关联规则挖掘在学分制教学管理中的应用

利用数据挖掘技术的关联规则挖掘,可以从大量数据中发现有价值的规则。本文将Apri-ori算法应用于高校教学管理系统,探讨了高等学校专业课程间的相关性问题,并对学生成绩数据进行分析,得出了部分合理、可靠的课程相关性规则,为学分制体系下学生选课提供指导。     

基于语义相关性的关联规则挖掘研究

为了解决传统关联规则挖掘中候选集数量过多,计算时间复杂度过高的问题,提出了基于语义相关性的关联规则挖掘方法.该方法采用本体概念之间的语义相关性描述领域中的复杂关系,通过语义相关度过滤掉领域中相关性较小的候选集,以减少关联规则挖掘中候选集的数量.计算语义相关性时,将本体层次关系看作有向无环图而不是层次树,不仅考虑直接层次关系,还考虑非直接层次关系和其他典型语义关系.实验结果表明,该方法能有效减少候选集数量,提高关联规则挖掘的效率.     

基于关联规则的数据挖掘技术在提高课程教学质量中的应用

本文以高等院校计算机专业的《数据结构》课程为例,提出了影响课程教学质量的各种因素,在此基础上讨论了如何运用数据挖掘中的关联规则挖掘技术提高课程的教学质量。     

基于关联规则兴趣度的课程设置研究

介绍数据挖掘和关联规则的概念,引入一个关联规则新的度量值--兴趣度,并使用Visual FoxPro开发了一个关联规则挖掘系统。在设定最小支持度、最小置信度和兴趣度的条件下,使用挖掘系统对计算机专业学生的专业课成绩进行关联分析,通过分析找出它们间的内在联系,为课程设置提供依据。     

关联规则在CRM中的应用

数据挖掘是近几年发展起来的一种对信息资源进行开发和数据处理的新技术，而关联规则是数据挖掘的核心技术。以超市为例．通过分析顾客的购买行为，来实现将数据挖掘中的关联规则算法应用于客户关系管理（CRM）中，从而为商业提供决策支持。     

关联规则在计算机教学评价中的应用研究

将关联规则引入到计算机教学评价中,对教师教学评价数据进行有效性判断,剔除无效数据,提高教学评价的科学性、客观性、公正性和技术水平,为更好地进行教学管理提供决策支持服务。     

基于兴趣度的课程关联规则模式研究

基于关联规则挖掘理论,在原有AApfiori算法的基础上引入了兴趣度的概念。针对高校历届学生专业修读课程及考试成绩的海量数据库中挖掘出来的相关课程数据、规律和模式进行了相应的兴趣度分析,进而获取了满足高校教学管理与改革需要的课程相关先修相关规则,以在一定程度上避免学生选课的盲目性。此规则对高校教育体制的改革、学分制的推广及学生个性化学业修读计划的制订与实施等具有积极指导作用。     

关联规则在“基于网络的课程考核改革试点”工作中的应用

介绍了数据挖掘和关联规则,并运用关联规则的Apriori算法对参加“基于网络的课程考核改革试点”学生的成绩数据进行挖掘,得出了形成性考核成绩和期末考试成绩有明显的相关关系的结论。     

基于关联规则的推荐算法在游戏搜索引擎中的应用

随着信息时代的到来,搜索引擎在为用户提供方便的同时,搜索结果也变得更加零碎,用户经常无法顺利找到自己需要的结果.为解决用户这个困惑,采用基于关联规则的推荐算法,通过用户搜索关键字,预测并向该用户推荐他可能感兴趣的TOP5Xbox游戏.     

关联规则在教学评价中的应用

利用Apriori算法结合SQL查询语言挖掘隐藏在教师教学评价系统中的信息,以分析教师课堂教学效果与教师整体素质的关系。根据给定的最小支持度和记录数,产生频繁项集,最后由最小置信度和频繁项集生成关联规则,实现关联规则挖掘的目的,并对发现的规则进行分析,找到了教师教学效果好坏与教师年龄、职称和学历的相关性,从而为教学部门提供了决策支持信息。     

基于关联规则的聚类挖掘在远程教育中的应用

阐述了在远程教育的研究和应用中,利用基于关联规则的多层次、超图分割聚类方法,对Web网页和用户进行有效聚类。该方法借助网站层次图,可以根据实际需要,在各个层次上进行聚类分析,仅将高度相关的网页和用户聚在同一类,而将关联性较小的网页排除在聚类外。     

基于关联规则的高校课程关联性分析

高校教务管理系统将产生海量数据,这些数据中可能隐藏着一些我们以前不知道的大量有用信息。文章采用Apriori算法,对高校学生成绩数据进行关联规则分析,通过学生成绩是否优秀来找到各对应课程之间的相关性,从而科学地安排教学和辅助教学管理决策。     

关联规则分析方法在客户关系管理中的应用

随着我国经济的高速发展和人民生活水平的不断提高,住房已成为居民的基本生活需求.但是,购房客户行为的逐步成熟和理性,客户对商品房的需求无论从广度还是深度都有了较大程度的增长,企业只有更加重视客户的需求,才能对市场的各种变化做出准确的判断.所以,对客户信息进行分析、提取、定量化有其必要性,房地产市场竞争的激烈程度不断加大,已逐步进入买方市场.     

关联规则在学分制成绩管理中的应用

现在大部分高校都实行学分制制度,学生根据选课系统选择必修和选修的课程,针对学分制选课系统的利弊,利用数据挖掘技术的关联规则算法中Apriori的基本原理对历届学生的成绩进行分析,使用SQL 2005 DMX创建挖掘模型,对模型进行训练,利用关联规则查看器对各门课程成绩进行分析预测。为教师排课及学生选课提供一定的指导与参考。     

改进的关联规则挖掘算法及其在课程设置中的应用

通过对Apriori算法的分析与研究,指出其在实用中存在的主要问题,提出改进算法.最后将算法应用到教育信息挖掘中,发现一些有价值的规则,为学校的教育决策和教学管理提供有指导意义的信息.     

关联规则挖掘在就业指导中的应用

关联规则是数据挖掘的核心内容之一,通过关联规则的挖掘可以找到繁杂的数据中隐藏的有用信息。通过对已经成功就业的学生具备的知识和能力进行关联规则挖掘,可以挖掘出各个行业成功就业需要具备的知识和能力,从而有针对性地指导学生就业和择业。     

关联规则在教学评价中的应用

数据挖掘就是从大量数据中,抽取隐含的,但又是潜在有用的关联信息和知识发现过程,其中关联规则（AssociationRules）的挖掘是一个重要的问题,是大量数据中项集之间有趣的关联或相关联系。本文介绍了关联规则的概念,并将数据挖掘中的关联规则挖掘应用到教学评价中,从而得到一些对提高教学质量或水平的有用知识。     

关联规则在学生评教中的应用

以高校学生评教的原始记录为挖掘数据集,介绍了数据挖掘中关联规则算法在学生评教中的应用,学生评教结果与各类教师素质特征得到较客观的对应。     

关联规则评价体系的改进

指出了原有的"支持度-可信度"评价体系存在的局限性,并在统计相关性理论的支持下对这个评价体系进行了扩展,提出了更能真实反映用户需求和兴趣的"支持度-可信度-相关度"三维评价体系;同时给出了一种用相关性理论对强关联规则进行进一步过滤的算法.