数据挖掘技术在陶瓷文化传承平台中的应用

叶兰兰 郑忠发 吴旭东

①江西省赣州市南康区图书馆 ②江西陶瓷工艺美术职业技术学院

本研究顺应新时代陶瓷文化的发展，为方便人们学习陶瓷传统文化，设计了陶瓷文化传承平台，利用数据挖掘算法在陶瓷文化传承平台建立数学模型，采用关联规则和聚类分析两种算法对陶瓷艺术品进行分析，得到了一些结论，对于促进陶瓷文化传承的策略和成效研究起到了一定的推动作用。

1 引言

《中共中央关于党的百年奋斗重大成就和历史经验的决议》支持，“中华优秀传统文化是中华民族的突出优势，是我们在世界文化激荡中站稳脚跟的根基，必须结合新的时代条件传承和弘扬好。”陶瓷文化作为中华优秀传统文化的杰出代表，是中国特有的文化，也是世界文化的瑰宝。陶瓷文化作为重要组成部分，与茶文化、玉文化一样，成为独特的文化艺术，成为了民族的代言。2021年国家发展改革委、文化和旅游部关于印发《景德镇国家陶瓷文化传承创新试验区实施方案》的通知。随后，景德镇出台陶瓷文化传承创条例，共六章四十八条，新试验区建设提供重要的法治保障，而且对保护好传承好利用好景德镇优秀陶瓷文化、发挥文化对产业转型升级的积极作用。传统的陶瓷传承采用口口相传、师徒传授等时间短、范围小、速度慢，新时代中国特色陶瓷文化传承需要互联先进的信息技术。因此，本文尝试通过搭建陶瓷文化传承平台的设想，并通过数据挖掘技术对平台的访问数据进行取样、探索、预处理、建模和模型评价等工作任务。

2 陶瓷文化传承平台

本平台开发环境为Myeclipse9，B/S 架构，通过面向对象的MVC设计思想，使用Struts 框架、Java 程序语言设计，后台数据库为MySQL，前端页面使用HTML5编写，在前端代码通过Javascripe程序嵌入Matlab程序设计数据挖掘算法，应用服务器中间件采用Tom cat，Web服务器采用Apache。陶瓷文化传承平台包括陶瓷文化平台、陶瓷技艺服务平台、在线教学系统、中国陶瓷史四个模块。如图1所示，本文以陶瓷文化平台、陶瓷技艺服务平台这两个模块为例说明本文系统的功能设计与实现过程。

3 陶瓷文化传承平台介绍

陶瓷传承人包括国家级、省级、市级约几百人，收集传承人撰写的论文、陶瓷作品、获奖作品、主要荣誉等，应用的数据挖掘建模及任务有：数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐和决策树分析等。以下研究采用里面两个常见的模型进行数据挖掘。

3.1 基于Apriori算法关联规则在陶瓷产品中的应用

以陶瓷文化传承平台数据为例，陶瓷爱好者在收藏陶瓷时，面对众多的陶瓷艺术品信息量巨大，往往表现出眼花缭乱，无法迅速找到满意的陶瓷艺术品，即增加了时间，也降低了收藏体验。大众对陶瓷艺术品的喜好和品味一般都是固定的，根据不同房屋类型，选择不同的陶瓷艺术品搭配也有一定的规律。陶瓷艺术品之间是相互联系的，而有些陶瓷艺术品之间是对立或竞争的关系（负关联），这些规律都隐藏在大量的历史数据中，如果能够通过数据挖掘发现陶瓷爱好者对艺术品的喜好规律，就可以快速识别陶瓷爱好者的品味。如表1：从陶瓷传承平台中获取收藏者收藏的陶瓷艺术品相关数据。

表1 收藏数据

Apriori算法关联规则算法代码如下：

以上规则的最小支持度设置为0.2，最小置信度设置为0.65。得出的5条关联规则结果如下：

规则一：收藏了a瓷瓶和c雕塑品的概率为63.636%，收藏了a瓷瓶，再收藏c雕塑品的概率为85.714%。

规则二：收藏了e陈设品和c雕塑品的概率为54.545%，收藏了e陈设品，再收藏c雕塑品的概率为75.0%。

规则三：收藏了b瓷板和d器皿的概率为50.0%，收藏了b瓷板，再收藏d器皿的概率为72.727%。

规则四：收藏了e陈设品和a瓷瓶的概率为54.545%，收藏了e陈设品，再收藏a瓷瓶的概率为66.667%。

规则五：收藏了e陈设品和d器皿的概率为54.545%，收藏了e陈设品，再收藏d器皿的概率为66.667%。

根据以上结论，可以在陶瓷文化传承页面中进行调整，如收藏了瓷瓶的陶瓷爱好者，可以给其推荐雕塑品；收藏了陈设品的陶瓷爱好者，可以给其推荐瓷瓶或者器皿。利用以上数据进行一些科学的推荐。

3.2 对陶瓷爱好者浏览传承平台的行为进行聚类分析

通过陶瓷爱好者的收藏行为，对陶瓷爱好者进行详细分析，找到有价值的爱好者和需要关注的爱好者群体。与分类不同，聚类分析是在没有给定划分类别的情况下，根据数据相似度进行样本分组，是建立在无类标记的数据上，是一种非监督的学习算法。聚类是根据数据自身的距离和相似度划分为若干组，原则是组内样本最小化而组间距离最大化。部分陶瓷爱好者的收藏行为特征数据如表1所示根据这些数据将陶瓷爱好者分类成。

采用K-Means聚类算法，设定聚类个数K为3，最大迭代次数为500次，距离函数取欧氏距离。K-Means聚类算法的MATLAB代码如下：

陶瓷爱好者价值分析如下：

陶瓷爱好者价值分析如下：第1类包含的样本最多（576个样本），F传承平台浏览页面数4.84，R传承平台停留时长14.96分钟，M浏览传承平台间隔时长930.61分钟。第2类包含的样本（331个样本），F传承平台浏览页面数18.21（是三类中的最大值），R传承平台停留时长14.96分钟，M浏览传承平台间隔时长1255.48分钟。第3类包含的样本（33个样本），F传承平台浏览页面数6.85，R传承平台停留时长65.58分钟（是三类中的最大值），M浏览传承平台间隔时长1405.59分钟（是三类中的最大值）。

对比分析：第1类在平台浏览页面数较少，平台停留时长一般，浏览平台的时间间隔较短。该类群体是传承平台的低粘性、低价值群体。第2类在平台浏览的页面较多，平台停留的时长一般，浏览平台间隔时长一般，处于中等水平。第3类在平台浏览的页面数一般，平台停留时长较长，浏览平台间隔时长较长。该类群体是传承平台的高粘性、高价值群体，传承平台可以好好培养。

4 结束语

本文顺应新时代陶瓷文化的发展，为方便人们学习陶瓷传统文化，设计了陶瓷文化传承平台，利用数据挖掘算法在陶瓷文化传承平台建立数学模型，采用关联规则和聚类分析两种算法对陶瓷艺术品进行分析，得到了一些结论，对于促进陶瓷文化传承的策略和成效研究起到了一定的推动作用。