基于apriori算法的關(guān)聯(lián)規(guī)則在高校專業(yè)技術(shù)人員考核中的應(yīng)用

呂亞娟 吳英 杜秋

【摘要】? ? 本論文的研究視角是當前比較熱門的高校專業(yè)技術(shù)人員考核問題，針對高校這一特殊的群體，提出了基于apriori算法的關(guān)聯(lián)規(guī)則在專業(yè)技術(shù)人員考核中應(yīng)用方法，為高校校長和決策機構(gòu)、機關(guān)，提供科學的決策依據(jù)。

【關(guān)鍵字】? ? apriori算法? ? 高校專業(yè)技術(shù)人員? ? 考核

引言

高校專業(yè)技術(shù)人員考核系統(tǒng)，主要包括對專業(yè)技術(shù)人員進行年度和任期考核?？己耸橇私庹莆諏I(yè)技術(shù)人員情況的一個重要手段，同時也是正確實施獎懲和選拔使用專業(yè)技術(shù)人員的必要前提。各個高校每年都要進行專業(yè)技術(shù)人員考核工作，該工作的組織與實施是由學校人事部門來完成。專業(yè)技術(shù)人員考核的實施可以對專業(yè)技術(shù)人員的教育、管理工作起到了良好的推進作用，同時也為人事部門提拔使用專業(yè)技術(shù)人員提供了科學的依據(jù)。從人事干部數(shù)據(jù)庫和職稱考核數(shù)據(jù)庫中進行數(shù)據(jù)挖掘，找出專業(yè)技術(shù)人員工作績效與其職稱、學歷、年齡、學緣結(jié)構(gòu)、任職經(jīng)歷、工作經(jīng)歷等方面的關(guān)聯(lián)。找到專業(yè)技術(shù)人員成長進步和人員整體素質(zhì)的關(guān)系，從而做到合理安排專業(yè)技術(shù)人員，使其始終保持積極向上的工作狀態(tài)，為高校校長和決策機構(gòu)、機關(guān)提供科學的決策依據(jù)。

一、apriori關(guān)聯(lián)規(guī)則算法

在算法的選擇方面，因為我們要從人事干部數(shù)據(jù)庫和職稱考核數(shù)據(jù)庫中挖掘出專業(yè)技術(shù)人員工作績效與干部屬性的關(guān)聯(lián)性，所以應(yīng)該選用關(guān)聯(lián)規(guī)則算法。典型的關(guān)聯(lián)規(guī)則挖掘算法是R.Agralwal等人提出的apriori算法，它有效解決了傳統(tǒng)關(guān)聯(lián)規(guī)則算法中候選項目集大、計算量大等問題，現(xiàn)行的關(guān)聯(lián)規(guī)則算法大多是以apriori為核心，或是其變體，或是其擴展[1]。但是，因為apriori算法在挖掘過程中需要多次掃描數(shù)據(jù)庫，還是會產(chǎn)生大量的候選項目集，針對專業(yè)技術(shù)人員考核的特殊性，提出apriori算法在專業(yè)技術(shù)人員考核中應(yīng)用的改進算法。

二、apriori關(guān)聯(lián)規(guī)則算法及其在人員考核系統(tǒng)中的改進

Apriori關(guān)聯(lián)規(guī)則算法采用apriori-gen函數(shù)產(chǎn)生候選集的方法大大減少了候選項目集的數(shù)量，減少了關(guān)聯(lián)規(guī)則挖掘的計算量，極大地提高了數(shù)據(jù)挖掘的效率，但是對于海量的挖掘數(shù)據(jù)來說，apriori關(guān)聯(lián)規(guī)則算法所帶來的計算量也是驚人的，特別是當事務(wù)和候選項集的數(shù)目非常大時，這種計算方法還是非常昂貴的，例如：假設(shè)算法得到的1項頻繁集的數(shù)量是104，則根據(jù)apriori算法將會產(chǎn)生107個2項候選集，由于2項候選集沒有剪枝，所以所有這些候選集都需要校驗，由此帶來的計算量是驚人的。Apriori算法在大量候選集產(chǎn)生的情況下基本很難運行。

將apriori關(guān)聯(lián)規(guī)則算法應(yīng)用到高校專業(yè)技術(shù)人員考核系統(tǒng)中的目標是找出專業(yè)技術(shù)人員工作績效與人員的職稱、學歷、年齡、學緣結(jié)構(gòu)、任職經(jīng)歷等方面的關(guān)聯(lián)。如果將apriori算法簡單地應(yīng)用到這些關(guān)聯(lián)規(guī)則的挖掘上面，不僅給挖掘工作帶來了驚人的計算量，并且將會產(chǎn)生很多我們不想關(guān)注的關(guān)聯(lián)規(guī)則，例如：

三、結(jié)論

改進后的apriori算法之所以能夠大大減少關(guān)聯(lián)規(guī)則挖掘的計算量，在于它極大地減少了候選頻繁項集的數(shù)量，也就是將大量我們并不想關(guān)注的頻繁項集忽略掉，而只考慮我們關(guān)注的頻繁項集。因為我們要找出專業(yè)技術(shù)人員工作績效與人員的職稱、學歷、年齡、學緣結(jié)構(gòu)、任職經(jīng)歷等方面的關(guān)聯(lián)，所以在候選集以及頻繁項集的生成過程中將考核成績項it作為所有頻繁項集和候選集（除1-項集以外）的子集。下面我們將結(jié)合人員管理數(shù)據(jù)庫使用apriori關(guān)聯(lián)規(guī)則的改進算法對高校專業(yè)技術(shù)人員考核系統(tǒng)進行關(guān)聯(lián)規(guī)則分析。

參? 考? 文? 獻

[1] （美）Olivia Parr Rud著.朱楊勇等譯.數(shù)據(jù)挖掘?qū)嵺`[M].北京：機械工業(yè)出版社，2003.

[2] 蔣孝明. 基于LINQ的人事檔案管理系統(tǒng)的設(shè)計與實現(xiàn)[J]. 計算機與現(xiàn)代化. 2014（03）

[3] 邱瑾，吳丹.協(xié)同信息檢索用戶行為研究方法綜述[J].信息資源管理學報，2012，（01）： 74-81，97.

[4]王培吉，趙玉琳，呂劍峰.基Apriori算法的關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘研究[J]. 統(tǒng)計與決策. 2011（23）