可拓傳導知識挖掘系統(tǒng)的設(shè)計與實現(xiàn)

葉廣仔 李衛(wèi)華 劉曉蔚

1(東莞職業(yè)技術(shù)學院計算機工程系 廣東 東莞 523808) 2(廣東工業(yè)大學計算機學院 廣東 廣州 510006) 3(東莞職業(yè)技術(shù)學院管理科學系 廣東 東莞 523808)

0 引 言

事物之間存在各種各樣的相關(guān)關(guān)系，一個變換除了導致其作用對象產(chǎn)生改變外，由于傳導作用，會導致與其相關(guān)的對象改變。這些變化有正面的，有助于決策者處理矛盾問題；也有負面的，影響決策者處理矛盾問題。

如果能從已有的數(shù)據(jù)庫中挖掘到有關(guān)這些傳導變換[1]的傳導知識[2]，就可以根據(jù)這些知識幫助決策者利用傳導變換的正面作用，避免傳導變換的負面作用。但是，單靠人力去挖掘傳導知識，其效率低且難以實現(xiàn)及推廣。因此，提出利用計算機技術(shù)協(xié)助人們完成這個任務(wù)。可拓傳導知識挖掘系統(tǒng)結(jié)合可拓數(shù)據(jù)挖掘技術(shù)[3]、數(shù)據(jù)庫技術(shù)、可視化技術(shù)而形成的人工智能系統(tǒng)，可挖掘動態(tài)的傳導知識。

自從可拓學的創(chuàng)立者蔡文研究員1983年發(fā)表了處理不相容問題的首篇論文以后，逐步開始建立不相容問題求解的基礎(chǔ)理論與方法，探索了一套形式化定量化方法處理不相容問題的規(guī)律和方法。并在2004年提出可拓數(shù)據(jù)挖掘[4]，經(jīng)過十多年的研究和探索，初步形成一套挖掘可拓知識的基本理論以及基本方法[5]。用可拓學的理論和方法，去挖掘數(shù)據(jù)庫中與解決矛盾問題的變換有關(guān)的知識，包括可拓分類知識、傳導知識以及其他有關(guān)變換的知識，統(tǒng)稱可拓知識[6]。根據(jù)“中國知網(wǎng)”數(shù)據(jù)統(tǒng)計，2010年至今研究并發(fā)表的“可拓數(shù)據(jù)挖掘”相關(guān)文獻共43篇，主要涉及可拓數(shù)據(jù)挖掘的理論研究、方法研究以及應(yīng)用研究等領(lǐng)域。

近幾年可拓數(shù)據(jù)挖掘的應(yīng)用及其計算機實現(xiàn)逐漸引起學者重視，如文獻[7]通過可拓數(shù)據(jù)挖掘方法實現(xiàn)了對黃河三角洲土地利用的評價；文獻[8]以CPI指數(shù)的變換對產(chǎn)品銷售數(shù)據(jù)的影響為例來研究傳導知識的挖掘；文獻[9]進行了客戶價值可拓知識挖掘軟件研究；文獻[10]開展了可拓數(shù)據(jù)挖掘技術(shù)在煤礦瓦斯預(yù)警中的應(yīng)用研究。上述文獻主要通過可拓數(shù)據(jù)挖掘方法針對某個特定問題或領(lǐng)域進行獨立的研究，未能形成具有通用性的可拓數(shù)據(jù)挖掘平臺。為此，本文可拓數(shù)據(jù)挖掘系統(tǒng)開展以下三方面的創(chuàng)新性研究：

(1) 在可拓數(shù)據(jù)挖掘方法的基礎(chǔ)上，設(shè)計傳導知識以及可拓分類知識的挖掘流程及算法，研究傳導知識以及可拓分類知識挖掘的計算機實現(xiàn)。

(2) 利用數(shù)據(jù)庫技術(shù)，對不同領(lǐng)域的“原始數(shù)據(jù)庫”，通過人機交互動態(tài)生成相應(yīng)的“傳導效應(yīng)庫”、“傳導信息元庫”、“可拓分類庫”以及“可拓分類知識庫”，提高系統(tǒng)的靈活性及通用型。

(3) 采用MVC架構(gòu)模式，使用開源軟件WAMP技術(shù)平臺對系統(tǒng)進行開發(fā)及部署，提升用戶交互能力及系統(tǒng)模塊化程度，降低開發(fā)以及運維成本，有利于系統(tǒng)的應(yīng)用推廣。

此外，本文以某學院出臺的科研績效分配制度對教師工作影響程度進行定“量”和定“性”分析為應(yīng)用案例。結(jié)果表明支持度及可信度較高的傳導知識，有效地幫助院校管理層從量上了解某策略對教師科研及教學工作量產(chǎn)生正面或負面影響的程度。

1 可拓傳導知識挖掘系統(tǒng)的知識挖掘流程

可拓傳導知識挖掘系統(tǒng)實現(xiàn)了從原始數(shù)據(jù)庫挖掘出傳導度知識及可拓分類知識[11]的功能，如圖1所示。

圖1 可拓傳導知識挖掘系統(tǒng)流程圖

主要包含以下步驟：

(1) 對原始數(shù)據(jù)庫中數(shù)據(jù)進行預(yù)處理，并對相關(guān)信息進行基元表示，根據(jù)變換前后的數(shù)據(jù)形成“基礎(chǔ)信息元庫”；

(2) 計算“基礎(chǔ)信息元庫”中信息元的傳導效應(yīng)[3]，生成“傳導效應(yīng)庫”，排除傳導效應(yīng)小的對象特征，形成“傳導信息元庫”；

(3) 計算傳導信息元的傳導度[3]，獲取變換關(guān)于信息元的傳導度及傳導度區(qū)間，形成“傳導度知識庫”；

(4) 建立關(guān)聯(lián)函數(shù)[3]并計算傳導信息元變換前后的關(guān)聯(lián)度、關(guān)聯(lián)差及關(guān)聯(lián)積[3]，生成“可拓分類庫”；

(5) 計算各種可拓分類的支持度及可信度[3]，挖掘出傳導信息元的可拓分類知識，形成“可拓分類知識庫”。

2 可拓傳導知識挖掘系統(tǒng)的數(shù)據(jù)庫及框架設(shè)計

可拓傳導知識挖掘系統(tǒng)通過可拓傳導知識挖掘方法，挖掘主動變換[12]的傳導對象、傳導特征量值變化、傳導度以及可拓分類[13]等傳導知識，為決策者提供更量化的參考依據(jù)。系統(tǒng)可根據(jù)不同的原始數(shù)據(jù)庫，動態(tài)生成“傳導效應(yīng)庫”、“傳導信息元庫”、“可拓分類庫”以及“可拓分類知識庫”，從而提高系統(tǒng)的靈活性及通用型。下面對系統(tǒng)的數(shù)據(jù)庫及系統(tǒng)框架進行設(shè)計，以確定其數(shù)據(jù)庫結(jié)構(gòu)以及業(yè)務(wù)功能模塊。

2.1 系統(tǒng)的數(shù)據(jù)庫設(shè)計

可拓傳導知識挖掘系統(tǒng)使用MySQL數(shù)據(jù)庫管理系統(tǒng)對信息數(shù)據(jù)進行管理，主要包含原始數(shù)據(jù)庫、基礎(chǔ)信息元庫、傳導效應(yīng)庫、傳導信息元庫、傳導度知識庫、傳導分類庫以及可拓分類知識庫等。其中，除原始數(shù)據(jù)庫外，其他數(shù)據(jù)庫通過可拓傳導知識挖掘系統(tǒng)在可拓知識挖掘過程中通過人機交互動態(tài)生成，使系統(tǒng)具有良好的通用性。下面以基礎(chǔ)信息元庫及傳導分類庫為例介紹可拓傳導知識挖掘系統(tǒng)的數(shù)據(jù)庫設(shè)計：

(1) 基礎(chǔ)信息元庫：用于存儲傳導變換前后的信息元數(shù)據(jù)，其字段的個數(shù)、名稱及類型來源于“原始數(shù)據(jù)庫”，結(jié)構(gòu)相對固定，如表1所示。

表1 教師基礎(chǔ)信息元庫結(jié)構(gòu)

(2) 可拓分類庫：如表2所示，“可拓分類庫”的字段個數(shù)、名稱及類型受“傳導信息元庫”影響，結(jié)構(gòu)不固定。其中，t_id、d_year、t_research_workload、t_teaching_workload等4個字段來源于“基礎(chǔ)信息元庫”。其他字段通過可拓傳導知識挖掘系統(tǒng)動態(tài)生成，用于存儲傳導信息元變換前后的關(guān)聯(lián)度、關(guān)聯(lián)差、關(guān)聯(lián)積以及可拓分類等信息。

表2 教師工作量可拓分類庫結(jié)構(gòu)

2.2 系統(tǒng)的MVC框架模式設(shè)計

可拓傳導知識挖掘系統(tǒng)采用MVC[14]架構(gòu)模式，提升用戶交互能力及系統(tǒng)模塊化程度。使用開源軟件的WAMP技術(shù)平臺進行開發(fā)及部署，在一定程度上降低了開發(fā)以及運維成本，有利于系統(tǒng)的應(yīng)用推廣。

可拓傳導知識挖掘系統(tǒng)通過MVC[15]框架模式實現(xiàn)業(yè)務(wù)邏輯、數(shù)據(jù)、界面顯示的有效分離，系統(tǒng)由視圖層、控制層以及模型層等3層模塊組成。如圖2所示，其中視圖層通過html5+css3+bootstrap技術(shù)實現(xiàn)數(shù)據(jù)顯示及用戶請求提交；控制層采用jQuery+Ajax技術(shù)獲取視圖層用戶輸入數(shù)據(jù)，并向調(diào)用模型層業(yè)務(wù)模型；模型層利用PHP技術(shù)完成業(yè)務(wù)邏輯處理及數(shù)據(jù)庫存儲。

圖2 MVC框架模式設(shè)計

3 可拓傳導知識挖掘系統(tǒng)的原理介紹

下面通過某學院制定的科研績效分配制度對教師工作量產(chǎn)生的傳導變換為例，介紹可拓傳導知識挖掘系統(tǒng)知識挖掘的相關(guān)原理。

3.1 數(shù)據(jù)記錄的信息元表示

可拓傳導知識挖掘系統(tǒng)通過信息元[16]表示數(shù)據(jù)庫中的數(shù)據(jù)記錄。利用教師信息元表示“基礎(chǔ)信息元庫”中教師1在t0年份的信息表示為：

同理，對于具有m個屬性字段n位教師q年數(shù)據(jù)記錄的“基礎(chǔ)信息元庫”通過信息元集合表示為：

{Iij(tp)}={(Oi(tp),cj,vij(tp)),i=1,2,…,n;j=1,2,…,m;p=1,2,q}

3.2 主動變換及傳導變換

本案例中，科研信息元I0(t0)=(O0(t0),c,v(t0))=(科研(t0),分值,0元/分) ，發(fā)生主動變換φ，即實行科研績效分配制度后，產(chǎn)生變化為：φI0(t0)=I0(tp)=(O0(tp),c,v(tp))=(科研(t0),分值,10元/分),p∈{1,2,3}。

其中，t0=2012，為主動變換前的年份，t1=2013,t2=2014,t3=2015為主動變換后的年份。

由于事物之間的相關(guān)性，科研信息元發(fā)生主動變換會導致與其相關(guān)的信息元產(chǎn)生傳導變換。如教師信息元Iij(t)在科研信息元主動變換影響下，產(chǎn)生的變化屬于傳導變換，可表示為I0TIijIij(t0)=Iij(tp)，i∈{1,2,…,n}，j∈{1,2,…,m}，p∈{1,2,…,q}。

3.3 傳導效應(yīng)計算

為了分析科研信息元I0(t0)發(fā)生主動變換φ是否導致教師信息元Iij(t0)產(chǎn)生傳導變換I0TIij，需要計算教師信息元的各個特征cj是否發(fā)生變化，即是否產(chǎn)生傳導效應(yīng)。傳導效應(yīng)的計算機公式為：

Δvij=vij(tp)-vij(t0)tp>t0

(1)

以教師信息元t_research_workload特征為例，計算2013年的傳導效應(yīng)：

I17(t0)=(教師1(t0),c7,v17(t0))=(教師1(t0),t_research_workload,1 775),I17(t1)=(教師1(t1),c7,v17(t1))=(教師1(t1),t_research_workload,2 614),Δvij=vij(tp)-vij(t0)=2 614-1 775=839>0，可見，科研信息元發(fā)生主動變換后導致教師信息元產(chǎn)生傳導變換。

3.4 傳導度計算

在獲取傳導信息元集后，可通過可拓傳導知識挖掘系統(tǒng)計算主動變換φ對傳導信息元Iij的傳導度，以了解科研信息元I0(t)的主動變換對教師信息元Iij(t)傳導特征的影響程度。

傳導度的計算公式：

(2)

根據(jù)I0(tp)=(科研(t),分值,v(tp))，有p=0時，v(tp)=0；p=1,2,3時，v(tp)=10。代入公式有：

(3)

3.5 關(guān)聯(lián)度計算

可拓傳導知識挖掘系統(tǒng)可通過計算傳導變換前后傳導特征的關(guān)聯(lián)度，從而挖掘數(shù)據(jù)庫中的可拓分類知識。以科研量c7及教學量c8兩個特征為例，由于最優(yōu)值為取值范圍內(nèi)的最大值，所以選取最優(yōu)點為右端的簡單關(guān)聯(lián)函數(shù)計算關(guān)聯(lián)度：

(4)

根據(jù)基礎(chǔ)信息元庫，變換前后科研量c7的取值范圍：vi7∈[0,8 728]，代入式(4)可得科研量c7關(guān)聯(lián)度計算公式：

(5)

變換前后教師教學量c8的取值范圍：vi8∈[60,1 015]，代入式(4)可得科研量c8關(guān)聯(lián)度計算公式：

(6)

3.6 可拓分類標準表

經(jīng)過計算傳導變換前后傳導特征的關(guān)聯(lián)度、關(guān)聯(lián)差、關(guān)聯(lián)積，可根據(jù)表3所示的傳導信息元可拓分類標準對信息元進行分類，從而對信息元進行可拓分類。

表3 傳導信息元可拓分類標準表

表3中，k(vij(t0))為傳導變換前傳導特征關(guān)聯(lián)度，k(vij(tp))為傳導變換后傳導特征關(guān)聯(lián)度，α(vij(tp))為傳導變換前后傳導特征的關(guān)聯(lián)差，β(vij(tp))為傳導變換前后傳導特征的關(guān)聯(lián)積。例如：

當k(vij(t0))<0且β(vij(tp))≤0，表示傳導信息元發(fā)生了正質(zhì)變；

當k(vij(tp))<0且β(vij(tp))≤0，表示傳導信息元發(fā)生了負質(zhì)變。

3.7 支持度和可信度計算

可拓傳導知識挖掘系統(tǒng)可通過支持度和可信度[17]計算來確定“正質(zhì)變”、“負質(zhì)變”等7種分類的重要程度和準確程度，從而挖掘出傳導信息元的可拓分類知識。譬如，關(guān)于傳導特征cj正量變增效變換的支持度和可信度計算公式為：

(7)

關(guān)于傳導特征cj正量變減效變換知識支持度和可信度的計算公式：

(8)

式中：|{I}|為傳導信息元總數(shù)，|E-|為負域內(nèi)信息元的個數(shù)，|E+|為正域內(nèi)信息元的個數(shù)，|E+(T)|為產(chǎn)生正量變增效變換信息元的個數(shù)，|E-(T)|為產(chǎn)生正量變減效變換信息元的個數(shù)。

4 可拓傳導知識挖掘系統(tǒng)的案例實現(xiàn)

某學院2013年制定以下科研績效分配制度：把科研成果按質(zhì)量及數(shù)量折算為“分”，每年進行一次科研工作量統(tǒng)計。經(jīng)考核，完成科研工作量者，按超出分數(shù)每1 分 10 元的標準給予獎勵，否則扣發(fā)獎勵津貼。在上述科研績效分配制度的影響下，教師信息元產(chǎn)生怎樣的傳導變換，下面通過可拓傳導知識挖掘系統(tǒng)進行相關(guān)知識挖掘。

4.1 數(shù)據(jù)預(yù)處理

對于教師原始信息表中34名教師4年共136條信息記錄。為了避免干擾數(shù)據(jù)對知識挖掘的影響，首先去除2012年至2015年存在數(shù)據(jù)缺省或歷年數(shù)據(jù)都為0的教師記錄，形成圖3主動變換前后“基礎(chǔ)信息元庫”。

圖3 基礎(chǔ)信息元庫

4.2 計算傳導效應(yīng)，獲取傳導信息元集

本案例中，特征t_id為教師工號，d_year為數(shù)據(jù)年份不進行傳導效應(yīng)計算，其余對象特征的傳導效應(yīng)根據(jù)式(1)計算結(jié)果如圖4所示。

圖4 傳導效應(yīng)庫

圖4中，t_name，t_gender，t_birthday與t_academic_degree共4個特征的傳導效應(yīng)為0，即2013年至2015年與2012年的特征量值沒有發(fā)生變化。t_professional_title特征11個教師發(fā)生變化，支持度較低只有30%，因此上述5個特征為非傳導特征。而科研工作量t_research_workload和教學工作量t_teaching_workload兩個特征在主動變換φ影響下90%以上特征量值發(fā)生變化，稱為傳導特征。去除非傳導特征，保留傳導特征，生成如圖5傳導信息元庫，稱Iφ(Iij)={Iij(tp)}={(Oi(tp),cj,vij(tp)),i=1,2,…,34;j=7,8;p=1,2,3}為傳導信息元集。

圖5 傳導信息元庫

4.3 挖掘變換關(guān)于信息元的傳導度知識

根據(jù)式(3)，在圖6界面中，輸入科研工作原始分值0，主動變換后分值10。經(jīng)傳導度計算，獲得如圖7所示的教師信息元Iij(t)、科研工作量c7及教學工作量c8的傳導度。如第1條記錄所示，2013年教師1關(guān)于傳導特征c7的傳導度γ17(t1)為84，關(guān)于傳導特征c8的傳導度γ18(t1)為13。

圖6 傳導度計算參數(shù)設(shè)置界面

圖7 傳導度知識庫

在圖6中輸入的科研工作量閾值δ7=50以及教學工作量閾值δ8=10，計算出集合{Ii7}={(Oi(tp),c7,vi7(tp)),i=1,2,…,34;p=1,2,3}中|{Ii7}|=|vi7(tp)-vi7(t0)|≥50信息元的個數(shù)為97，以及信息元{Ii8}={(Oi(tp),c8,vi8(tp)),i=1,2,…,34;p=1,2,3}中|{Ii8}|=|vi8(tp)-vi8(t0)|≥10信息元的個數(shù)為98。

結(jié)合圖3基礎(chǔ)信息元庫，可獲得圖7傳導知識庫所示兩條傳導度知識：

(1) 若信息元Ii7，滿足條件L:vi7∈[0,8 728]，則有：

[φI0(t0)=I0(tp)]∧(Ii7L)?

此知識表示：在主動變換科研工作分值從0元/分提高到10元/分后，屬于[0,8 728]范圍的教師科研工作量傳導度取值范圍為[-286,664]，其樣本數(shù)為102，可信度為97/102，即教師科研工作量產(chǎn)生傳導變化的可信度為95.10%。

(2) 若信息元Ii8，滿足條件L:vi8∈[60,1 015]，則有：

[φI0(t0)=I0(tp)]∧(Ii8L)?

此知識表示：在主動變換科研工作分值從0元/分提高到10元/分后，屬于[60,1 015]范圍的教師教學工作量傳導度取值范圍為[-58,34]，其樣本數(shù)為102，可信度為98/102，即教師教學工作量產(chǎn)生傳導變化的可信度為96.08%。

4.4 挖掘傳導信息元的可拓分類知識

可拓傳導知識挖掘系統(tǒng)除可挖掘教師信息元Iij(t)的傳導度知識外，還可通過計算傳導變換前后傳導特征的關(guān)聯(lián)度、關(guān)聯(lián)差以及關(guān)聯(lián)積，以劃分傳導信息元發(fā)生量變或質(zhì)變變換的具體類型，及其支持度和可信度。

4.4.1 計算傳導信息元的關(guān)聯(lián)度

圖8 關(guān)聯(lián)度計算界面

經(jīng)計算得出圖8傳導信息元Iij(t)變換前后的關(guān)聯(lián)度情況。如第1條記錄所示，教師1關(guān)于傳導特征c7在2013年(變換后)的關(guān)聯(lián)度為0.285 747，在2012年(變換前)的關(guān)聯(lián)度為0.189 62；教師1關(guān)于傳導特征c8在2013年(變換后)的關(guān)聯(lián)度為0.067 015 7，在2012年(變換前)的關(guān)聯(lián)度為-0.064 921 5。

4.4.2 計算傳導信息元的關(guān)聯(lián)差以及關(guān)聯(lián)積

根據(jù)圖8計算所得的關(guān)聯(lián)度，可通過公式：α(vij)=k(vij(tp))-k(vij(t0))以及β(vij)=k(vij(tp))×k(vij(t0))，i∈{1,2,…,34},j∈{7,8}，p∈{1,2,3}。分別計算教師信息元Iij(t)的關(guān)聯(lián)差以及關(guān)聯(lián)積。其中，圖9第1條記錄表示：教師1關(guān)于傳導特征c7在2013年的關(guān)聯(lián)差為0.096 127，關(guān)聯(lián)積為0.054 183 3；關(guān)于傳導特征c8在2013年的關(guān)聯(lián)差為0.131 937，關(guān)聯(lián)積為-0.004 350 76。

圖9 傳導關(guān)聯(lián)差及關(guān)聯(lián)積表

4.4.3 分析傳導信息元的可拓分類

通過圖8和圖9所得的教師傳導信息元的變換前關(guān)聯(lián)度k(vij(t0))、變換后關(guān)聯(lián)度k(vij(tp))、關(guān)聯(lián)差α(vij(tp))以及關(guān)聯(lián)積β(vij(tp))的取值，根據(jù)表3提供的可拓分類標準表，可對教師傳導信息元進行可拓分類計算。

如圖10所示，第1條記錄表示：教師1關(guān)于傳導特征c7在2013年的可拓分類為“正量變增效變換”，關(guān)于傳導特征c8在2013年的可拓分類為“正質(zhì)變”。

圖10 可拓分類庫

4.4.4 獲取傳導信息元的可拓分類知識

根據(jù)圖10可拓分類庫，關(guān)于傳導特征c7的傳導信息元總數(shù)|{Ii7(tp)}|為102，其中負域|E-|的信息元個數(shù)為27，正域|E+|的信息元個數(shù)為75。通過可拓傳導知識挖掘系統(tǒng)的統(tǒng)計及分析，可得圖11所示的科研工作量可拓分類知識庫。以第3條記錄為例，在傳導變換T作用下，關(guān)于特征c7的傳導信息元中發(fā)生正量變增效變換|E+(T)|的個數(shù)為51，代入式(7)計算其產(chǎn)生正量變增效變換的支持度和可信度：

(73.53%,68.00%)

圖11 科研工作量可拓分類知識庫

此可拓分類知識表示：科研績效分配制度出臺前教師能夠完成科研基本工作量120分。在科研績效分配制度出臺后科研工作量有了進一步的提升，此規(guī)則的支持度與可信度分別為73.53%與68.00%。這條知識是7種可拓分類知識中重要程度和準確程度綜合最高的一條知識。同理，可計算其他6種可拓分類知識。

根據(jù)圖10可拓分類庫，關(guān)于傳導特征c8的傳導信息元中總數(shù)|{Ii8(tp)}|為102，其中負域|E-|的信息元個數(shù)為15，正域|E+|的信息元個數(shù)為87。通過可拓傳導知識挖掘系統(tǒng)的數(shù)據(jù)挖掘可得圖12所示的科研工作量可拓分類知識庫。以第4條記錄為例，在傳導變換T作用下，關(guān)于特征c8的傳導信息元中發(fā)生正量變減效變換|E-(T)|的個數(shù)為68，代入式(8)計算其產(chǎn)生正量變減效變換的支持度和可信度：

(85.29%,78.16%)

圖12 教學工作量可拓分類知識庫

此可拓分類知識表示：科研績效分配制度出臺前，教師能夠完成教學基本工作量320分。在科研績效分配制度出臺后，雖然仍然能夠完成教學基本工作量，但工作量有所減少，此規(guī)則的支持度與可信度分別為85.29%與78.16%。這條知識是7種可拓分類知識中重要程度和準確程度綜合最高的一條知識。同理，可計算其他6種可拓分類知識。

綜合上述可拓傳導知識挖掘系統(tǒng)獲得的傳導度知識及可拓分類知識，可得出在科研績效分配制度這一主動變換影響下，教師科研工作量有了明顯的提升，但教師教學工作量卻出現(xiàn)一定程度的下降，教師的工作重心由教學向科研工作傾斜。

5 結(jié) 語

本文實現(xiàn)的可拓傳導知識挖掘系統(tǒng)在設(shè)計上，引入jQuery及bootstrap技術(shù)實現(xiàn)Web前端開發(fā)提升了用戶交互體驗。通過MVC框架模式有效地分離業(yè)務(wù)邏輯、數(shù)據(jù)、界面顯示，提升系統(tǒng)開發(fā)及維護的效率。在系統(tǒng)功能上，對原始數(shù)據(jù)庫的信息進行基元表示，計算傳導效應(yīng)，生成“傳導效應(yīng)庫”；計算傳導度，生成“傳導知識庫”； 計算關(guān)聯(lián)度、關(guān)聯(lián)差、關(guān)聯(lián)積，生成“可拓分類庫”；計算支持度及可信度，生成“可拓分類知識庫”。設(shè)計的可拓傳導知識以及可拓分類知識挖掘流程及算法，具有良好的通用性，為可拓數(shù)據(jù)挖掘在數(shù)據(jù)挖掘領(lǐng)域的進一步發(fā)展打下良好基礎(chǔ)。

本系統(tǒng)通過在高校教師工作量中的具體應(yīng)用，挖掘支持度及可信度較高的傳導知識，幫助管理層從量上了解某策略對教師科研及教學工作量產(chǎn)生正面或負面影響的程度，以便制定出有效的調(diào)控策略。下一步將對可拓聚類知識挖掘、基于知識庫的可拓知識挖掘[12]、基于可拓數(shù)據(jù)挖掘的可拓策略生成[18-19]等問題展開深入研究。

[1] 李小妹,楊春燕,李衛(wèi)華.成品油稅費改革對股票市場影響的傳導知識挖掘[J].計算機應(yīng)用研究,2010,27(8):2865-2868.

[2] 李忠,陳新房,于國卿,等.基于可拓數(shù)據(jù)挖掘的黃河開河日期預(yù)測模型[J].水電能源科學,2013,31(9):1-3,19.

[3] 蔡文,楊春燕,陳文偉,等.可拓集與可拓數(shù)據(jù)挖掘[M].北京:科學出版社,2008.

[4] 李立希,李鏵汶,楊春燕.可拓學在數(shù)據(jù)挖掘中的應(yīng)用初探[J].中國工程科學,2004,6(7):53-59.

[5] 楊春燕,蔡文.基于可拓集的可拓分類知識獲取研究[J].數(shù)學的實踐與認識,2008,38(16):184-191.

[6] 楊春燕,蔡文.可拓數(shù)據(jù)挖掘研究進展[J].數(shù)學的實踐與認識,2009,39(4):134-141.

[7] 王建林,楊印生,王學玲.基于可拓數(shù)據(jù)挖掘的黃河三角洲土地利用評價[J].吉林大學學報(工學版),2012,43(1):479-483.

[8] 李小妹.CPI指數(shù)變換對產(chǎn)品銷售影響的可拓數(shù)據(jù)挖掘[J].數(shù)學的實踐與認識,2009,39(4):178-183.

[9] 朱伶俐,李衛(wèi)華,李小妹.客戶價值可拓知識挖掘軟件研究[J].廣東工業(yè)大學學報,2012,29(4):7-13.

[10] 王志光.可拓數(shù)據(jù)挖掘技術(shù)在煤礦瓦斯預(yù)警中的應(yīng)用[J].中州煤炭,2013(4):90-92.

[11] 葉廣仔,李衛(wèi)華,劉曉蔚.可拓分類知識挖掘系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機應(yīng)用與軟件,2017,34(1):328-333.

[12] 方耀楣,何萬篷.可拓數(shù)據(jù)挖掘在高校教學質(zhì)量評價中的應(yīng)用[J].數(shù)學的實踐與認識,2009,39(4):82-87.

[13] 楊春燕,李小妹,陳文偉,等.可拓數(shù)據(jù)挖掘方法及其計算機實現(xiàn)[M].北京:科學出版社,2010.

[14] 李志,賈克斌,李真真,等.基于.NET MVC架構(gòu)的網(wǎng)上珠寶銷售系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機應(yīng)用與軟件,2013,30(3):186-192.

[15] 唐永瑞,張達敏.基于Ajax與MVC模式的信息系統(tǒng)的研究與設(shè)計[J].電子技術(shù)應(yīng)用,2014,40(2):128-131.

[16] 楊春燕,蔡文.可拓學[M].北京:科學出版社,2014.

[17] 葉廣仔,李衛(wèi)華.可拓數(shù)據(jù)挖掘在教師科研考核評價中的應(yīng)用[J].數(shù)學的實踐與認識,2015,45(12):53-59.

[18] 葉廣仔,李衛(wèi)華,李淑飛.可拓策略生成系統(tǒng)的構(gòu)件化設(shè)計與實現(xiàn)[J].智能系統(tǒng)學報,2010,4(4):366-371.

[19] 李衛(wèi)華,楊春燕.結(jié)合HowNet的可拓策略生成軟件研制[J].科技導報,2014,32(36):32-36.