錄稿查詢
聯系我們
在線投稿
刊文精選

網絡教育信息系統中的信息關聯定位挖掘方法研究

來源:七星彩今期冷热号分析?????2019-5-20 20:25:15??????點擊:

  中圖分類號: TN711?34; TP391.9 文獻標識碼: A 文章編號: 1004?373X(2017)10?0058?04

  Abstract: Since real?time performance and accuracy of the information retrieval in the network education information system is not high enough, a information relevance positioning mining method based on the shortest path scheduling of educational information resources is proposed. The distributed storage structure model of information resources in the network education information system is built. The candidate concept lattice node distribution strategy in the relevance rules is adopted to make the pheromone guide of information relevance positioning, so as to extract frequent item?set features of all objects in the network education information system and realize information relevance positioning mining. The simulation results show that the proposed method is of high accuracy and low time cost for information relevance positioning mining, and has good application reliability.

  Keywords: network education information system; information retrieval; mining method; relevance positioning

  0 引 言

  網絡教育信息系統是處理網絡教育中的學生學籍信息、課程信息、教師信息、學科科研信息以及后勤管理信息等方面的大規模數據管理信息系統。網絡教育信息系統處理的數據信息規模龐大,對信息管理的集成度較高,更新速度較快,信息集成的復雜度較高,需要對網絡教育信息系統進行信息關聯定位,提高網絡教育信息系統的信息檢索和資源調度的效率[1]。研究網絡教育的信息管理系統優化設計及信息定位挖掘方法,在正規網絡教育的運行秩序、提高網絡教育的工作質量方面具有重要意義[2?3]。本文提出基于教育信息資源最短路徑調度的信息關聯定位挖掘方法,通過對定位挖掘方法的優化算法設計,提高網絡教育信息系統的信息定位挖掘性能,展示了本文方法的優越性。

  1 信息資源的分布式存儲結構模型

  為了實現網絡教育信息系統中的信息關聯定位挖掘,需要構建網絡教育信息系統的信息資源分布式存儲結構模型,其總體結構模型如圖1所示。

  結合圖1所示網絡教育信息系統的信息關聯定位挖掘總體結構模型,進行數據存儲結構模型構建。在網絡教育信息關聯數據庫模型中,教育信息系統虛擬機的負載量為[Mh],信息關聯定位挖掘的負載開銷表示為:

  定義1 設給定網絡教育信息系統中的信息關聯定位的頻繁項集為三元組[T=(D,I,R)],其中[D]為事務項集t中泊松分布集合,[I]為屬性集合,[R]為最小支持數概率,[R?D×I],若直接挖掘到頻繁項集的序貫采樣關系與事務項集中的本體模型對應,則此數據集中每項事務項集壓縮到存儲系統的概念格為一個概念分布子空間,概念格的圖形表示為Hasse圖[4]。由此構建信息資源的分布式存儲結構模型,通過對信息關聯數據的頭表和AT?Tree的創建[5],得到網絡教育信息系統中不確定事務數據集D,頻繁項集X的對結點的關聯強度為expSN(X), 定義為:

  3 信息關聯定位挖掘實現

  3.1 教育信息資源最短路徑調度

  在上述進行了網絡教育資源的信息關聯定位關聯規則設計的基礎上,進行信息關聯定位挖掘方法的改進設計。本文提出一種基于教育信息資源最短路徑調度的信息關聯定位挖掘方法,教育信息資源最短路徑調度采用的是約束概念格區間調度模型,得到教育信息資源最短路徑關系約束集為:

  輸入:提取的約束關聯規則數據庫D;頻繁1項集D的支持度閾值minsup;網絡教育資源最短路徑調度的約束條件P;

  輸出:網絡教育信息關聯定位的約束概念格Hasse圖,時間復雜度為[Ni×O(Ni)]。

  3.2 信息關聯定位挖掘實現算法描述

  根據教育信息資源最短路徑調度結果,提取網絡教育信息系統中的所有對象信息的頻繁項集特征,在最小期望支持數約束下,網絡教育信息系統樣本數據庫的關聯規則優先級屬性列表見表1。   在頻繁模式樹中提取網絡教育信息系統中的所有對象信息的頻繁項集特征,設網絡教育信息系統概念格結點可表示為[C(A,B),P]。其中:[P]為事務項集中非頻繁項,且滿足[P(A,B)=.T.](邏輯值為真),[A∈ρ(G)]稱為最小期望支持數,[B∈ρ(M)]稱為事務項集處理后的關聯定位內涵,在上述構建的約束條件下進行信息關聯定位挖掘,實現算法描述為:

  算法:網絡教育信息系統信息關聯定位挖掘算法

  輸入:初始化參量值,新建的頭表,以及數據挖掘的約束指標參量集

  輸出:信息關聯定位挖掘的期望支持數二維表

  根據新建的頭表在全局樹上挖掘頻繁模式,結果是一個0,1值的二維表形式,其中0表示挖掘的信息數據不滿足最小期望支持集,1表示挖掘定位信息結果滿足最小期望支持集。

  4 實驗測試分析

  為了測試本文設計的信息關聯度行為挖掘方法在實現網絡教育信息系統的數據檢索挖掘在時間性能和精確度方面的優越性,進行實驗測試分析。實驗中選擇5個算法進行性能測試比較,分別為文獻[2]中的BP神經網絡挖掘IMBP?Mine算法、文獻[3]的決策樹挖掘方法DT?mine、文獻[4]的粒子群挖掘方法PSO?Mine、以及文獻[5]的近似挖掘策略MBP和文獻[6]的冗余關聯IMBP;測試中采用網絡教育信息系統中學生管理信息、課程管理信息和教師管理信息3個數據集進行了測試,Student,Course和Teacher,得到挖掘的準確度對比和時間開銷對比如圖3和圖4所示。

  分析上述仿真結果得知,采用本文方法進行網絡教育信息系統信息關聯定位挖掘的時間開銷較小,挖掘的準確度較高,隨著最小期望支持度閾值的增大,各種算法進行挖掘的運行時間隨之增大,但本文方法的運行時間總體小于傳統方法,研究結果展示了本文方法的優越性。

  5 結 語

  針對傳統方法一直存在挖掘精度低的問題,提出基于教育信息資源最短路徑調度的信息關聯定位挖掘方法,并進行了實驗分析。結果表明,采用該方法進行網絡教育信息系統中的信息關聯定位挖掘的準確度較高、時間開銷較小,具有較好的應用可靠性,展示了本文方法較好的適用價值。


本文版權歸七星彩今期冷热号分析及本文作者所有,未經同意,不得轉載! ——《七星彩今期冷热号分析》查稿電話:0311-85178286