集合中任意两个真子集I₁和I₂，并且I₁I₂=，I₁I₂=L_i，若(w₁₂×k₁)/( w₁×k₁₂)的值大于或者等于最小置信度阈值，则挖掘出课程强关联规则I₁→I₂；若(w₁₂×k₂)/(k₁₂×w₂)的值大于或者等于最小置信度阈值，则挖掘出课程关联规则I₂→I₁；所述的k₁、k₂和k₁₂分别为课程项集I₁、I₂和(I₁, I₂)的项目个数，w₁、w₂和w₁₂分别为I₁ 、I₂和(I₁, I₂)的项集权值；

（3.3）继续3.2步骤，直到课程项集L_i的真子集集合中每个真子集都被取出一次，而且仅能取出一次，则转入步骤3.4；

（3.4）继续3.1步骤，当FIS中每个课程项集L_i都被取出一次，而且仅能取出一次，则退出（3）步；

至此，教育数据课程强关联规则模式挖掘结束。