CRM網(wǎng)絡(luò)中的空間異常數(shù)據(jù)挖掘方法研究

劉健

摘要：CRM全稱為客戶關(guān)系管理，在教育教學(xué)中此理念也同樣適用，異?？臻g數(shù)據(jù)挖掘技術(shù)可以在很大程度上提高CRM教育平臺的管理質(zhì)量，為此，該文通過對于教育平臺學(xué)生信息管理和異?？臻g數(shù)據(jù)挖掘技術(shù)的研究，分析基于CRM理念教育平臺異?？臻g數(shù)據(jù)挖掘技術(shù)的辦法。對現(xiàn)有的教育教學(xué)平臺建設(shè)也是一個補(bǔ)充。

關(guān)鍵詞：CRM教育平臺；教育信息管理；空間異常數(shù)據(jù)挖掘

中圖分類號：TP311 文獻(xiàn)標(biāo)示碼：A 文章編號：1009-3044（2017）29-0277-03

1 概述

當(dāng)前網(wǎng)絡(luò)環(huán)境下進(jìn)行學(xué)習(xí)具有極大優(yōu)越性，主要體現(xiàn)在其具有共享性、交互性、靈活性和開放性。但是當(dāng)前網(wǎng)絡(luò)學(xué)習(xí)平臺管理和監(jiān)控功能不健全，智能化程度低，如何保障教學(xué)平臺信息安全，成為網(wǎng)絡(luò)教育研究中急需解決的問題，在教育領(lǐng)域提高科技術(shù)的應(yīng)用程度是保證教育發(fā)展的重要手段[1]。其中目前的空間異常數(shù)據(jù)挖掘技術(shù)已經(jīng)成為一個當(dāng)紅的應(yīng)用技術(shù)手段。

CRM教育平臺信息管理需要應(yīng)用到空間異常數(shù)據(jù)挖掘技術(shù)，在CRM里主要管理的方面是學(xué)生信息生成反饋、學(xué)生需求、教師信息實時完善等[2]。本文簡述了CRM教學(xué)平臺的結(jié)構(gòu)模式，并且分析空間異常數(shù)據(jù)挖掘在CRM教學(xué)領(lǐng)域里的應(yīng)用程度和結(jié)構(gòu)模式。

2 CRM理念教育教學(xué)平臺

CRM是以信息技術(shù)為主管理平臺，主要的目的是實現(xiàn)客戶的滿意度，其應(yīng)用范圍廣泛，CRM理念在教育教學(xué)服務(wù)平臺同樣適用。按照CRM理念，首先，提高學(xué)生的認(rèn)同感；其次為學(xué)生在這個平臺上提供期望的東西，再次，實現(xiàn)在教學(xué)過程中信息的有效溝通；最后，通過快速有效的執(zhí)行，通過對學(xué)生詳細(xì)資料的深入分析，來提高學(xué)生的滿意度，成為提高學(xué)校競爭力的一種手段。

在CRM教學(xué)平臺管理系統(tǒng)建立中，是依靠數(shù)據(jù)庫儲存技術(shù)得以實現(xiàn)的，其兼具學(xué)生信息數(shù)據(jù)分析、挖掘、教學(xué)管理等各個方面[2]。其大致組成關(guān)系圖如圖1所示。

在主體分析模塊的主要工作則是來分析當(dāng)前教師管理、學(xué)生學(xué)習(xí)情況、信息反饋情況等。這些都是在教學(xué)平臺運(yùn)行過程中的主要過程，并且為CRM提供更加完善的信息，為其管理提供更加有力支持。系統(tǒng)通過不斷完善提供更加準(zhǔn)確和數(shù)據(jù)豐富的分析功能，并且將所得到的分解結(jié)果利用較為直觀的表現(xiàn)方式傳遞給學(xué)生，常見則有報表、郵件等方式。平臺的建立可以使老師與學(xué)生建立有效的關(guān)系。此外這種系統(tǒng)還可以進(jìn)行一定程度上的預(yù)測功能，教師將考核學(xué)生的結(jié)果與學(xué)生自測結(jié)果所得到的數(shù)據(jù)進(jìn)行綜合分析考量，制定出更具有科學(xué)性和發(fā)展性的管理辦法，顯示出了系統(tǒng)的靈活性。

而異常數(shù)據(jù)庫管理部分則是將收集過來的異常數(shù)據(jù)和信息進(jìn)行相關(guān)的處理和轉(zhuǎn)化，并將處理后的異常數(shù)據(jù)登錄到數(shù)據(jù)庫當(dāng)中通過下一步的調(diào)節(jié)和可能所需要的流程。利用異常數(shù)據(jù)庫的存在可以保證收集來的數(shù)據(jù)完整性和一致性[3]，并且通過分析使這些異常數(shù)據(jù)更加具備代表性。通過對以上內(nèi)容的詳細(xì)管理和處理辦法，可以對CRM提供更加完善的數(shù)據(jù)保證和可進(jìn)行分析的可能性。加強(qiáng)了CRM教學(xué)管理系統(tǒng)的整體需求和具體數(shù)據(jù)分析的要求。

3 CRM空間異常數(shù)據(jù)挖掘結(jié)構(gòu)

3.1 系統(tǒng)結(jié)構(gòu)

數(shù)據(jù)庫模型的設(shè)計則是加強(qiáng)數(shù)據(jù)庫運(yùn)行過程中對于來往數(shù)據(jù)的強(qiáng)有力處理和分類能力。保證數(shù)據(jù)可以在數(shù)據(jù)庫當(dāng)中得到有效的處理和轉(zhuǎn)化，保證數(shù)據(jù)的完整性和還原性，使得所得到的數(shù)據(jù)更加具備代表性，為在教育教學(xué)平臺的應(yīng)用中可以做到正確的對異常數(shù)據(jù)的分析，提高教學(xué)質(zhì)量和管理水平。具體上是通對數(shù)據(jù)庫中的邏輯模型、物理模型、實際數(shù)據(jù)共同構(gòu)造的，并且提高工作中設(shè)計、生成、處理、維護(hù)等方面的效率。異常數(shù)據(jù)挖掘是將一些不符合事實數(shù)據(jù)篩選出來并且尋找可以解決問題的模塊支持辦法。這里決定了異常數(shù)據(jù)挖掘所對應(yīng)的對象不再僅僅是數(shù)據(jù)庫這一個方面了，更加擴(kuò)展到了文件系統(tǒng)等任何一個可以將異常數(shù)據(jù)整合發(fā)布的平臺之上。通過對上述觀點的分析，可以得出，當(dāng)前的異常數(shù)據(jù)挖掘技術(shù)就是將異常信息從發(fā)現(xiàn)到提取并且處理分析的過程。在異常數(shù)據(jù)挖掘當(dāng)中最常提到的則是數(shù)據(jù)倉庫（Data Warehouse），這也是異常數(shù)據(jù)挖掘技術(shù)最為基礎(chǔ)和支持挖掘工作的核心部分[4]。數(shù)據(jù)倉庫的定義則為是一個面向了主題（subject-oriented）、集成（integrated）、時變（time-variant）、非易失（nonvolatile）的一個綜合性數(shù)據(jù)集合領(lǐng)域。在數(shù)據(jù)倉庫當(dāng)中可以做到對異常信息提供理論支持以做出決策方案。

在教育平臺學(xué)生信息管理中利用的空間異常數(shù)據(jù)挖掘可以說是一個模型，具體的來說就是將異常數(shù)據(jù)挖掘和數(shù)據(jù)倉庫進(jìn)行自動化更新并且相結(jié)合，將收集來并且處理后的數(shù)據(jù)整合分析并且利用更加直觀的報表或是文件說明的形式呈現(xiàn)出來[5]，來表達(dá)挖掘出來的異常信息或是內(nèi)容，再將這些數(shù)據(jù)提供給教師管理員使得CRM教學(xué)平臺更加完善和科學(xué)性的發(fā)展。要考慮到CRM教學(xué)管理系統(tǒng)對數(shù)據(jù)庫的獨立性質(zhì)要求，在數(shù)據(jù)同步采集以及傳輸過程中所需要用數(shù)據(jù)庫方式傳遞和文件方式傳遞兩種不同的數(shù)據(jù)傳遞方法。利用圖2來進(jìn)行在CRM平臺結(jié)構(gòu)中加入空間異常數(shù)據(jù)挖掘結(jié)構(gòu)，形成一個完整的結(jié)構(gòu)模型。將這些數(shù)據(jù)收集而來通過ETL工具進(jìn)行數(shù)據(jù)的提取和整合，轉(zhuǎn)化為一個綜合了各個方面的數(shù)據(jù)體。在數(shù)據(jù)完成的基礎(chǔ)上通過OLAM和OLAP服務(wù)器將這些數(shù)據(jù)分別形成一個數(shù)據(jù)報表，供教師管理人員進(jìn)行查詢和相關(guān)的分析工作。

4 在CRM教學(xué)平臺具體應(yīng)用空間異常數(shù)據(jù)挖掘

異常數(shù)據(jù)挖掘技術(shù)在CRM教學(xué)平臺起到重要作用，它可以幫助教師對學(xué)生的個性特征和不同要求進(jìn)行分類處理，幫助輔導(dǎo)員對于學(xué)生的不同一性進(jìn)行設(shè)定和管理。

4.1 CRM教學(xué)平臺滿足學(xué)生多樣性需求

CRM教學(xué)平臺將學(xué)生身份進(jìn)行驗證、學(xué)習(xí)能力進(jìn)行信息采集，通過平臺生成信息將分級結(jié)果反饋給數(shù)據(jù)庫，在此過程中，上傳的錯誤數(shù)據(jù)，系統(tǒng)會進(jìn)行自動篩選。同時，學(xué)生可根據(jù)自己實際學(xué)習(xí)情況將信息進(jìn)行更新，在滿足了學(xué)生的多樣性需求的同時，也在不斷更新學(xué)生的新需求[6]。endprint

5 適用于CRM的空間異常數(shù)據(jù)挖掘的方法研究

通過對以上各內(nèi)容的研究得出目前的空間異常數(shù)據(jù)挖掘只要是依靠空間異常數(shù)據(jù)倉庫為基礎(chǔ)在得意實現(xiàn)的一種技術(shù)手段[7-8]。其主要是在一個加大的空間中產(chǎn)生的異常數(shù)據(jù)進(jìn)行生產(chǎn)管理，并且對得到的異常數(shù)據(jù)進(jìn)行挖掘工作，提取出一些可以供教學(xué)平臺處理異常的關(guān)鍵信息。最后使教師管理人員可以發(fā)現(xiàn)在這些異常數(shù)據(jù)當(dāng)中所存在的關(guān)聯(lián)性和未來的發(fā)展的趨勢。并且伴隨著其他現(xiàn)代化技術(shù)的不斷發(fā)展應(yīng)用，空間異常數(shù)據(jù)挖掘技術(shù)方法也發(fā)展出來許多種類，目前較為適用于CRM的空間異常數(shù)據(jù)挖掘方法是關(guān)聯(lián)規(guī)則法[9]。

5.1 關(guān)聯(lián)規(guī)則法定義

空間關(guān)聯(lián)規(guī)則（Spatial Association Rules）是空間實體之間同時出現(xiàn)的內(nèi)在規(guī)律，指空間實體間相鄰、相連、共生和包含等空間關(guān)聯(lián)規(guī)則[10]，發(fā)現(xiàn)的異常數(shù)據(jù)采用的邏輯規(guī)則表達(dá)式為：

用相關(guān)數(shù)值定義則為在一個空間內(nèi)部設(shè)定一個對象集合，并且產(chǎn)生一個空間關(guān)聯(lián)項，在這個關(guān)連項當(dāng)中的A和B都是一個集合，以空間和非空間屬性進(jìn)行分別。A，B也分別為關(guān)聯(lián)規(guī)則中的前后件。并且其中的關(guān)系為。而且都分別表示在這個關(guān)聯(lián)項當(dāng)中規(guī)則的支持程度以及可信程度。其中A與集合S的數(shù)目比（），表示為support；規(guī)則為關(guān)連項的支持度的計算方法是在集合S同時滿足子集項A、B的同時其中的對象數(shù)目和集合S中的對象總體數(shù)目比（），表示為support（）。而規(guī)則中的可信度在集合中的S時，滿足子集A的同時也會滿足子集B，并且表示為confidence（），也就是在集合S滿足子集A的同時也滿足子集B的概率。這條概率的表示現(xiàn)象為。

5.2 空間異常數(shù)據(jù)檢測算法

首先，模擬出CRM平臺異常數(shù)值，再利用包含已知觀測值和異常值的全集進(jìn)行統(tǒng)計分布函數(shù)參數(shù)進(jìn)行估計，產(chǎn)生異常數(shù)值的方法包括均值轉(zhuǎn)嫁、無補(bǔ)充隨機(jī)替代、有補(bǔ)充的隨機(jī)替代、時間信息轉(zhuǎn)換、完全均值轉(zhuǎn)換等。這些方法將異常數(shù)據(jù)與分布函數(shù)的參數(shù)估計作為兩個獨立的部分看待，最大期望算法將兩者有效地結(jié)合起來，在處理異常數(shù)據(jù)集時對其最大集合函數(shù)應(yīng)用迭代方法，在模擬異常數(shù)據(jù)樣本。第一個就是在集合中找到所有支持度大于最小支持的子集項，將這些子集項定義為頻集，并且在集合項目當(dāng)中找到那些大于設(shè)定好的闕值項目集合。異常數(shù)據(jù)庫中最小子集的代表公式為：

當(dāng)子集偏差為對數(shù)據(jù)是否異常的判斷原則為檢測中闕值偏差概率為：

式中表示頻集系數(shù)

所有數(shù)據(jù)的子集、頻集殘差的最小值作為目標(biāo)函數(shù)，其廣義的目標(biāo)函數(shù)為：

其中為異常數(shù)據(jù)總個數(shù)，表示階下異常闕值。

第二種則是利用上面收集來的頻集產(chǎn)生期望規(guī)則，在這些頻集項當(dāng)中產(chǎn)生可以形成關(guān)聯(lián)形式的規(guī)則。這所產(chǎn)生的規(guī)則即為支持度和可信度都大于設(shè)定好的闕值和可信度闕值的關(guān)聯(lián)規(guī)則。例如在一個頻集Y當(dāng)中，頻集項為。

由公式7可知，在檢測時段數(shù)據(jù)庫時，對此時段的異常數(shù)據(jù)進(jìn)行判斷，為異常數(shù)據(jù)集合項，為規(guī)則通過數(shù)據(jù)狀態(tài)異常次數(shù)，此時段的檢測指標(biāo)為：

通過這個公式可以看出其中的集合項當(dāng)中做可能產(chǎn)生的規(guī)則數(shù)目只有k個，并且每一個規(guī)則的右部只有一個項目集合。當(dāng)這些規(guī)則通過設(shè)定好的方式進(jìn)行生成之后，通過計算篩選，只能得出那些可信度大于教師管理員設(shè)定可信值的項目規(guī)則會被留下。

5.3 規(guī)則流程

關(guān)聯(lián)規(guī)則算法的使用流程一般性的都要通過二個基本的步驟，第一個是對相關(guān)的異常數(shù)據(jù)進(jìn)行挖掘和預(yù)處理過程，根據(jù)教師與學(xué)生提出問題及不同的需求，對CRM平臺數(shù)據(jù)庫當(dāng)中的異常數(shù)據(jù)進(jìn)行相應(yīng)的處理工作，并且將這些篩選和處理后的異常數(shù)據(jù)進(jìn)行規(guī)格化的變化生成一個新的數(shù)據(jù)庫。第二步則是對于新數(shù)據(jù)庫中所有項集通過支持度的大小分類組合，形成一個大項集。在通常情況下，算法所面對的整體數(shù)據(jù)總量都是非常大的，因為要處理龐大的數(shù)據(jù)資源，進(jìn)行資源算法的步驟將更為關(guān)鍵和主要。

6 實驗結(jié)果及分析

為了測試本文提出的關(guān)聯(lián)規(guī)則異常數(shù)據(jù)挖掘算法，實驗中計算異常數(shù)據(jù)闕值項目集合與異常數(shù)據(jù)可信度關(guān)聯(lián)規(guī)則闕值集合，公式6和公式8分別給出了兩種異常數(shù)據(jù)挖掘算法，第2種數(shù)據(jù)集合篩選算法更加準(zhǔn)確，因為這種算法提高了數(shù)據(jù)分類器性能和計算效率。另外，本文對于兩種算法在CRM教育平臺上的分布數(shù)據(jù)集及異常數(shù)據(jù)集在固定時間運(yùn)行時間內(nèi)篩選異常數(shù)據(jù)速度進(jìn)行比較，實驗結(jié)果可以看出，在規(guī)定時間內(nèi)，關(guān)聯(lián)規(guī)則設(shè)定下，對數(shù)據(jù)庫中異常數(shù)據(jù)篩選可信度較大且運(yùn)行速度較快。

7 結(jié)論

開放大學(xué)建設(shè)步伐正逐步加快，將理論CRM與教育系統(tǒng)相結(jié)合，對于教育的發(fā)展是一個突破，本文通過這方面的研究，應(yīng)用空間異常數(shù)據(jù)挖掘技術(shù)，對學(xué)生與教師的需求進(jìn)行分析，應(yīng)用數(shù)據(jù)檢測算法，得到了代表數(shù)據(jù)異常重要項目集合，最終對異常數(shù)據(jù)做出更加準(zhǔn)確的判斷，為教師管理員提供更加完善和準(zhǔn)確的教育信息平臺。

參考文獻(xiàn)：

[1] 楊贛川. YangGanchuan. 基于數(shù)據(jù)挖掘的高校畢業(yè)生就業(yè)CRM系統(tǒng)的研究[J]. 微型電腦應(yīng)用， 2015， 31（5）：44-45.

[2] 楊登. 對CRM中數(shù)據(jù)挖掘軟件有效性的評價研究[J]. 現(xiàn)代電子技術(shù)， 2015， 38（23）：114-117.

[3] 曾志華， 李聰. 云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)挖掘方法研究[J]. 計算機(jī)仿真， 2016（3）：339-342.

[4] 徐永清. CRM在高職構(gòu)建就業(yè)信息反饋體系中的應(yīng)用研究[J]. 中國職業(yè)技術(shù)教育， 2015（14）：56-59.

[5] 劉旭， 許曉東， 謝可等. 教學(xué)狀態(tài)數(shù)據(jù)庫系統(tǒng)在高校本科教學(xué)工作合格評估中的應(yīng)用[J]. 高等工程教育研究， 2014（4）：84-88.

[6] 戴琳琳， 謝堯. 高職院校企業(yè)級大數(shù)據(jù)案例教學(xué)平臺的研究—以大數(shù)據(jù)流式計算實踐教學(xué)平臺為例[J]. 遼寧高職學(xué)報， 2014（11）：30-32.

[7] 穆麗文， 彭賢博， 黃嵐. 異構(gòu)復(fù)雜信息網(wǎng)絡(luò)下的異常數(shù)據(jù)檢測算法[J]. 計算機(jī)科學(xué)， 2015， 42（11）：134-137.

[8] 魏大千， 王波， 劉滌塵等. 高維隨機(jī)矩陣描述下的量測大數(shù)據(jù)建模與異常數(shù)據(jù)檢測方法[J]. 中國電機(jī)工程學(xué)報， 2015， 35（S1）：59-66.

[9] 楊登. 對CRM中數(shù)據(jù)挖掘軟件有效性的評價研究[J]. 現(xiàn)代電子技術(shù)， 2015，38（23）：114-117.

[10] 曾志華， 李聰. 云計算環(huán)境下頻繁出現(xiàn)異常數(shù)據(jù)挖掘方法研究[J]. 計算機(jī)仿真， 2016（3）：339-342.endprint