面向个性化继续教育的关联规则挖掘算法研究

胡 悦，罗小楠，王 彬，张 伟

（空军军医大学教学考评中心，陕西西安 710032）

近年来，随着社会教育水平的不断提高，继续教育的需求逐年增加[1]。利用互联网发展的红利，实现互联网+继续教育的模式是继续教育行业的一个新的趋势[2-3]。为了更优地提高继续教育的教学水平，满足不同人群的需要，面向个性化继续教育研究新方法成为一个研究热点。在个性化推荐方面，关联规则挖掘算法在诸多领域均得到了应用[4-6]。文献[7]提出利用关联规则算法，实现高校图书馆书籍个性化推荐。文献[8]利用学生信息进行关联规则挖掘，在教育管理系统上实现了个性化管理。相似的，文献[9-10]分别利用关联规则模型建立了银行产品个性化推荐模型和医疗用品推荐模型。这些研究和应用在一定程度上说明了关联规则算法可以实现个性化的方案推荐，能够挖掘数据间的关联关系。

为了进一步提高关联规则算法的性能，针对算法的改进也得到了广泛的研究[11-12]。文献[13]基于MapReduce 计算模型对关联规则算法改进进行了总结。针对基于关联规则的数据挖掘方法，文献[14-15]分别提出利用模糊逻辑规则和聚类方法提高关联规则挖掘的算法性能。此类算法改进在较大程度上可以提高关联规则挖掘的准确性，为个性化推荐提供依据，但在非确定性属性关联情况下仍需研究新的方法[16]。

该文面向个性化继续教育方案优化的需求，研究了关联规则挖掘算法。在构建个性化继续教育方案的基础上，文中利用关联规则算法，通过建立强关联规则和频繁项集，实现数据属性的关联规则挖掘。……