基于偏序模式的教育信息化課程關聯(lián)模式發(fā)現(xiàn)方法及系統(tǒng)的制作方法
【專利摘要】一種基于偏序模式的教育信息化課程關聯(lián)模式發(fā)現(xiàn)方法及系統(tǒng)，利用教育信息化數(shù)據(jù)預處理模塊進行預處理，構(gòu)建課程信息數(shù)據(jù)庫和課程項目庫；利用課程候選項集生成及其剪枝模塊挖掘完全加權(quán)課程候選項集，求出課程候選偏序項集，采用新的剪枝方法剪除無效課程候選偏序項集，得出完全加權(quán)課程候選偏序項集；完全加權(quán)課程頻繁項集生成模塊采用新的課程偏序項集支持度計算方法，得出課程頻繁偏序項集；利用完全加權(quán)課程關聯(lián)規(guī)則模式生成及顯示模塊挖掘有效的完全加權(quán)課程關聯(lián)規(guī)則模式，并輸出給用戶。本發(fā)明能大幅度減少無效課程關聯(lián)模式出現(xiàn)，候選項集和挖掘時間減少，提高挖掘效率，其課程關聯(lián)規(guī)則模式更接近實際，為教務管理和教學改革提供依據(jù)。
【專利說明】基于偏序模式的教育信息化課程關聯(lián)模式發(fā)現(xiàn)方法及系統(tǒng)

【技術(shù)領域】
[0001]本發(fā)明屬于教育數(shù)據(jù)挖掘領域，具體是一種基于偏序模式的教育信息化課程關聯(lián)模式發(fā)現(xiàn)方法及其挖掘系統(tǒng)，適用于教育數(shù)據(jù)挖掘中課程關聯(lián)模式發(fā)現(xiàn)，其模式可為教務管理、教育決策和教學改革提供科學的依據(jù)，該發(fā)明在教育信息化數(shù)據(jù)分析以及教育模式挖掘有重要的應用價值和廣闊的應用前景。

【背景技術(shù)】
[0002]教育數(shù)據(jù)挖掘是數(shù)據(jù)挖掘一個重要應用研究分支，涉及計算機科學、教育學和統(tǒng)計學等多學科的研究領域，是一種從教育數(shù)據(jù)中挖掘那些事先未知的和有用的教育模式和教育知識的過程?，F(xiàn)有的教育數(shù)據(jù)關聯(lián)規(guī)則挖掘方法主要集中在教育數(shù)據(jù)關聯(lián)模式挖掘方法、教育數(shù)據(jù)加權(quán)關聯(lián)規(guī)則挖掘方法和教育數(shù)據(jù)完全加權(quán)關聯(lián)規(guī)則挖掘方法等3個方面。
[0003]教育數(shù)據(jù)關聯(lián)規(guī)則挖掘方法是傳統(tǒng)的關聯(lián)規(guī)則挖掘方法在教育信息化領域的具體應用，屬于基于頻度挖掘的傳統(tǒng)關聯(lián)規(guī)則挖掘方法。該方法的特點是只考慮項目在數(shù)據(jù)庫中出現(xiàn)的頻度，各個項目按平等一致的方式處理。當前，教育數(shù)據(jù)關聯(lián)規(guī)則挖掘?qū)ο笾饕菍W校的課程、學生計劃、課程成績等教學環(huán)境數(shù)據(jù)，挖掘其數(shù)據(jù)間的相關性、依存性和學生行為模式，為教務管理、課程體系設計等提供決策支持。該方法存在的缺陷是:在挖掘時只考慮課程的選修關聯(lián)，沒有考慮課程之間具有不同的重要性，更沒有考慮學生選修課程后的教學效果(即課程考試成績)。典型的教育數(shù)據(jù)關聯(lián)規(guī)則挖掘算法是Apr1ri方法(R.Agrawal, T.1mielinski, A.Swam1.Mining associat1n rules between sets of itemsin large database[C].1n Proceeding of 1993 ACM SIGMOD Internat1nalConference on Management of Data, Washington D.C., 1993, (5): 207-216.)及其改進方法，例如，董輝提出基于興趣度的高職課程關聯(lián)規(guī)則挖掘方法(董輝.基于興趣度的高職課程關聯(lián)規(guī)則挖掘[J].吉首大學學報(自然科學版)，2012，33 (3): 41-46.)，李忠嘩等(李忠嘩，王鳳利，何丕廉.關聯(lián)規(guī)則挖掘在課程相關分析中的應用[J].河北農(nóng)業(yè)大學學報，2010，33 (3):116-119.)采用一種改進的Apr1ri方法挖掘課程關聯(lián)模式，進行課程相關性分析，Pal (S.Pal.Mining Educat1nal Data to Reduce Dropout Ratesof Engineering Students[J].1nternat1nal Journal of Informat1n Engineeringand Electronic Business, 2012 (2):1-7.Published Online April 2012 in MECS)和Baradwaj(B.K.Baradwaj , S.Pal.Mining Educat1nal Data to Analyze StudentsPerformance[J].(IJACSA) Internat1nal Journal of Advanced Computer Scienceand Applicat1ns, 2011, 2(6):63-69.)指出采用傳統(tǒng)的關聯(lián)模式挖掘技術(shù)可以對學生期末考試成績進行分類，對學業(yè)成績很差、很可能導致退學的一類學生給予更多的重視和學習輔導，使學生的輟學率得到控制和減少。
[0004]教育數(shù)據(jù)加權(quán)關聯(lián)規(guī)則挖掘方法克服了傳統(tǒng)關聯(lián)規(guī)則挖掘的缺陷，不僅考慮課程的選修關聯(lián)，還給每門課程賦予一定的權(quán)值，以體現(xiàn)課程之間具有不同的重要性。典型的教育數(shù)據(jù)加權(quán)關聯(lián)規(guī)則挖掘方法有Cai等(C.H.Cai, A.da, ff.C.Fu, et al.MiningAssociat1n Rules with Weighted Items [C]//Proceedings of IEEE Internat1naldatabase Engineering and Applicat1n Symposiums, 1998: 68-77.)提出的力口權(quán)關聯(lián)規(guī)則挖掘方法(即MINWAL算法)及其改進方法，例如，劉建煒等(劉建煒，張穎.基于加權(quán)關聯(lián)規(guī)則算法的學生成績數(shù)據(jù)挖掘研究[J].福建教育學院學報，2012 (3):123-125.)在學生課程考試成績數(shù)據(jù)中挖掘加權(quán)關聯(lián)規(guī)則模式，陳世保等(陳世保，徐峰，吳國鳳.基于難度系數(shù)的加權(quán)關聯(lián)規(guī)則在試卷評估中的應用[J].井岡山大學學報(自然科學版)，2013，34(1):70-74.)提出了基于試題難度系數(shù)的加權(quán)關聯(lián)規(guī)則挖掘方法。教育數(shù)據(jù)加權(quán)關聯(lián)規(guī)則挖掘方法的缺陷是:在挖掘教育數(shù)據(jù)關聯(lián)模式時，沒有考慮學生所選修課程的教學效果，即只考慮課程之間的重要性，沒有考慮課程考試成績。
[0005]教育數(shù)據(jù)完全加權(quán)關聯(lián)規(guī)則挖掘方法的特點是引入項目權(quán)值，考慮了考慮學生所選修課程的教學效果，即考慮課程考試成績，其典型的完全加權(quán)關聯(lián)規(guī)則挖掘方法是譚義紅等[16]提出了向量空間模型中完全加權(quán)關聯(lián)規(guī)則的挖掘方法(譚義紅，林亞平.向量空間模型中完全加權(quán)關聯(lián)規(guī)則的挖掘[J].計算機工程與應用，2003(13):208-211.)以及面向查詢擴展的矩陣加權(quán)關聯(lián)規(guī)則挖掘方法MWARM(黃名選，嚴小衛(wèi)，張師超.基于矩陣加權(quán)關聯(lián)規(guī)則挖掘的偽相關反饋查詢擴展[J].軟件學報，2009，20(7): 1854-1865.)。當前，完全加權(quán)關聯(lián)規(guī)則挖掘方法在教育數(shù)據(jù)分析中的典型應用是余如等(余如，黃麗霞，黃名選.教育信息化中課程考試成績數(shù)據(jù)關聯(lián)模式的發(fā)現(xiàn).計算機與現(xiàn)代化，2014 (2):10-14.)提出的課程成績數(shù)據(jù)關聯(lián)模式發(fā)現(xiàn)方法，獲得了顯著的效果?，F(xiàn)有的教育數(shù)據(jù)完全加權(quán)關聯(lián)規(guī)則挖掘方法的缺陷是:其所挖掘的關聯(lián)模式數(shù)量仍然很龐大，增加用戶選擇所需模式的難度，無趣的、虛假的和無效的關聯(lián)模式還很多，很難將其技術(shù)上升到應用層面。針對上述問題，本發(fā)明根據(jù)教育信息化教務數(shù)據(jù)的特點，提一種新的基于偏序模式的教育信息化課程關聯(lián)模式發(fā)現(xiàn)方法及系統(tǒng)。該發(fā)明采用新的課程項集支持度計算方法和剪枝技術(shù)，能夠大幅度減少無趣的和無效的課程關聯(lián)模式出現(xiàn)，其候選項集和挖掘時間明顯減少，提高了挖掘效率，其課程關聯(lián)規(guī)則模式更接近實際，可為教育管理、決策和教學改革提供科學的依據(jù)，在教育信息化教務數(shù)據(jù)分析與挖掘領域具有重要的應用價值和廣闊的應用前景。


【發(fā)明內(nèi)容】

[0006]本發(fā)明所要解決的技術(shù)問題在于，針對教育信息化課程關聯(lián)模式挖掘進行深入探索，提出一種基于偏序模式的教育信息化課程關聯(lián)模式發(fā)現(xiàn)方法及系統(tǒng)，應用于教育數(shù)據(jù)挖掘領域，為教育信息化課程關聯(lián)模式挖掘與分析提供新的挖掘方法，通過課程關聯(lián)規(guī)則模式分析發(fā)現(xiàn)教育領域潛在的教育、教學規(guī)律和教育發(fā)展趨勢，為教務管理服務。在聞校教務管理系統(tǒng)中使用本發(fā)明技術(shù)，可以擴展該管理系統(tǒng)的功能，使得教務管理系統(tǒng)功能更完盡口 ο
[0007]本發(fā)明解決上述技術(shù)問題所采取的技術(shù)方案是:一種基于偏序模式的教育信息化課程關聯(lián)模式發(fā)現(xiàn)方法，包括如下步驟:
(I)教育信息化數(shù)據(jù)預處理:將待處理的教育信息化教務數(shù)據(jù)進行預處理，即提取學生課程成績，將課程當作項目，把課程成績當作項目權(quán)值，將課程權(quán)值規(guī)范化，即如果課程成績采用百分制，則將課程成績都除以100，使項目成績權(quán)值在O到I之間，構(gòu)建課程信息數(shù)據(jù)庫和課程項目庫。
[0008](2)挖掘完全加權(quán)課程頻繁偏序項集，包括以下步驟2.1和步驟2.2:
2.1、挖掘完全加權(quán)課程頻繁1_項集Z1,具體步驟按照2.1.1和2.1.3進行:
2.1.1、從課程項目庫中提取課程候選1_項集C；，將課程信息數(shù)據(jù)庫中所有課程項目成績權(quán)值累加，得到全部課程項目權(quán)值總和W，累加C1在課程信息數(shù)據(jù)庫中的權(quán)值總和ff (C1)，計算課程項集 Ct1 的支持度(Cource itemsets support, cisup)，即 (Ct1)。cisup (C1)的公式如下:
c^i^C-) =-— ο
W
[0009]2.1.2、將課程候選1_項集C1中其支持度cisup {Q彡ms的課程頻繁1_項集L1加入到課程頻繁項集集合CFIS，ms為最小支持度閾值。
[0010]2.1.3、在課程信息數(shù)據(jù)庫中累加課程候選1-項集C1的出現(xiàn)頻度/7(6；)，提取 L(Cr1),計算 Cr1 的課程項集權(quán)值期望(Cource Itemset Weight Bound, CIffB ),即CIWBiCl, 2) ο CIWB {C,, 2)的計算公式為:
CIWB (C1, 2) =2 X WXms — n (C1) Xwr (C1)。
[0011 ] Wr (C1)為在不屬于C1的課程項目集合中其他項目的權(quán)值最大的項目權(quán)值。
[0012]2.2、挖掘完全加權(quán)課程頻繁左_項集Zi，所述的左彡2，按照步驟2.2.Γ 2.2.10進行操作:
2.2.1、對于課程候選認-1) _項集Cf1，將w (C^1) <CIWB (C^1, k)的不可能成為課程頻繁左_項集的Cm剪除，得到新的課程候選項集集合。其中，WG1)為在課程信息數(shù)據(jù)庫中的權(quán)值累加總和，CIVBiCk^ k)為包含完全加權(quán)課程候選認_1)_項集的左_項集課程項集權(quán)值期望，其計算公式如下:
CIWB (C^1, k) =A X WXms — n (C^1) Xwr (C^1)
其中，為課程候選項集在課程信息數(shù)據(jù)庫中的出現(xiàn)頻度，& (GJ為在不屬于Ck'項目集合的其他項目中權(quán)值最大的項目權(quán)值。
[0013]2.2.2、采用Apr1ri連接方法，將其/? U幸O的課程候選{k _1)_項集工自身連接后生成課程候選I項集G ;
2.2.3、如果課程候選I項集G為空集，則退出2.2步轉(zhuǎn)入(3)步，否則，轉(zhuǎn)入2.2.4步。
[0014]2.2.4、對于課程候選[項集C；，如果存在一個其認_1)_項子集，使得#_)〈CIWB U，則該課程候選項集Ck 一定是非頻繁的，從Ck集合中刪除該項集，得到新的課程候選慫項集G集合。
[0015]2.2.5、在課程信息數(shù)據(jù)庫中累加課程候選項集G的出現(xiàn)頻度/7(6；)及其各個項目權(quán)值W1 {Ck), W2 (Ci),…，wk (Ci),得出G的課程候選偏序項集CpoCk,提取Wr (Ci),計算ck^cimick,k+\)。CIWB (CjnAn)的計算公式為:
CIWB (CA, k+l) ={k+l) X WXms — n (Ca) Xwr (Ca)
其中，^ (Ck)為在不屬于Ck項目集合的其他項目中權(quán)值最大的項目權(quán)值。
[0016]2.2.6、刪除其/? (Q)=O的候選F項集C；，得到新的G集合。
[0017]2.2.7、對于課程候選偏序項集cpoC i,若存在其任一高序真子集是非頻繁的,或者，若存在其高權(quán)項目的項目權(quán)值小于1_項集的最小權(quán)值閾值ffii/w，則該課程偏序項集一定是非頻繁的，從cpoCk中刪除該項集,得到新的課程候選偏序項集cpoCk集合。minw的計算公式為Iminw=WXnis。
[0018]2.2.8、對于課程候選偏序項集若存在其低權(quán)項目的項目權(quán)值大于或等于minw,則該課程偏序項集一定是頻繁的，將該項集加入到課程頻繁項集集合CFIS。
[0019]2.2.9、對余下的課程候選偏序項集cpoCk,計算其支持度cisup {cpoCk),若cisup {cpoCk) ^ ms,則該課程偏序項集是頻繁的，加入到課程頻繁項集集合CFIS。cisup {cpoCk)的計算公式如下:

【權(quán)利要求】
1.一種基于偏序模式的教育信息化課程關聯(lián)模式發(fā)現(xiàn)方法，其特征在于，包括如下步驟: (1)教育信息化數(shù)據(jù)預處理:將待處理的教育信息化教務數(shù)據(jù)進行預處理，即提取學生課程成績，將課程當作項目，把課程成績當作項目權(quán)值，將課程權(quán)值規(guī)范化，構(gòu)建課程信息數(shù)據(jù)庫和課程項目庫； (2)挖掘完全加權(quán)課程頻繁偏序項集，包括以下步驟2.1和步驟2.2: (2.1)挖掘完全加權(quán)課程頻繁1_項集Z1，具體步驟按照2.1.1和2.1.2進行: (2.1.1)從課程項目庫中提取課程候選1_項集G，將課程信息數(shù)據(jù)庫中所有課程項目成績權(quán)值累加，得到全部課程項目權(quán)值總和W，累加C1在課程信息數(shù)據(jù)庫中的權(quán)值總和W(Cr1)，計算課程項集 Cr1 的支持度(Cource itemsets support, cisup),即 cisop (Cr1)； (2.1.2)在課程信息數(shù)據(jù)庫中累加課程候選1-項集C1的出現(xiàn)頻度(C1)，提取『r(C\)，計算 Cr1 的課程項集權(quán)值期望(Cource Itemset Weight Bound, CIffB ),即 CrJ勝(Cr1, 2)； (2.2)挖掘完全加權(quán)課程頻繁^_項集4，所述的A ^ 2，按照步驟2.2.Γ 2.2.10進行操作: (2.2.1)對于課程候選認-1)_項集CV1，將#(GJ〈67勝(G+ k)的不可能成為課程頻繁k_項集的Ck'剪除，得到新的課程候選項集Ck'集合。
2.其中，W(G1)為在課程信息數(shù)據(jù)庫中的權(quán)值累加和，67勝k)為包含完全加權(quán)課程候選認-1) _項集的左_項集課程項集權(quán)值期望； (2.2.2)采用Apr1ri連接方法，將其/? (GJ幸O的課程候選Qi _1)_項集ι自身連接后生成課程候選I項集G ； (2.2.3)如果課程候選I項集G為空集，則退出2.2步轉(zhuǎn)入(3)步，否則，轉(zhuǎn)入2.2.4ι K少； (2.2.4)對于課程候選[項集C；，如果存在一個其(^-1)_項子集，使得?d〈CIWB U，則該課程候選項集Ck 一定是非頻繁的，從Ck集合中刪除該項集，得到新的課程候選慫項集G集合； (2.2.5)在課程信息數(shù)據(jù)庫中累加課程候選項集G的出現(xiàn)頻度{Ck)及其各個項目權(quán)值(Ci), w2 (Ca)j , wk (Ci),得出6；的課程候選偏序項集cpoCk,提取Wr (Ci),計算Ck的CIWB{Ck,k+l)； (2.2.6)刪除其/? (6；) =0的候選項集Ck,得到新的Ck集合； (2.2.7)對于課程候選偏序項集若存在其任一高序真子集是非頻繁的，或者，若存在其高權(quán)項目的項目權(quán)值小于1_項集的最小權(quán)值閾值ffii/w，則該課程偏序項集一定是非頻繁的，從cpoCk中刪除該項集,得到新的課程候選偏序項集cpoCk集合； (2.2.8)對于課程候選偏序項集cpoCk，若存在其低權(quán)項目的項目權(quán)值大于或等于minw,則該課程偏序項集一定是頻繁的，將該項集加入到課程頻繁項集集合CFIS ； (2.2.9)對余下的課程候選偏序項集cpoCk,計算其支持度cisup {cpoCk),若cisup {cpoCk) ^ ms,則該課程偏序項集是頻繁的,加入到課程頻繁項集集合CFIS ； (2.2.10)將左的值加1，循環(huán)2.2.Γ2.2.10步驟，直到Ck為空，則退出2.2步轉(zhuǎn)入如下(3)步； (3)從課程頻繁項集集合CFM中挖掘完全加權(quán)課程強關聯(lián)規(guī)則模式，按照步驟3.Γ3.4進行操作: (3.1)從CFIS中取出課程頻繁項集Zi,找出Li的所有真子集； (3.2)從乙的真子集集合中任意取出兩個真子集I1和/2，當1以2=&，并且I耙I2=Li，若kl2 X W1 Xmc ^w12 XA1,則挖掘出完全加權(quán)課程強關聯(lián)規(guī)則I1 —12 -Mkl2 X w2 Xmc ^W12 Xk2,則挖掘出完全加權(quán)課程強關聯(lián)規(guī)則I2 — I1 ;所述的?W2和?分別為I1、I2和(J7，I2)的項集權(quán)值，七、毛和kl2分別為項集I1J2和{I” I2)的項目個數(shù)，咖為最小置信度閾值；(3.3)繼續(xù)3.2步驟，當課程頻繁項集4的真子集集合中每個真子集都被取出一次，而且僅能取出一次，則轉(zhuǎn)入步驟3.4 ； (3.4)繼續(xù)3.1步驟，當CFIS中每個課程頻繁項集Zi都被取出一次，而且僅能取出一次，則(3)步運行結(jié)束； 至此，完全加權(quán)課程關聯(lián)規(guī)則模式挖掘結(jié)束。
3.一種適用于權(quán)利要求1所述的基于偏序模式的教育信息化課程關聯(lián)模式挖掘系統(tǒng)，其特征在于，包括以下4個模塊: 教育信息化數(shù)據(jù)預處理模塊:該模塊將待處理的教育信息化教務數(shù)據(jù)進行預處理，即提取學生課程成績，將課程權(quán)值規(guī)范化，構(gòu)建課程信息數(shù)據(jù)庫和課程項目庫； 課程候選項集生成及其剪枝模塊:該模塊用于從課程信息數(shù)據(jù)庫挖掘完全加權(quán)課程候選項集，累加課程候選項集的項目權(quán)值，求出課程候選偏序項集，采用新的剪枝方法對課程候選偏序項集剪枝，得到最終的課程候選偏序項集； 完全加權(quán)課程頻繁項集生成模塊:該模塊主要是對上述模塊剪枝后得到的最終課程候選偏序項集進行挖掘，通過本發(fā)明的支持度計算方法計算課程候選偏序項集的支持度，與最小支持度閾值比較，得出完全加權(quán)課程頻繁偏序項集； 完全加權(quán)課程關聯(lián)規(guī)則模式生成及顯示模塊:該模塊通過課程項目權(quán)重及項集維數(shù)的簡單計算和比較，從完全加權(quán)課程頻繁偏序項集中挖掘完全加權(quán)課程強關聯(lián)規(guī)則模式，將其模式以用戶所需的形式顯示給用戶。
4.根據(jù)權(quán)利要求2所述的挖掘系統(tǒng)，其特征在于，所述的教育信息化數(shù)據(jù)預處理模塊包括以下2個模塊: 課程信息提取模塊:該模塊負責從教育信息化教務數(shù)據(jù)中提取學生課程信息數(shù)據(jù)，規(guī)范化課程成績權(quán)值； 課程信息數(shù)據(jù)庫和課程項目庫構(gòu)建模塊:該模塊主要負責從已經(jīng)預處理的教務數(shù)據(jù)中提取課程信息數(shù)據(jù)構(gòu)建課程信息數(shù)據(jù)庫，提取課程項目構(gòu)建課程項目數(shù)據(jù)庫。
5.根據(jù)權(quán)利要求2所述的挖掘系統(tǒng)，其特征在于，所述的課程候選項集生成及其剪枝模塊包括以下3個模塊: 完全加權(quán)課程候選項集生成模塊:該模塊主要從課程信息數(shù)據(jù)庫中挖掘課程候選項集，具體過程如下:從課程項目庫中提取課程候選1-項集，累加課程候選1-項集在課程信息數(shù)據(jù)庫中權(quán)值總和，通過其支持度的計算，得出完全加權(quán)課程頻繁1_項集；通過Apr1ri連接，由完全加權(quán)課程頻繁(左_1)_項集生成課程候選左_項集；所述的A ^ 2 ； 完全加權(quán)課程候選偏序項集生成模塊:該模塊通過累加課程候選項集的各個項目在課程信息數(shù)據(jù)庫中的項目權(quán)值，得到完全加權(quán)課程候選偏序k_項集； 完全加權(quán)候選偏序項集剪枝模塊:該模塊利用本發(fā)明的剪枝方法對完全加權(quán)課程候選k_偏序項集進行剪枝，將不可能頻繁的課程候選k_偏序項集刪除，得到最終有可能頻繁的課程候選^_偏序項集集合。
6.根據(jù)權(quán)利要求2所述的挖掘系統(tǒng)，其特征在于，所述的完全加權(quán)課程關聯(lián)規(guī)則模式生成及顯示模塊包括以下3個模塊: 課程頻繁偏序項集的子項集生成模塊:該模塊主要生成課程頻繁偏序項集所有的真子集，求出各個真子集的項集權(quán)值和維數(shù)； 完全加權(quán)課程強關聯(lián)規(guī)則生成模塊:該模塊通過項集及其真子集項集的權(quán)值和維數(shù)的簡單計算和比較，從課程頻繁偏序項集挖掘完全加權(quán)課程強關聯(lián)規(guī)則模式； 完全加權(quán)課程關聯(lián)規(guī)則模式顯示模塊:該模塊負責將挖掘出來的最終關聯(lián)規(guī)則模式以用戶所需的形式顯示給用戶，供用戶選擇和需要。
7.根據(jù)權(quán)利要求2-5中任一項所述的挖掘系統(tǒng)，其特征在于，所述的挖掘系統(tǒng)中的最小支持度閾值as,最小置信度閾值由用戶輸入。
【文檔編號】G06Q50/20GK104182528SQ201410427501
【公開日】2014年12月3日 申請日期:2014年8月27日 優(yōu)先權(quán)日:2014年8月27日
【發(fā)明者】黃名選, 韋吉鋒 申請人:廣西教育學院