[发明专利]一种基于行为时序权重的分布式FP-Growth成绩预警模型

权利要求书

1.一种基于行为时序权重的分布式FP-Growth成绩预警方法，其特征在于，包括：

使用关联规则挖掘成绩信息方法，用于将学生在网络上行为特征进行分类，结合不同时间段以及学生信息生成学生样本数据；

使用行为时序权重提高预测准确度，用于对于任意未知学生，提取其行为数据和附加属性，与强关联规则进行对比，然后得出其成绩的预测概率；

使用分布式架构提高挖掘速度；

所述使用关联规则挖掘成绩信息方法包括：

数据选择：首先将学生在网络上行为特征进行分类，选取学生样本作为数据源，在对行为特征进行类别划分时，对出现过的行为类别进行编号；

在选择学生数据时，选择成绩优秀和成绩差的学生作为数据源；

进行时间段划分：以天为单位将时间分为具有代表性的多个时间段，统计每天不同时间段的各种行为的出现情况，同时考虑到学生行为类别可能会随着时间推移而发生波动，因此将信息每几周分为一个大阶段；

将包括学生信息、时间段、行为类别和成绩信息的数据使用编号表示，依次统计全部学生的上述信息，形成多个包括学生数据的编号，即为获取了学生样本数据，在获取学生样本数据后，依照频繁项挖掘规则，设置初始的最小支持度Sup_min，使用FP-Growth算法挖掘学生样本数据中每一个时间段的频繁项；

根据约束条件，筛选出所有符合条件的频繁项集：设置最小置信度Conf_min和最低Kulc参数Kulc_min，依据Conf_min筛选频繁项集中以Good类成绩或Bad类成绩为后继的强关联规则，并在规则中依据Kulc_min进行第二次筛选，则可得到所有强关联规则；

最终得到的包含Good类成绩和Bad类成绩强关联规则的任意一组表示形式如下：

；

式中T_G和T_B分别表示不同成绩出现的行为类别项集，Attr_G和Attr_B分别表示成绩不同时的性别和历史挂科记录，式中每一项都有其相对应的置信度和Kulc参数：

((Conf_G1,Kulc_G1),…, (Conf_Gn,Kulc_Gn), (Conf_B1,Kulc_B1),…, (Conf_Bm,Kulc_Bm))；

所述使用行为时序权重提高预测准确度包括：对于任意未知学生，提取其行为数据和附加属性，与强关联规则进行对比，然后得出其成绩的预测概率，过程如下：

提取任一学生的所有组行为及属性数据，依据最小支持度Sup_min挖掘其全部频繁项，并将其中的成绩项隐去，记为：

((T₁,Attr₁), (T₂,Attr₂),…, (T₄₈,Attr₄₈))；

将每一组频繁项与已得出的强关联规则中的数据进行对比匹配，优先匹配其中Kulc参数较高者，得出该组与Good类、Bad类的置信度和Kulc参数为：

((Conf_G,Kulc_G), (Conf_B,Kulc_B))；

若某频繁项匹配到置信度及Kulc参数较高的Good类强关联规则，则匹配到Bad类强关联规则的几率较小，反之亦然，因此若未匹配到，则将其中的置信度置0，Kulc参数置为平均值0.5，即得到((Conf_G，Kulc_G)， (0,0.5))或((0,0.5) ，(Conf_B，Kulc_B))；

此时定义大阶段中每一个阶段的Good类和Bad类成绩预测概率为：

；

；

两式中i是每天总时段的其中一段，n是时段总数，Conf_i是每一项的Good类或Bad类的置信度，Kulc_i是每一项的Good类或Bad类的Kulc参数，在此当作每一项的权重，称为Kulc相关性时序权重；

同时，考虑到学生行为在学期内每个大阶段存在一定的差异性，因此将这些阶段分别赋予不同的权重，得出最终的计算公式为：

；

；

两式中j是总阶段中的其中一段，m是阶段总数， P_j是每一阶段计算出的Good类或Bad类预测概率，w_j是每一项的阶段时序权重；

至此，可以得出该未知学生的成绩优秀预测概率P_totalG和成绩预警预测概率P_totalB。

2.根据权利要求1所述的一种基于行为时序权重的分布式FP-Growth成绩预警方法，其特征在于：使用Spark分布式计算框架来提高挖掘速度，以Spark中的RDD机制进行分片，并在每一个小区域内进行FP-Tree的挖掘，最终整合为整棵FP-Tree。