正負關聯(lián)規(guī)則算法在試卷評估中的應用研究.pdf

1、近些年,數(shù)據(jù)挖掘是各行各業(yè)的研究人員關注的熱點和重點研究的內(nèi)容,它是基于傳統(tǒng)數(shù)據(jù)庫技術但是又高于傳統(tǒng)數(shù)據(jù)庫技術。尤其是在當下大數(shù)據(jù)時代的背景下,如何從海量數(shù)據(jù)集中發(fā)現(xiàn)知識變的更加重要和困難,數(shù)據(jù)挖掘的研究又被推到一個前所未有的高度。數(shù)據(jù)挖掘有很多有趣和重要的研究方向,其中關聯(lián)規(guī)則挖掘是最早被研究也是取得成果最多的研究熱點之一,已經(jīng)應用到多個領域并取得了極大的成功。
　　論文對正負關聯(lián)規(guī)則算法進行了詳盡的分析,對Apriori算法做

2、了深入的研究,研究了Apriori算法的性能瓶頸,并提出了一種基于二維表的高效的改進的關聯(lián)規(guī)則算法;同時對負關聯(lián)規(guī)則進行了深入的探討,重點討論了兩種經(jīng)典的負關聯(lián)規(guī)則挖掘算法,這兩種負關聯(lián)規(guī)則算法都是基于頻繁項集的,都存在挖掘不充分、丟失很多信息的缺陷,論文采用一種負項擴展技術將負關聯(lián)規(guī)則挖掘轉(zhuǎn)化為正關聯(lián)規(guī)則挖掘,并將改進的算法加以應用,從中挖掘出所有的正負關聯(lián)規(guī)則,獲得更多的有價值的信息。
　　論文在理論研究的基礎上,將其成果應用

3、到教育領域的試卷評估中。針對目前試卷評估的現(xiàn)狀,為了完善試卷評估體系,挖掘出更多重要的信息,本文在原有的試卷評估的基礎之上,采取關聯(lián)規(guī)則技術對試卷中的信息進行深層次的挖掘。
　　本文主要工作如下:
　　(1)分析了目前試卷評估的現(xiàn)狀、背景和重要意義,對數(shù)據(jù)挖掘作了簡單的介紹,引出本文中重點研究的關聯(lián)規(guī)則算法。
　　(2)重點研究經(jīng)典的關聯(lián)規(guī)則算法,詳細的分析了Apriori算法的全過程,對影響性能的關鍵性步驟做了重點分

4、析,給出了Apriori算法的挖掘模型以及實例演示了挖掘的全過程。
　　(3)重點對負關聯(lián)規(guī)則挖掘進行研究,分析了兩種經(jīng)典的負關聯(lián)規(guī)則挖掘算法,為了避免挖掘出沖突的規(guī)則,引入了項集相關性度量,最后對負關聯(lián)規(guī)則的剪枝技術做了分析。
　　(4)分析Apriori算法的性能瓶頸,并提出一種基于二維表的改進的關聯(lián)規(guī)則算法,由于沒有較好的算法對負關聯(lián)規(guī)則挖掘,文章變換思維采用一種基于負項擴展的轉(zhuǎn)換技術結合改進的算法進行正負關聯(lián)規(guī)則挖掘