基于SQL Server的關(guān)聯(lián)規(guī)則算法在高校招生中的應(yīng)用

楊麗玲

(漳州職業(yè)技術(shù)學(xué)院 計(jì)算機(jī)工程系, 福建 漳州 363000)

隨著計(jì)算機(jī)互聯(lián)網(wǎng)技術(shù)的發(fā)展，各個高校逐漸實(shí)現(xiàn)了信息化管理，如何從收集到的數(shù)據(jù)中挖掘出有用的信息，從而幫助我們更有效地管理變得越來越重要.在大專院校的招生錄取過程中，如何為那些志愿填報不理想、可又愿意專業(yè)調(diào)劑的考生調(diào)劑到一個較為滿意的專業(yè)，是一個很重要的工作，這關(guān)系著高校的錄取報到率.但是，由于現(xiàn)在的錄取都是通過網(wǎng)絡(luò)進(jìn)行，高校面對的是考生填報院校各個專業(yè)的數(shù)據(jù)信息，而其中的聯(lián)系信息在錄取結(jié)束前是被屏蔽的，導(dǎo)致院校無法與考生直接聯(lián)系.所以，分析當(dāng)年考生填報志愿信息，得出考生有報考傾向的其他專業(yè)對提高考生的報到率具有重要作用.本文主要是在當(dāng)前較為流行的關(guān)系型數(shù)據(jù)庫Microsoft SQl Server 2005下，利用關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)挖掘和分析，找出考生填報專業(yè)間的重要性規(guī)則，挖掘出考生專業(yè)之間的關(guān)聯(lián)關(guān)系，為考生的專業(yè)安排提供一個有力的依據(jù)[1].

1 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘(Data Mining，DM) 是從大量不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，利用自動化或半自動化的工具來分析和挖掘，從而提取出隱含在其中的人們事先不知道，但又有潛在的有用的信息和知識的過程.

基于Microsoft的數(shù)據(jù)庫平臺 SQL Server 2005中的數(shù)據(jù)挖掘組件是數(shù)據(jù)挖掘工具的典型代表，它在商業(yè)智能BI方面提供了集成服務(wù)SSIS、分析服務(wù)SSAS和報表服務(wù)SSRS，并整合到BI DEV Studio的體系結(jié)構(gòu)中.而其中分析服務(wù)提供了強(qiáng)大的多維數(shù)據(jù)分析和處理引擎、多種數(shù)據(jù)挖掘算法，以及功能豐富的服務(wù)器和客戶端組件，可以訪問兩種形式的決策支持機(jī)制：數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理.

本文主要應(yīng)用BI中的SSAS服務(wù)功能對招生過程中的數(shù)據(jù)信息進(jìn)行數(shù)據(jù)挖掘.與傳統(tǒng)數(shù)據(jù)挖掘應(yīng)用程序相比較，它是易于使用的工具，可以幫助我們從任何數(shù)據(jù)源中構(gòu)建數(shù)據(jù)挖掘模型；具有簡單而強(qiáng)大的API，提供了數(shù)據(jù)挖掘擴(kuò)展DMX、XMLA、ADOMD.NET等API進(jìn)行編程，讓用戶可以對算法進(jìn)行改進(jìn)，實(shí)現(xiàn)算法嵌入到用戶的界面系統(tǒng)中；具有7個世界級的數(shù)據(jù)挖掘算法，也可以通過.NET存儲過程和插件算法對其進(jìn)行擴(kuò)展[2].

2 關(guān)聯(lián)規(guī)則

數(shù)據(jù)挖掘的核心就是算法，算法決定了如何分析數(shù)據(jù)挖掘模型的實(shí)例.基于SQL Server 2005的分析服務(wù)提供了七種算法作為挖掘工具，而其中關(guān)聯(lián)規(guī)則算法是用得最頻繁的算法，它提供了一個功能強(qiáng)大的相關(guān)性計(jì)數(shù)引擎，可以執(zhí)行可伸縮的和高效的購物籃分析，因此本文選擇它進(jìn)行數(shù)據(jù)挖掘.

關(guān)聯(lián)規(guī)則是一個滿足支持度和可信度閾值的、只包含蘊(yùn)涵聯(lián)結(jié)詞的一階謂詞邏輯公式，它是隱藏在關(guān)系型數(shù)據(jù)庫中的一種特殊有價值的知識，它是形如X→Y的蘊(yùn)涵式[3].在招生信息中，設(shè)I是由所有的專業(yè)所構(gòu)成的項(xiàng)目集，D是全體事務(wù)集，其中X?I,Y?I,且X∩Y=Φ，則挖掘出專業(yè)X→專業(yè)Y[支持度,可信度]的規(guī)則，從而反映考生專業(yè)之間的頻繁模式、關(guān)聯(lián)、相關(guān)系或因果關(guān)系.其中用支持度、可信度來衡量關(guān)聯(lián)規(guī)則的屬性.

為了發(fā)現(xiàn)有意義的關(guān)聯(lián)規(guī)則，通常還規(guī)定關(guān)聯(lián)規(guī)則必須滿足最小支持度和最小可信度.支持度大于最小支持度的項(xiàng)集稱為頻繁項(xiàng)度.關(guān)聯(lián)規(guī)則挖掘的步驟為：第一步挖掘頻繁項(xiàng)集.第二步基于頻繁項(xiàng)集產(chǎn)生所期望的規(guī)則.關(guān)聯(lián)規(guī)則算法的核心部分就是挖掘頻繁項(xiàng)集[4].

3 Apriori算法

Apriori 算法基本思想就是采用迭代逐層搜索的方法，通過對數(shù)據(jù)庫多次掃描，使用候選項(xiàng)集來尋找頻繁項(xiàng)集.在考生專業(yè)關(guān)聯(lián)規(guī)則的挖掘中，我們通過對考生數(shù)據(jù)庫多次掃描，使用候選項(xiàng)集來尋找頻繁項(xiàng)集，從而生成關(guān)聯(lián)規(guī)則.其遞歸過程是：首先，挖掘出所有大小為1的頻繁項(xiàng)集L1，即報考高校其中一個專業(yè)的項(xiàng)集，并對每個單項(xiàng)的支持度進(jìn)行計(jì)數(shù)，留下支持度大于最小支持度的項(xiàng)；其次基于L1來生成一組大小為2的頻繁項(xiàng)集L2，即同時報考二個專業(yè)的項(xiàng)集，并對每一個生成的候選項(xiàng)集的支持度進(jìn)行計(jì)數(shù)，留下支持度大于最小支持度的項(xiàng)；該算法重復(fù)過程，用L2生成頻繁項(xiàng)集L3，以此類推，直到找到頻繁K-項(xiàng)集.在第k循環(huán)中，通過對兩個只有一個項(xiàng)不同，即只有一個報考專業(yè)不同的屬于Lk-1的頻集做連接來產(chǎn)生Ck，同時由于一個頻繁項(xiàng)集的子集也是頻繁項(xiàng)集，基于此性質(zhì)引入修剪策略，從而由候選項(xiàng)集Ck產(chǎn)生頻繁項(xiàng)集Lk[5].

具體算法如下[6]：

--生成大小為1的頻繁項(xiàng)集，即只報考一個專業(yè)的頻繁項(xiàng)集

L1= { 所有大小為1的頻繁項(xiàng)集的集合}

--產(chǎn)生頻繁項(xiàng)集k-項(xiàng)集

For ( k=1 ; Lk<>Φ; k++)

{ ---利用sql 自連接語句，從頻繁項(xiàng)集Lk中生成候選項(xiàng)集Ck+1

insert into Ck+1

Select x1.a1,x1.a2,…,x1.ak,x2.akfrom Lkas x1, Lkas x2

Where x1.a1=x2.a1and x1.a2=x2.a2and …and x1.ak

;---修剪掉非頻繁項(xiàng)集的項(xiàng)集

For all itemsets c in Ck+1

{ For all k-subsets s of c do

{ If (s is not in Lk) then delete c from Ck+1；} }

---計(jì)算每個項(xiàng)集的支持度

For each transaction t in databases

{ For each candidate c in Ck+1

{ if ct then C(x)++；} }

---排除掉那些支持度小于最小支持度的候選項(xiàng)集

For all c Ck+1

{ If C(x)>minimum_support

Lk+1=Lk∪{ c} }

}

---得到頻繁K-項(xiàng)集

While k>=1 do

{ L=L∪Lk；

k--； }

Return L ;

4 Apriori算法在高校招生中的數(shù)據(jù)挖掘

(1)數(shù)據(jù)預(yù)處理.對2013年的招生數(shù)據(jù)進(jìn)行整理，其中共有考生2482名，每個考生最多可填報6個專業(yè)志愿.整理后的主要表結(jié)構(gòu)見表1、表2：

表1 考生表ks

表2 志愿表zy

其中考生表ks(2842條記錄)，與志愿表zy((7567條記錄)通過列字段考生號ksh建立一對多的聯(lián)系，見圖1.

圖1 考生表ks與志愿表zy的聯(lián)系

(2)關(guān)聯(lián)規(guī)則挖掘模型.以考生表ks為事例表，志愿表zy為嵌套表，指定zymc為鍵和可預(yù)測列，默認(rèn)系統(tǒng)也會將其設(shè)置為輸入列.選擇關(guān)聯(lián)規(guī)則算法作為數(shù)據(jù)挖掘的算法，如圖2.

圖2 關(guān)聯(lián)規(guī)則挖掘模型的構(gòu)建

在關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘時，設(shè)定最小的支持度、項(xiàng)集數(shù)和最小概率后，挖掘出符合條件的項(xiàng)集和規(guī)則，具體如圖3.

圖3 專業(yè)填報的支持度

從第一行記錄可看出有601人填報了公共事務(wù)管理的同時也填報了人力資源管理.

圖4 專業(yè)填報的規(guī)則

在圖4中，第一行記錄顯示了考生填報旅游管理(酒店服務(wù)與管理方向)專業(yè)后填報涉外旅游(涉外酒店管理方向)的概率有54% .在這里我們以重要性為度量規(guī)則.有時有些規(guī)則的概率很高，但有可能該規(guī)則并沒有多大的指導(dǎo)意義.反過來，重要性越高，則規(guī)則越重要.如圖5的關(guān)系依賴網(wǎng)絡(luò)圖所示：

圖5 專業(yè)填報的關(guān)系依賴圖

(3)關(guān)聯(lián)規(guī)則結(jié)果分析.從挖掘結(jié)果中產(chǎn)生強(qiáng)規(guī)則關(guān)系，如考生填報旅游管理(酒店服務(wù)與管理方向)專業(yè)后填報涉外旅游(涉外酒店管理方向)的概率有54% ，而考生填報涉外旅游(涉外酒店管理方向)專業(yè)后填報旅游管理(酒店服務(wù)與管理方向)的概率有89%.通過對兩個專業(yè)的雙向預(yù)測，指導(dǎo)我們對僅填報其中一個專業(yè)且處于調(diào)劑狀態(tài)的考生，將其調(diào)劑到規(guī)則右側(cè)的專業(yè)中，既避免了由于考生志愿填報失誤造成退檔，同時又提高了高校的錄取率.

5 結(jié)束語

在數(shù)據(jù)挖掘中，核心是算法.本文基于數(shù)據(jù)庫平臺 Microsoft SQL Server 2005，結(jié)合BI Development Studio的分析服務(wù)功能SSAS對招生系統(tǒng)中考生報考專業(yè)的合理安排進(jìn)行研究，利用Microsoft關(guān)聯(lián)規(guī)則算法挖掘出考生填報專業(yè)間的規(guī)則，實(shí)現(xiàn)將那些志愿填報不理想又愿意專業(yè)調(diào)劑的考生調(diào)劑到一個較為滿意的專業(yè).

參考文獻(xiàn)：

[1]羅孟華.基于布爾關(guān)聯(lián)規(guī)則Apriori算法的高校決策應(yīng)用的研究[J].電腦知識與技術(shù),2014,10(1):170-171.

[2](美)Zhaohui Tang,Jamie Maclennan.Data Mining With SQL Server 2005[M].北京：清華大學(xué)出版社,2007.

[3]李佐軍.基于關(guān)聯(lián)規(guī)則興趣度挖掘在招生管理中的應(yīng)用[J].臨滄師范高等?？茖W(xué)校學(xué)報,2014,23(1):136-140.

[4]陳麗芳.基于Apriori算法的購物籃分析[J].重慶工商大學(xué)學(xué)報(自然科學(xué)版),2014,31(5):84-88.

[5]李平榮.Apriori算法的研究與改進(jìn)[J].喀什師范學(xué)院報,2014,35(3):35-37.

[6]蘇新寧，楊建林,等.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘[M].北京：清華大學(xué)出版社,2006.