[发明专利]一种基于校园数据的负序列规则影响度分析系统及方法

说明书

本发明公开了一种基于校园数据的负序列规则影响度分析系统及方法，系统包括数据预处理模块，频繁模式挖掘模块，面向影响的序列规则挖掘模块，缺失项的贡献度、影响度分析模块以及图形化界面表示模块，通过所述系统对数据预处理后挖掘正和负频繁序列模式，然后进一步挖掘所有面向影响的序列规则，对面向影响的负序列规则中的缺失项进行影响度分析，计算得到序列规则前件内缺失的某一项或者某几项对结果发生的贡献度与影响度，然后在图形化界面上进行表示。本发明基于学生校园序列数据挖掘面向影响的负序列规则，并对面向影响的负序列规则前件内有关缺失项对结果的影响进行计算，可以更全面具体地分析影响学生学业表现的因素及其影响规律。

技术领域

本发明涉及负序列规则的应用技术领域，特别涉及一种基于校园数据的负序列规则影响度分析系统及方法。

背景技术

进入信息时代，数字校园建设成为越来越多学校的选择。学生的日常生活和学习都会产生大量的数据，对这些校园数据进行处理在分析学生行为方面变得越来越重要。学生的校园数据都被记录在数字校园的网络中心中，它能在很大程度上反映学生的消费行为和学业表现等重要信息。对学生校园数据进行分析可以帮助学校管理者全面地掌握学生的学习和消费情况，从而对学生进行合理的指导和管理；同时学校管理者也可以根据分析结果采用适当有效的方法对学生的行为进行干预，以提高学生的整体表现。

目前我们所能发现的分析学生校园数据的方法仅是通过对序列模式或序列规则整体进行分析来获取有关学生行为的信息，并未通过序列中的元素或项来具体地对学生的行为进行分析。这可能导致一些重要信息的缺失，不能帮助学校管理者全面准确地掌握学生的学习和消费等情况。在序列规则分析方面，关于对序列中某一元素或项的研究，我们仅发现了Zhao等人在发表于Pacific-Asia Conference on Knowledge Discovery and DataMining.Springer,2009,pp.656–663的《“Mining both positive and negative impact-oriented sequential rules from transactional data”》一文中提出的有关挖掘面向影响的序列规则的研究。该研究中定义了面向影响的负序列规则，并设计了一种有效的挖掘面向影响的序列规则的算法FindINSR；还设计了两个指标，贡献度和影响度，来衡量一个项对结果的影响。但Zhao等人的研究也出现了三个问题：(1)提出的面向影响的序列规则挖掘算法是从频繁序列中挖掘正序列模式，非频繁序列中挖掘负序列模式，但由目前的研究来看，此方法存在考虑不全之处；(2)挖掘面向影响的负序列规则仅仅是考虑了序列规则的前件整个缺失，未考虑元素缺失或项缺失的情况；(3)在利用贡献度及影响度指标对所挖掘的面向影响的序列规则进行分析时，仅仅分析了序列规则前件内最后一个项对结果发生的贡献及影响，未考虑其他可能存在的情况，比如不同数量、不同位置的项对结果发生的贡献及影响等。此外，对序列规则的研究大多为传统的序列规则，关于面向影响的序列规则的研究较少。由于面向影响的序列规则与传统的序列规则存在不同之处，所以传统负序列规则挖掘的相关算法无法直接用来挖掘面向影响的负序列规则。

发明内容

本发明为了弥补现有技术的不足，提供了一种基于校园数据的负序列规则影响度分析系统及方法。

本发明是通过如下技术方案实现的：

一种基于校园数据的负序列规则影响度分析系统，其特征在于:包括数据预处理模块，用于对从学校信息网络中心拿到的数据进行预处理，将需要的不同数据之间进行结合，以序列的形式储存在学生校园序列数据库中；

频繁模式挖掘模块，用于从学生校园序列数据库中挖掘正和负频繁序列模式，并将正和负频繁序列模式及其对应的支持度存入到频繁模式结果集合中；

面向影响的序列规则挖掘模块，用于根据频繁模式挖掘模块得到的正和负频繁序列模式进行挖掘，得到所有满足约束的面向影响的序列规则；