基于FP-Growth算法的高校学生公共课成绩与专业课成绩相关性研究

余弦，周谊芬

（南通大学a.杏林学院，b.医学院，江苏 南通 226000）

高校人才培养方案中所计划开设的课程，一般可分为公共课（包含公共选修课和公共必修课）和专业课（包含专业基础课和专业课）两种[1]。一般而言，公共课和专业课之间有一定的相关性，公共课所学习的内容在一定程度上是专业课内容的基础，熟悉公共课知识对掌握专业课内容具有促进作用[2]，但是否每一门公共课的成绩都会对相关专业课的成绩产生影响，以及会产生多大的影响，仍有待研究和验证。

随着信息技术的快速发展，数据挖掘及相关技术在高校的教学、科研等领域得到不断拓展应用。数据挖掘技术在寻找海量数据的内在关联规则方面具有效率高、适用灵活等优点。在教学过程中累积的学生成绩已经形成一个体量庞大的数据库，通过数据挖掘的相关算法来寻找大量学生成绩数据之间潜在的关联规律，进而提高高校课程设置合理性和学生学习效率，已经成为高等教育管理领域的研究热点之一[3]。应用FPGrowth算法对某高校部分计算机专业学生的公共课成绩和专业课成绩进行相关性分析，针对二者的关联程度展开实证研究，为高校教学计划的课程设置和教学改革提供有力的科学依据。

1 FP-Growth算法原理和实现

FP-Growth(Frequent Pattern Tree,频繁模式树)算法是一种在经典Apriori算法基础上演变而来的挖掘频繁项集方法[4]。它针对Apriori算法运行效率较低，实现过程中需要多次扫描整个事务集，进而产生大量候选集的缺点做了明显的改进。……