改進的Aprioir算法在獨立學院招生中的應用研究

孫潔 黃承寧

摘要：數(shù)據(jù)挖掘是指通過算法從大量數(shù)據(jù)中挖掘隱藏值和信息的過程。Aprioir算法是數(shù)據(jù)挖掘關聯(lián)規(guī)則中的經(jīng)典算法。它已廣泛應用于網(wǎng)絡安全、商業(yè)、教育等領域。該文研究并改進了Aprioir算法，并將改進后的算法應用于招生信息的數(shù)據(jù)挖掘。通過對高校招生數(shù)據(jù)的深入和詳細的分析和挖掘，發(fā)現(xiàn)高校招生數(shù)據(jù)間的關聯(lián)性，這對招生工作起到指導作用。

關鍵詞：數(shù)據(jù)挖掘；Apriori算法；招生數(shù)據(jù)

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2019）05-0084-02

隨著高等院校招生規(guī)模的增加、高考生源數(shù)量的逐年減少以及二本和三本變?yōu)橥慌握猩?，這些都給獨立學院招生帶來了巨大的壓力。

因為招生決策數(shù)據(jù)量大、涉及面廣，采用基于經(jīng)驗的招生方法，無法保證招生工作的高效性。因此，數(shù)據(jù)挖掘技術可以用來挖掘和分析過去積累的大量招生數(shù)據(jù)，從而發(fā)現(xiàn)數(shù)據(jù)間關聯(lián)關系，獲取有價值的信息，降低招生宣傳的經(jīng)濟成本，提高招生質量，提高了獨立學院的新生入學率。

1 Aprioir算法及算法改進

1.1 Aprioir算法

Apriori算法是基于兩階段頻集思想的遞推算法，是最有影響的挖掘布爾關聯(lián)規(guī)則頻繁項集的算法之一。該關聯(lián)規(guī)則在分類上屬于單維、單層、布爾關聯(lián)規(guī)則[1]。

1.2 Apriori算法的改進

經(jīng)過使用和分析，Apriori算法存在以下問題：

1）在每一步產(chǎn)生候選項目集時，迭代產(chǎn)生的組合過多，不應該參與組合的元素沒有被排除，而迭代過程的候選頻繁項集是在計算機內存中產(chǎn)生、存儲和處理的，這使得算法適應能力較差[2]。

2）每次計算項目集的支持度時，都會掃描和比較數(shù)據(jù)庫中的所有行。當數(shù)據(jù)量較大時，這種掃描會大大增加計算機系統(tǒng)的輸入＼輸出開銷。而這種開銷是隨著數(shù)據(jù)庫的行的増加呈現(xiàn)出幾何級數(shù)的増加。

基于Apriori算法存在的問題，下節(jié)將對該算法的改進行闡述。

1.2.1 Apriori改進算法---數(shù)據(jù)規(guī)模劃分

改進算法的主要思想是將數(shù)據(jù)挖掘的數(shù)據(jù)分為N個規(guī)模大致相同的部分，對每個子部分分別進行數(shù)據(jù)挖掘，最后進行合并。

該算法按照以下步驟完成：

第一步：將數(shù)據(jù)庫劃分為N個部分，每個部門數(shù)據(jù)大致相同；

第二步：毎個子部分將分別產(chǎn)生一組潛在頻繁項目集；

第三步：將這些頻繁項目集合并成一個候選頻繁項目集；

第四步：計算每個候選頻繁項目的支持度，以確定最終頻繁項集[3]。

1.2.2 Apriori改進算法---增加屬性列

將數(shù)據(jù)庫劃分為N個規(guī)模大致相同的子部分后，對每個子部分進行數(shù)據(jù)挖掘。在前一節(jié)中改進算法的第二步中，為每個事務添加一個指定事務包含的項個數(shù)的屬性列。

進一步改進的Apriori算法，其算法思想如下：

第一步：將數(shù)據(jù)庫劃分為N個部分，每個部門數(shù)據(jù)大致相同；

第二步：毎個子部分將分別產(chǎn)生一組潛在頻繁項目集：

1）為事務添加一個指定事務包含的項個數(shù)的屬性列。

2）如果事務包含的項個數(shù)大于或等于N，則計算頻繁N項集；否則將其刪除。

第三步：對單個項目集進行整理和合并，可以得到全部候選頻繁項集。

第四步：計算每個候選頻繁項目的支持度，以確定最終頻繁項集[3]。

在生成頻繁N項集時，Apriori算法需要全部事務來驗證候選N項集，而事務長度大于或等于N的事務才屬于頻繁N項集，反之則不屬于[4]。改進的Apriori算法只保留事務長度大于或等于N的事務，并在這些事務中搜索頻繁N項集[5]。

2 數(shù)據(jù)準備

2.1 數(shù)據(jù)分析

改進算法后，基于院校的需求，對招生數(shù)據(jù)進行數(shù)據(jù)清洗和數(shù)據(jù)挖掘，下面對部分數(shù)據(jù)做簡要描述：

1）考生基本情況表：主要包括考生號、姓名、性別、出生年月、考生類別、考生戶口所在地區(qū)、考試類別等內容。

2）成績與志愿信息表：主要包括高考成績、投檔成績、填報專業(yè)、退檔原因、錄取專業(yè)等內容。

3）專業(yè)計劃庫代碼對照表：主要包括批次、科類代碼、投檔單位、專業(yè)代號、專業(yè)名稱、專業(yè)種類、計劃人數(shù)、計劃執(zhí)行數(shù)等內容。

4）考生類別代碼對照表：主要類別包括：農村應屆、農村往屆、城鎮(zhèn)應屆和城鎮(zhèn)往屆。

5）考生報到情況表：主要包括考生號、姓名、報到情況代碼、報到情況等內容。

2.2 數(shù)據(jù)清洗

針對招生信息，主要從以下幾個方面對數(shù)據(jù)進行清洗：

1）有效性檢驗。檢驗數(shù)據(jù)是否在合理的有效范圍。例如性別只能為“男”或者“女”等。

2）刪除字段。例如視力、健康狀況等字段雖說很重要，但如果作為數(shù)據(jù)挖掘的數(shù)據(jù)源，卻不合適，而且還要浪費資源，對于這樣的數(shù)據(jù)應該刪除。

3）轉換字段。比如各省的高考成績組成不同，使用成績來表示高或者低是不合理的，可對其分區(qū)間，例如在不同范圍內認為是成績差，成績中，成績良和成績優(yōu)。再比如考生生源地，可采用編號來代替字符描述，例如01表示云南省，02表示四川省等等。

4）統(tǒng)一數(shù)據(jù)。因為不同地區(qū)的考生數(shù)據(jù)有不一致的情況，需要將類似的字段進行統(tǒng)一。

3 招生信息數(shù)據(jù)挖掘

3.1 數(shù)據(jù)挖掘步驟

改進后的Apriori算法應用到招生信息數(shù)據(jù)挖掘中分四個步驟：

1）將原始數(shù)據(jù)進行清洗。

2）將清洗好的數(shù)據(jù)輸入數(shù)據(jù)挖掘系統(tǒng)，設定最小支持度。

3）使用改進的Apriori算法對清洗好的招生信息進行挖掘，保存計算得到的頻繁項集。

4）分析數(shù)據(jù)挖掘的結果。

3.2 數(shù)據(jù)挖掘結果分析

1）高考成績與報到率的聯(lián)系

分析結果顯示：2018年該學院錄取的考生中以某省為例，報到率較高分數(shù)集中在最低檔（將高考成績按照分數(shù)分為四檔，分別是最低檔、中等檔、良好檔和優(yōu)秀檔）。

2）專業(yè)與報到率的聯(lián)系

分析結果顯示：2018年該學院錄取的43個專業(yè)中，計算機科學與技術、財務管理、軟件工程、機械工程、土木工程等專業(yè)報到率較高，均達到96%以上。

3）考生生源與報到率的聯(lián)系

分析結果顯示，2018年該學院共在23個省投放置招生計劃，其中省份編號為19、20、21、22、23的考生報到率較高，均在97%以上。

綜上所述，通過以上的數(shù)據(jù)挖掘結果，對獨立院校招生錄取工作提出幾點建議：

1）高考分數(shù)偏低的生源報到率反而較高，針對這一現(xiàn)象，學院應該采取一些鼓勵高分學生的措施，例如，高分可保證第一志愿錄取等，以降低優(yōu)質生源的流失率，從而提高在校學生的整體素質。與此同時學校在錄取時，在給分數(shù)偏低的學生退檔時要慎重選擇，否則會影響學校的報到率。

2）生源地不同，報到率也不同，報到率偏低的幾個省份大多都是生源大省，每年高考高分的學生也較多，學校應該加強對這些省份的招生宣傳力度，讓更多的考生了解學校的特色和優(yōu)勢，愿意報考學校，減少優(yōu)質生源的流失。

3）學校錄取專業(yè)中經(jīng)濟學和管理學等專業(yè)的報到率稍偏低，工學的學生報到率較高，學校應依據(jù)市場需求和考生需求對專業(yè)設置和招生人數(shù)做動態(tài)調整，從而降低學生的流失率。

4）學校要關注高考低分段但被錄取為工學專業(yè)或報到率高的生源地學生，要穩(wěn)定這部分報到率較高的生源，防止其流失。

參考文獻：

[1] 姜鑫.數(shù)據(jù)挖掘技術在水電廠主設備狀態(tài)檢修中的應用研究[J].水電廠自動化，2014（4）.

[2] 陳立寧. 一種用于預估MOCVD工藝結果的改進方法[J]. 電子工業(yè)專用設備，2015（8）：10-14.

[3] 李橋.數(shù)據(jù)挖掘在教學質量評價中的應用研究[D]. 長沙：中南大學，2010.

【通聯(lián)編輯：光文玲】