網(wǎng)絡(luò)教育信息系統(tǒng)中的信息關(guān)聯(lián)定位挖掘方法研究

李川　王智

摘 要： 針對網(wǎng)絡(luò)教育信息系統(tǒng)中信息檢索的實時性和準確度不高的問題，提出基于教育信息資源最短路徑調(diào)度的信息關(guān)聯(lián)定位挖掘方法。構(gòu)建網(wǎng)絡(luò)教育信息系統(tǒng)中的信息資源的分布式存儲結(jié)構(gòu)模型，采用關(guān)聯(lián)規(guī)則的候選概念格結(jié)點分配策略進行信息關(guān)聯(lián)定位的信息素導(dǎo)引，提取網(wǎng)絡(luò)教育信息系統(tǒng)中的所有對象信息的頻繁項集特征，實現(xiàn)信息關(guān)聯(lián)定位挖掘。仿真結(jié)果表明，采用該方法進行信息關(guān)聯(lián)定位挖掘的準確度較高、時間開銷較小，具有較好的應(yīng)用可靠性。

關(guān)鍵詞： 網(wǎng)絡(luò)教育信息系統(tǒng)； 信息檢索； 挖掘方法； 關(guān)聯(lián)定位

中圖分類號： TN711?34； TP391.9 文獻標識碼： A 文章編號： 1004?373X（2017）10?0058?04

Abstract： Since real?time performance and accuracy of the information retrieval in the network education information system is not high enough， a information relevance positioning mining method based on the shortest path scheduling of educational information resources is proposed. The distributed storage structure model of information resources in the network education information system is built. The candidate concept lattice node distribution strategy in the relevance rules is adopted to make the pheromone guide of information relevance positioning， so as to extract frequent item?set features of all objects in the network education information system and realize information relevance positioning mining. The simulation results show that the proposed method is of high accuracy and low time cost for information relevance positioning mining， and has good application reliability.

Keywords： network education information system； information retrieval； mining method； relevance positioning

0 引 言

網(wǎng)絡(luò)教育信息系統(tǒng)是處理網(wǎng)絡(luò)教育中的學生學籍信息、課程信息、教師信息、學科科研信息以及后勤管理信息等方面的大規(guī)模數(shù)據(jù)管理信息系統(tǒng)。網(wǎng)絡(luò)教育信息系統(tǒng)處理的數(shù)據(jù)信息規(guī)模龐大，對信息管理的集成度較高，更新速度較快，信息集成的復(fù)雜度較高，需要對網(wǎng)絡(luò)教育信息系統(tǒng)進行信息關(guān)聯(lián)定位，提高網(wǎng)絡(luò)教育信息系統(tǒng)的信息檢索和資源調(diào)度的效率[1]。研究網(wǎng)絡(luò)教育的信息管理系統(tǒng)優(yōu)化設(shè)計及信息定位挖掘方法，在正規(guī)網(wǎng)絡(luò)教育的運行秩序、提高網(wǎng)絡(luò)教育的工作質(zhì)量方面具有重要意義[2?3]。本文提出基于教育信息資源最短路徑調(diào)度的信息關(guān)聯(lián)定位挖掘方法，通過對定位挖掘方法的優(yōu)化算法設(shè)計，提高網(wǎng)絡(luò)教育信息系統(tǒng)的信息定位挖掘性能，展示了本文方法的優(yōu)越性。

1 信息資源的分布式存儲結(jié)構(gòu)模型

為了實現(xiàn)網(wǎng)絡(luò)教育信息系統(tǒng)中的信息關(guān)聯(lián)定位挖掘，需要構(gòu)建網(wǎng)絡(luò)教育信息系統(tǒng)的信息資源分布式存儲結(jié)構(gòu)模型，其總體結(jié)構(gòu)模型如圖1所示。

結(jié)合圖1所示網(wǎng)絡(luò)教育信息系統(tǒng)的信息關(guān)聯(lián)定位挖掘總體結(jié)構(gòu)模型，進行數(shù)據(jù)存儲結(jié)構(gòu)模型構(gòu)建。在網(wǎng)絡(luò)教育信息關(guān)聯(lián)數(shù)據(jù)庫模型中，教育信息系統(tǒng)虛擬機的負載量為[Mh]，信息關(guān)聯(lián)定位挖掘的負載開銷表示為：

定義1 設(shè)給定網(wǎng)絡(luò)教育信息系統(tǒng)中的信息關(guān)聯(lián)定位的頻繁項集為三元組[T=（D，I，R）]，其中[D]為事務(wù)項集t中泊松分布集合，[I]為屬性集合，[R]為最小支持數(shù)概率，[R?D×I]，若直接挖掘到頻繁項集的序貫采樣關(guān)系與事務(wù)項集中的本體模型對應(yīng)，則此數(shù)據(jù)集中每項事務(wù)項集壓縮到存儲系統(tǒng)的概念格為一個概念分布子空間，概念格的圖形表示為Hasse圖[4]。由此構(gòu)建信息資源的分布式存儲結(jié)構(gòu)模型，通過對信息關(guān)聯(lián)數(shù)據(jù)的頭表和AT?Tree的創(chuàng)建[5]，得到網(wǎng)絡(luò)教育信息系統(tǒng)中不確定事務(wù)數(shù)據(jù)集D，頻繁項集X的對結(jié)點的關(guān)聯(lián)強度為expSN（X）， 定義為：

3 信息關(guān)聯(lián)定位挖掘?qū)崿F(xiàn)

3.1 教育信息資源最短路徑調(diào)度

在上述進行了網(wǎng)絡(luò)教育資源的信息關(guān)聯(lián)定位關(guān)聯(lián)規(guī)則設(shè)計的基礎(chǔ)上，進行信息關(guān)聯(lián)定位挖掘方法的改進設(shè)計。本文提出一種基于教育信息資源最短路徑調(diào)度的信息關(guān)聯(lián)定位挖掘方法，教育信息資源最短路徑調(diào)度采用的是約束概念格區(qū)間調(diào)度模型，得到教育信息資源最短路徑關(guān)系約束集為：

輸入：提取的約束關(guān)聯(lián)規(guī)則數(shù)據(jù)庫D；頻繁1項集D的支持度閾值minsup；網(wǎng)絡(luò)教育資源最短路徑調(diào)度的約束條件P；

輸出：網(wǎng)絡(luò)教育信息關(guān)聯(lián)定位的約束概念格Hasse圖，時間復(fù)雜度為[Ni×O（Ni）]。

3.2 信息關(guān)聯(lián)定位挖掘?qū)崿F(xiàn)算法描述

根據(jù)教育信息資源最短路徑調(diào)度結(jié)果，提取網(wǎng)絡(luò)教育信息系統(tǒng)中的所有對象信息的頻繁項集特征，在最小期望支持數(shù)約束下，網(wǎng)絡(luò)教育信息系統(tǒng)樣本數(shù)據(jù)庫的關(guān)聯(lián)規(guī)則優(yōu)先級屬性列表見表1。

在頻繁模式樹中提取網(wǎng)絡(luò)教育信息系統(tǒng)中的所有對象信息的頻繁項集特征，設(shè)網(wǎng)絡(luò)教育信息系統(tǒng)概念格結(jié)點可表示為[C（A，B），P]。其中：[P]為事務(wù)項集中非頻繁項，且滿足[P（A，B）=.T.]（邏輯值為真），[A∈ρ（G）]稱為最小期望支持數(shù)，[B∈ρ（M）]稱為事務(wù)項集處理后的關(guān)聯(lián)定位內(nèi)涵，在上述構(gòu)建的約束條件下進行信息關(guān)聯(lián)定位挖掘，實現(xiàn)算法描述為：

算法：網(wǎng)絡(luò)教育信息系統(tǒng)信息關(guān)聯(lián)定位挖掘算法

輸入：初始化參量值，新建的頭表，以及數(shù)據(jù)挖掘的約束指標參量集

輸出：信息關(guān)聯(lián)定位挖掘的期望支持數(shù)二維表

根據(jù)新建的頭表在全局樹上挖掘頻繁模式，結(jié)果是一個0，1值的二維表形式，其中0表示挖掘的信息數(shù)據(jù)不滿足最小期望支持集，1表示挖掘定位信息結(jié)果滿足最小期望支持集。

4 實驗測試分析

為了測試本文設(shè)計的信息關(guān)聯(lián)度行為挖掘方法在實現(xiàn)網(wǎng)絡(luò)教育信息系統(tǒng)的數(shù)據(jù)檢索挖掘在時間性能和精確度方面的優(yōu)越性，進行實驗測試分析。實驗中選擇5個算法進行性能測試比較，分別為文獻[2]中的BP神經(jīng)網(wǎng)絡(luò)挖掘IMBP?Mine算法、文獻[3]的決策樹挖掘方法DT?mine、文獻[4]的粒子群挖掘方法PSO?Mine、以及文獻[5]的近似挖掘策略MBP和文獻[6]的冗余關(guān)聯(lián)IMBP；測試中采用網(wǎng)絡(luò)教育信息系統(tǒng)中學生管理信息、課程管理信息和教師管理信息3個數(shù)據(jù)集進行了測試，Student，Course和Teacher，得到挖掘的準確度對比和時間開銷對比如圖3和圖4所示。

分析上述仿真結(jié)果得知，采用本文方法進行網(wǎng)絡(luò)教育信息系統(tǒng)信息關(guān)聯(lián)定位挖掘的時間開銷較小，挖掘的準確度較高，隨著最小期望支持度閾值的增大，各種算法進行挖掘的運行時間隨之增大，但本文方法的運行時間總體小于傳統(tǒng)方法，研究結(jié)果展示了本文方法的優(yōu)越性。

5 結(jié) 語

針對傳統(tǒng)方法一直存在挖掘精度低的問題，提出基于教育信息資源最短路徑調(diào)度的信息關(guān)聯(lián)定位挖掘方法，并進行了實驗分析。結(jié)果表明，采用該方法進行網(wǎng)絡(luò)教育信息系統(tǒng)中的信息關(guān)聯(lián)定位挖掘的準確度較高、時間開銷較小，具有較好的應(yīng)用可靠性，展示了本文方法較好的適用價值。

參考文獻

[1] 周麗燕，王立洪.長記憶多項式回歸模型的置信域估計[J].應(yīng)用數(shù)學學報，2014，37（1）：31?44.

[2] ZHANG Q Y， WANG R C， SHA C， et al. Node correlation clustering algorithm for wireless multimedia sensor networks based on overlapped FoVs [J]. Journal of China University of Posts and Telecommunications， 2013， 20（5）： 37?44.

[3] 王婷，宋俊德，宋美娜.一種基于關(guān)聯(lián)規(guī)則挖掘的IP定位方法[J].東南大學學報（自然科學版），2015，45（4）：657?662.

[4] 馬炳先，崔紀鵬，張正明.面向組合的Web服務(wù)間數(shù)據(jù)關(guān)聯(lián)定位方法研究[J].計算機科學，2014，41（8）：130?134.

[5] 賀文嬌.基于特征值和灰度關(guān)聯(lián)的雙機關(guān)聯(lián)定位[J].電訊技術(shù)，2016，56（4）：424?429.

[6] 胡綠慧.基于寬幅跳躍關(guān)聯(lián)定位的大型數(shù)據(jù)庫入侵檢測[J].科技通報，2014（12）：232?234.