基于Apriori算法的網(wǎng)絡社區(qū)知識形成影響因素分析

徐 凡

（西南科技大學，四川 綿陽 621010）

關聯(lián)規(guī)則是數(shù)據(jù)挖掘中最常用的方法，關聯(lián)規(guī)則挖掘的主要目的是從大量的數(shù)據(jù)中尋找關聯(lián)性，為決策分析提供理論支持[1]。關聯(lián)規(guī)則運用最經(jīng)典的運用是購物籃分析“啤酒與尿布”的例子。而關聯(lián)規(guī)則中最常運用到的是Apriori 算法，它能夠根據(jù)用戶提供的條件有效的進行數(shù)據(jù)挖掘。

1 Apriori 算法及其特點

Agrawal 等人在1993年首次提出關聯(lián)規(guī)則，該規(guī)則主要用于挖掘數(shù)據(jù)之間的關聯(lián)性，對事物之間的親密度進行描述。關聯(lián)規(guī)則可描述為：設I={i1，i2，…，in}是項目集，D 是全體事務的集合，集合T∈I，即T 為I 的子集，每個事務有唯一的TID 標識。關聯(lián)規(guī)則就是形如X=＞Y 的蘊含式，其中X∈I，Y∈I 且X∩Y=φ，X 稱為規(guī)則的條件，Y 稱為規(guī)則的結(jié)果[1]。運算結(jié)果通過支持度和可信度進行約束。

關聯(lián)規(guī)則中的支持度(Support)S 表示D 中有S%的事務同時包含X 和Y，即事務集中同時包含X 和Y 的事務數(shù)與所有事務數(shù)之比，記作Support(X，Y)=P(X∪Y)。置信度(Confidence)C 表示D 中有C%的事務同時也包含Y，即包含X 和Y 的事務數(shù)與包含X 的事務數(shù)之比，記作Confidence(X，Y)=P(Y/X)=P(X∩Y)/P(X)[2]。運用關聯(lián)規(guī)則進行數(shù)據(jù)挖掘就是要挖掘出滿足用戶設定的最小支持度和置信度的規(guī)則。我們把同時滿足用戶設定的最小支持度和最小置信度的規(guī)則稱為強規(guī)則。關聯(lián)規(guī)則的數(shù)據(jù)挖掘，一般分為兩步：首先找出所有滿足用戶設置的最小支持度的項目集，其次利用最大數(shù)據(jù)項集所生成的關聯(lián)規(guī)則，根據(jù)用戶指定的最小置信度確定規(guī)則的取舍，最后得到強關聯(lián)規(guī)則[1]。

Apriori 算法作為經(jīng)典的關聯(lián)規(guī)則算法，其算法的實現(xiàn)是通過對數(shù)據(jù)庫進行掃描從候選項集中找出頻繁項，不斷對候選項計數(shù)來完成的。它使用的是逐層搜索的迭代方法，通過對前一項集的探索來發(fā)現(xiàn)符合該次條件的項集。也就是說，Apriori 算法的基本思想是通過對數(shù)據(jù)庫的多次掃描以發(fā)現(xiàn)所有符合條件的頻繁項。在第k 次掃描中只考慮具有同一長度k 的所有項集。在后續(xù)的掃描中，首先以前一次所發(fā)現(xiàn)的所有頻繁項集為基礎，生成所有新的候選項集。然后掃描數(shù)據(jù)庫D，計算這些候選項集的支持度，最后確定候選項集中哪些可成為頻繁項集。重復上述過程直到再也產(chǎn)生不出新的頻繁項集。在計算過程中，Apriori 算法需要不斷重復連接與剪枝這兩個步驟。然而該算法也存在潛在的問題，即當數(shù)據(jù)容量龐大時，生成的候選項集數(shù)量太多，會降低該算法的計算效率，同時大量規(guī)則的產(chǎn)生也讓用戶難以選擇，這也是在運用Apriori 算法是需要解決的問題[3]。

2 數(shù)據(jù)準備

2.1 數(shù)據(jù)來源

為研究網(wǎng)絡社區(qū)中知識形成過程中哪些因素對其產(chǎn)生了影響，本文通過對網(wǎng)絡社區(qū)中知識形成過程進行分析，著重思考了在知識形成中哪些因素會影響到個人對網(wǎng)絡社區(qū)知識的吸收，重點考慮了九個方面的因素來分析，主要包括參與的目的性、成員級別、個人專業(yè)知識、知識接收者的知識結(jié)構(gòu)、回帖數(shù)量、表達方式、回帖者態(tài)度、信息源、社區(qū)參與者的線下關系這九個方面，分析了以上九個方面的因素對知識形成產(chǎn)生的影響。通過網(wǎng)絡問卷調(diào)查的方式，共收獲共119 份問卷，為文章提供了原始數(shù)據(jù)。

2.2 數(shù)據(jù)預處理

對于部分數(shù)據(jù)，參與調(diào)研者的態(tài)度并不是很明確，因此通過運用SPSS19.0 對已有數(shù)據(jù)進行了數(shù)據(jù)轉(zhuǎn)換，同時，由于調(diào)查者的使用時間與使用頻率不在考察的范圍，因此對問卷中的關于使用時間與使用頻率的數(shù)據(jù)進行了刪除，將問卷結(jié)果轉(zhuǎn)化為布爾型數(shù)據(jù)，將結(jié)果中的肯定結(jié)構(gòu)標為“1”，否定結(jié)果標注為“0”，并對數(shù)據(jù)中的九個項目進行了從I1 到I9 的編號，即I1=目的性，I2=成員級別，I3=個人專業(yè)知識、I4=知識結(jié)構(gòu)、I5=回帖量、I6=表達方式、I7=回帖者態(tài)度、I8=信息源、I9=社區(qū)參與者的線下關系，部分數(shù)據(jù)整理結(jié)果如表1 所示：

3 基于Apriori 算法的數(shù)據(jù)分析

在對數(shù)據(jù)進行基礎分析后，進入數(shù)據(jù)分析階段。文章運用SPSS clemention12.0 對數(shù)據(jù)進行Appriori 運算。關聯(lián)規(guī)則設置中，文章將I1設置為后項，其他八項設為前項，將最小支持度設置為40%，最低置信度為80%，對其他的選項進行設置后開始運行，其運行結(jié)果部分如表2 所示。

表2 運算結(jié)果

對運行結(jié)果進行分析，可知，I4、I6、I3 同時出現(xiàn)的頻率為42%，置信度達到了92%，這說明這三個項目在整個運算中非常重要，此規(guī)則為強關聯(lián)。這表明知識結(jié)構(gòu)、表達方式、個人專業(yè)知識同時影響了網(wǎng)絡社區(qū)成員知識的形成。I6、I3 同時出現(xiàn)的置信度為87%，這說明這一項目集在整個事務中起著很大的影響，即在網(wǎng)絡社區(qū)知識形成中，表達方式、個人專業(yè)知識同時影響著社區(qū)成員知識形成。I4、I6 同時出現(xiàn)的置信度為85%，這表明在網(wǎng)絡社區(qū)知識形成中，社區(qū)成員的知識結(jié)構(gòu)與表達方式同時影響著社區(qū)成員知識形成的行為。I7、I5 同時出現(xiàn)的置信度為85%，它表明在整個事務中，二者同時出現(xiàn)的行為對整體有很大的影響，即在研究網(wǎng)絡社區(qū)知識形成中，回帖者態(tài)度與回帖量同時影響著社區(qū)成員新知識的形成。I3、I5 同時出現(xiàn)的置信度為85%，即在此研究中，個人專業(yè)知識與回帖量同時影響著網(wǎng)絡社區(qū)知識形成行為。I4、I6、I5 同時出現(xiàn)的置信度為85%，這表明知識結(jié)構(gòu)、表達方式、回帖量同時對網(wǎng)絡社區(qū)知識的形成產(chǎn)生重要的影響。I4、I3、I5 同時出現(xiàn)的置信度為85%，這表明個人專業(yè)知識、知識結(jié)構(gòu)與回帖量同時影響著社區(qū)成員知識形成行為。I4、I3 同時出現(xiàn)的置信度為84%，這表明在網(wǎng)絡社區(qū)知識形成中成員知識結(jié)構(gòu)與個人專業(yè)知識同時對其產(chǎn)生了很大的影響。I8、I6 同時出現(xiàn)的置信度為84%，表明信息源與表達方式同時影響著社區(qū)成員的知識形成。I6 產(chǎn)生影響的置信度為83%，即在影響網(wǎng)絡社區(qū)成員知識形成中知識的表達方式產(chǎn)生了很大的作用。I6、I5 同時出現(xiàn)的置信度為82%，表明表達方式與回帖者態(tài)度同時影響了社區(qū)知識形成行為，I7、I6 同時出現(xiàn)的置信度為82%，表明回帖者態(tài)度與表達方式同時對網(wǎng)絡社區(qū)知識形成產(chǎn)生了很大的影響。I8、I3 同時出現(xiàn)的置信度為82%，表明信息源與專業(yè)知識同時影響了網(wǎng)絡社區(qū)知識的形成。在支持度為42%時I8、I3 同時出現(xiàn)的支持度為82%，再一次表明信息源與專業(yè)知識同時對網(wǎng)絡社區(qū)知識的形成產(chǎn)生了很大的影響。I4、I5 同時出現(xiàn)的置信度為81%，這表明知識結(jié)構(gòu)與回帖量同時對網(wǎng)絡社區(qū)知識形成產(chǎn)生了大的影響。I4、I5 同時出現(xiàn)的支持度為55%，置信度為81%，它說明知識結(jié)構(gòu)與回帖量同時影響著網(wǎng)絡社區(qū)知識的形成。I5 出現(xiàn)的置信度為81%，它表明在網(wǎng)絡社區(qū)知識形成中回帖量對其產(chǎn)生了大的影響。I9、I5 同時出現(xiàn)的置信度為81%，即在網(wǎng)絡社區(qū)知識形成中，線下關系與回帖量同時產(chǎn)生了大的影響。I7、I3 同時出現(xiàn)的置信度為81%，它表明回帖者態(tài)度與個人專業(yè)同時影響了知識對網(wǎng)絡社區(qū)知識的形成。I8、I6 同時出現(xiàn)的置信度為80%，表明信息來源與表達方式同時影響了網(wǎng)絡社區(qū)知識形成。

從以上數(shù)據(jù)分析我們可以發(fā)現(xiàn)，在這些統(tǒng)計項中，I5 與I6 出現(xiàn)的次數(shù)最多，即回帖量與知識表達方式對網(wǎng)絡社區(qū)知識形成產(chǎn)生最重要的影響，因此對于網(wǎng)絡社區(qū)回帖量以及發(fā)帖中的表達方式規(guī)范的管理非常的重要，因為他對網(wǎng)絡社區(qū)成員對于知識的篩選與吸收產(chǎn)生了很大的影響。在所有的項集中，I3 出現(xiàn)的頻率也非常的高，即知識分享者的專業(yè)對社區(qū)成員知識形成具有很大的影響作用。I8、I3 即信息源與專業(yè)知識、I4、I5 即知識結(jié)構(gòu)與回帖量同時出現(xiàn)的可能性非常高。

4 結(jié)論

通過以上數(shù)據(jù)分析我們發(fā)現(xiàn)，回帖量與知識表達方式對網(wǎng)絡社區(qū)知識形成產(chǎn)生非常重要的影響，對于多數(shù)網(wǎng)絡社區(qū)成員來說，登陸網(wǎng)絡社區(qū)僅僅屬于瀏覽狀態(tài)，并沒有特別的目的，這也在研究中有所體現(xiàn)，因此對于多數(shù)社區(qū)成員，回帖量成為選擇閱讀內(nèi)容的標準。同時對于社區(qū)成員來說，內(nèi)容的表達方式如文字、圖片、視頻等也影響到了其對知識的篩選。有些社區(qū)成員偏向于對圖片內(nèi)容的閱讀與吸收，而有些卻潛意識的選擇視頻圖像形式的知識。由上述數(shù)據(jù)分析可以得到社區(qū)知識的表現(xiàn)方式有極大的影響。而知識分享者的專業(yè)知識這一因素成為影響網(wǎng)絡社區(qū)知識形成的重要因素在于它體現(xiàn)了其分享的知識的可信程度，影響了社區(qū)成員對社區(qū)知識的選取與轉(zhuǎn)化程度。

同時由上述結(jié)果可以發(fā)現(xiàn)，信息源與專業(yè)知識、知識結(jié)構(gòu)與回帖量是項目同時出現(xiàn)頻率最高的兩組，即其中的一個因素出現(xiàn)，另一個因素也隨之出現(xiàn)。信息來源與專業(yè)知識的同時出現(xiàn)表明網(wǎng)絡社區(qū)成員在對關注信息發(fā)布者的個人專業(yè)時，同時會關注轉(zhuǎn)載來的信息的來源，也就是說當網(wǎng)絡社區(qū)成員關注他人的知識的專業(yè)性時在選擇其他知識時也會關注其知識來源，這在一定程度上表明了社區(qū)成員對信息可信度的考量。社區(qū)成員個人的知識結(jié)構(gòu)與回帖量的同時出現(xiàn)則表明當社區(qū)成員由于個人知識結(jié)構(gòu)出現(xiàn)欠缺在進行知識選擇時，回帖數(shù)量會成為其考慮因素，因為回帖數(shù)量代表了知識的積累量，因此在對網(wǎng)絡社區(qū)知識形成影響因素進行分析時二者同時出現(xiàn)的可能性非常大。

需要指出的是，這里的影響因素側(cè)重于研究影響社區(qū)成員將社區(qū)知識轉(zhuǎn)化為個人知識的因素，即哪些因素影響了網(wǎng)絡社區(qū)中成員對已有知識的接收與轉(zhuǎn)化，因此研究結(jié)果會與之前的研究可能存在一定的差別。

［1］廖開際.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘[M].北京大學出版社，2008，11.

［2］劉耀南.Apriori 算法的分析及應用[J].佛山科學技術學院學報：自然科學版，2012，30(3).

［3］張仁壽，羅林開，葉凌君.Apriori 算法對高技能人才市場工資價位影響因素的實證分析[J].中國軟科學，2010(1).