FP-growth算法在医学形态学教学系统中的应用与研究

许 敏，高凤兰

(漯河医学高等专科学校，河南 漯河 462000)

FP-growth算法在医学形态学教学系统中的应用与研究

许 敏，高凤兰*

(漯河医学高等专科学校，河南 漯河 462000)

针对已有网络教学系统缺乏智能性、不能有效地为用户提供满足要求的教学资源、无个别化指导等缺点，项目组将数据挖掘中FP-growth算法应用到医学形态学实验教学系统中，从而提高该教学系统的智能化水平、激发学生学习兴趣。大量实验表明，引入过FP-growth算法的医学形态学实验教学系统，不仅能够利用有效地的为用户提供满足要求的教学资源，还能够因材施教对学生实行个性化指导。

智能教学系统;FP-growth算法;个性化指导

一、引 言

目前，随着微课、幕课等方式的网络教学在教育领域的普及，图表、动画等形式的网络教学资源急剧增加，现行的网络教学系统缺智能性，不能有效提供教学资源、无个别化指导等缺点日益明显［1］。因此，更多的研究者们开始研究如何将人工智能技术应用到网络教学系统中，如文献［2］从理论上分析了为学生提供个性化学习指导及资源的方法，但没有讨论具体的实现技术;文献［3］介绍了人工智能在教育中的应用情况，并讨论了BP神经网络在教学评价中的应用;文献［4］介绍了智能导学系统在远程教育中的应用，但没有介绍知识点逻辑关系的表示方法及挖掘有用信息的方法。

数据挖掘是从大量的、不完全的、模糊含噪声的数据中提取隐含的、未知的、非平凡的及有潜在应用价值信息的过程，该技术的提出为人工智能的发展注入了新的力量。FP-growth(频繁模式增长)算法是是韩家炜老师于2000年提出的关联分析算法，它是数据挖掘技术中很重要的一种关联规则挖掘方法，该算法广泛应用于商业分析、客户分析、金融证券分析等领域［5］。

项目组将FP-growth算法应用到形态学实验教学教学系统中，将知识点用树形结构表示，从而提高网络教学系统的智能化水平。当学生搜索知识点时，系统会利用FP-growth算法找到相应的知识点，有效地的为用户提供教学资源;同时，利用FP-growth算法根据学生在线测试的情况，将该学生未掌握的知识点及相关知识点列出来，实行个性化指导。

二、FP-growth算法及其在教学系统中的应用与实现

1.FP-growth算法。FP-Growth算法是针对Apriori算法时间和空间复杂度较大这一缺点提出的一种新的算法。该算法采用分而治之的策略:它利用FP-tree(频繁模式树)数据结构存放数据对象，仍保留原数据库中的关联信息，不产生候选集也不需要多次扫描整个数据库;只需在首次扫描之后，把包含频繁项集的数据库压缩到一棵FP-tree中;随后将FP-tree分化成多个与频繁集逐一相关的条件库，并对这些条件库进行挖掘。该算法的具体实现过程主要分为两步:构造FP-tree和挖掘FP-tree［6］。

2.FP-growth算法在教学系统中的应用与实现。项目组将FP-growth算法应用到形态学实验教学系统中，从而提高该教学系统的智能化水平。项目组的形态学教学系统以知识点为主线展示试验项目供学生学习;同时还为学生提供练习测试题来检测学生的学习情况。知识点在数据库中存放的属性分别是:名称(knname)、代码(knID)、所属课程、基础知识点代码(kncID)、重要程度、难度。通过分析，项目组首先令knname为FP-tree的结点的名字(nodeName)、令该知识点被视为基础知识点的次数结点统计计数(nodeCount)、令以该知识点为基础知识点的知识点的存放地址为下一个结点的指针(nodeLink)、令该知识点的基础知识点的存放地址为指向 FP-tree中的根结点的指针(nodeParent)，构造 FP-tree;其次系统利用FP-growth算法相应知识点。

三、FP-growth算法及其在教学系统中的应用结果及分析

项目组将FP-growth算法应用到形态学实验教学教学系统中后，学生登陆该系统网页，输入要查找的知识点，点击搜索，系统就会利用FP-growth算法搜索到与该知识点相关的内容(见附图)。

从附图可看出，学生输入“细胞水肿”，点击搜索后，系统将与“细胞水肿”相关的教学内容搜索出来，并显示出来供学生查看，搜索精度高、速度快。同样，当学生做错题时，系统会利用FP-growth算法自动搜索错题所涉及的知识点及相关的教学内容和练习题，供学生加强学习。

附图 系统应用结果图

为了检验FP-growth算法应用到形态学实验教学教学系统中的有效性，项目组将我校2014级临床4班和5班分为两个学习组，两组学生入学成绩无差异、指导老师为同一位老师，但用不同的教学系统学习病理学:临床4班为实验组使用引入过FP-growth算法的形态学实验教学教学系统学习;临床5班为对照组使用山东易创形态学虚拟教学系统学习，学期结束两组学生一起考核，考核结果如下(见附表)。

附表 考核对比表

根据秩和检验Kruskal-Wallis法，Hc=11.980，P=0.001＜0.01，根据检验水准α=0.05，可认为实验组学生的成绩分布与对照组之间有显著性统计学差异，即实验组学生的考试成绩整体优于对照组。

此外，为了进一步验证FP-growth算法应用到医学形态学实验教学教学系统中的必要性及有效性，项目组通过微信公共平台对我校使用该教学系统的2014级护理、临床、口腔专业的417名学生进行了问卷调查，本次调查的417名参与者中，82%的用户认为添加该功能后，查找速度加快了;84%的用户认为添加该功能后，系统能够有效搜索符合要求的学习资料;73%的用户认为升级后的系统有益于其进一步加强学习。

四、结束语

实验、调查结果表明，引入了FP-growth算法的医学形态学实验教学系统既能有效地的为用户提供教学资源，又能将学生未掌握的知识点的教学资源列出来，实现个性化教学。项目组下一步需要做的工作是将项目组的研究成果应用到多学科的教学系统中，提高其智能化水平。

［1］贾艳滨，钟舒明，赵晓颖.结合eClass网络课程在精神病学教学中的应用研究［J］.中国高等医学教育，2014，11:66-67.

［2］杨永齐，符云清，刘莹宇.基于Multi-Agent的个性化远程教育系统研究［J］.计算机科学，2007，34(9):290-292.

［3］傅 莉.人工智能在教育中的应用研究［J］.计算机与数字工程，2012，12:63-66.

［4］刘艺琴.智能导学系统在远程教育中的应用研究［J］.云南电大学报，2012，14(3):34-36

［5］范 明，孟小峰.数据挖掘-概念与技术［M］.北京:机械工业出版社，2001.

［6］邵峰晶，于忠清，王金龙，等.数据挖掘原理与算法［M］.第2版.北京:科学出版社，2009:8.

G434

A

1002-1701(2015)12-0023-02

2015-04

许 敏，女，硕士，讲师，主要研究方向:数据挖掘，信息安全。

河南省科学技术厅2014年科技发展计划立项项目(142300410106);漯河医学高等专科学校2013年度教育教学改革项目(2013-JGXM-5)。

*通讯作者

10.3969/j.issn.1002-1701.2015.12.012