基于关联规则挖掘算法的教务管理系统设计

叶梦雄

(西安航空职业技术学院，陕西 西安 710089)

计算机与信息技术的发展，给各领域带来日新月异的变革，也使得高等教育工作逐步实现了信息化。对于高等教育系统而言，教务管理工作是核心环节，对整个教学的高效运作影响极大。目前我国许多高校在实际工作中已经应用了教务管理系统，并针对教务管理工作中涉及海量数据的特点，提供如数据存储、数据查询等功能，显著提高了教务管理工作的效率和质量。在教学过程中，不断积累的历史数据含有大量的、有价值的信息，但是现有的教务管理系统普遍缺乏数据分析及发掘的功能。若在现有的教务管理系统基础上，融入高效的数据挖掘技术，以分析、挖掘教务管理系统中海量信息，必然能够帮助高校教务工作者准确掌握教务工作中的潜在规律，为相关决策提供更加全面而科学的有力支持，最终推动高校教务工作的创新，实现个性化的人才培养目标。为实现上述构想，本文提出了一种基于关联规则挖掘算法的教务管理系统设计方案。

1 系统功能需求

教务管理系统主要由服务端与客户端构成，主要用户对象包括教师、学生、教务管理者。其中，教师及学生为客户端用户，而教务管理者为服务端用户。鉴于当前我国移动互联网技术已经普及，广大师生基本上都拥有智能手机等移动终端[1]，因此本文所提出的教务管理系统的客户端，主要依托于智能移动终端。该系统采用实名注册方式，用户登录系统时需要输入姓名、登录密码以及身份验证信息。同时，根据教务管理工作的实际需要，本文对教务管理系统的功能需求进行分析，最终确定了系统整体用例图，如图1所示。

图1 系统整体用例图

从图1可以看到，对于学生用户而言，教务管理系统需要具备系统登录、学籍管理以及选课管理等功能模块；对于教师用户而言，教务管理系统需要具备系统登录、成绩管理以及教学管理等功能模块；对于教务工作者而言，教务管理系统除了需要成绩管理、教学管理等功能模块外，还需要具备系统设置、排课管理等功能模块。具体来说，教学管理功能模块主要包括教学时间、教学内容以及教学地点等；成绩管理功能模块包括对学生或班级成绩的录入、修改、查询以及统计分析等；选课管理功能模块主要是为不同专业学生提供课程选择[2]；排课管理功能模块主要是为教务工作者提供课程安排的功能。

2 教务管理系统设计

2.1 系统整体架构设计

教务管理系统主要由服务器与客户端两个部分构成，其中服务器的核心作用是实现应用程序的逻辑运行；客户端的核心作用是为用户提供交互及展示等功能。在该系统中，服务器能够支持常见的C/S以及B/S架构模式，通信协议则兼容SOCKET以及HTTP；客户端主要针对目前已广泛应用的智能手机移动终端，采用C/S架构模式。

根据上述设计目的，本文所设计的教务管理系统包含了应用服务器、数据库服务器、网络及通讯服务器、终端等，具体架构如图2所示。

图2 系统逻辑架构设计

系统整体网络拓扑结构设计如图3所示。

图3 系统整体网络拓扑结构设计图

从图2和图3中可以看到，教务管理系统基于分层原理进行开发，通过关联规则的数据库来实现对所有数据的存储，同时采取防火墙等措施来加强系统的安全性和可靠性[3]，保障数据信息的安全。

2.2 系统功能设计

本文所设计的教务管理系统兼容了现有教务管理系统的主要功能，同时融入了大数据以及数据挖掘技术的应用。此外，该系统还支持智能终端访问。具体功能模块如图4所示。

图4 系统功能模块设计

3 系统功能详细设计

3.1 登录流程设计

用户登录模块的流程设计如图5所示。用户通过智能手机客户端访问本系统的登录界面，在该界面中输入姓名、密码以及身份验证信息，向服务器发送请求；服务器收到请求后从数据库中调取用户信息进行身份验证，并将验证结果反馈至客户端[4]；客户端接收到服务器的响应后，当用户满足登录条件则跳转至用户身份所对应的页面；若用户输入的登录信息不合法，则返回系统登录界面并提示错误。

图5 登录模块流程设计

3.2 数据仓库设计

为了提高数据挖掘的效率，在教务管理系统中建立了数据仓库，以此简化数据挖掘的过程。系统数据仓库体系结构如图6所示。

图6 教务管理系统数据仓库体系结构

数据源经过数据抽取、数据转换以及数据装载等步骤进入数据集市，数据集市经整合成为数据仓库，并以关系型在线处理分析(ROLAP)的方式进行存储；用户登录教务管理系统后，可以利用数据挖掘等数据分析工具访问数据仓库，对其中所包含的数据进行管理、维护等相关操作；通过数据挖掘所得到的知识，经由客户端的用户界面展示给用户。

3.3 关联规则挖掘设计

3.3.1Apriori算法改进

Apriori算法诞生于20世纪末，是最早的关联规则挖掘算法。传统的Apriori算法的候选频繁集数量多，导致扫描时间长，进而降低了挖掘的效率和准确度。对此，为提高对学生课程推荐的准确度，本文做了两方面的改进。

1)在传统Apriori算法的基础上，引入加权关联规则。假设在项目集I(I={i1,i2,…,im})中，任意一个项目im都存在一个权值wj，其中0≤wj≤1，j=1,2,…,m。通过这个权值，可以衡量该项目在整个集合当中的重要性。该权值越大，说明其重要性越突出。将集合中的项目按照权值的大小进行排序，从而得到一个由大到小的排列结合，最后构成一个线性序集。用X,Y表示项目集I中的元素，X

定义X的加权支持度为w(X)×Sup(X)，其中Sup(X)为关联规则中的支持度。

式中：Support_count(X)为元素X在记录中出现的次数；事务总数为数据的个数。

如果w(X)×Sup(X)≥wminSup，那么x为加权频繁项目集，其中wminSup表示用户的最小加权支持度。

2)在置信度方面，如果X，Y∈I，X∩Y=φ,那么定义(X⟹Y)的置信度为：

式中：Support_count(X∪Y)表示X和Y同时在记录中出现的次数。

在以上的关联规则中，课程的权重是依据相关的专家对课程重要性进行设置的。但是，单纯考虑加权支持度和加权置信度的话，则得到的关联规则数目非常多，从而导致推荐的课程缺乏实际的指导意义，为了提高推荐的准确率，引入了兴趣度[5]。

假设P(X)表示X发生的概率，P(XY)表示事件X和Y同时发生的概率。如果P(XY)≠P(X)P(Y)，则表示X和Y相关；如果P(XY)=P(X)P(Y)，则表示X和Y相互独立。由此，在关联规则中，(X⟹Y)的兴趣度RI可以表示为:

当RI>1时，表示X和Y正相关，即X的出现可带动Y出现；当RI≤1时，则表示X和Y为负相关，即X的出现阻碍了Y的出现。

结合以上两种方式，定义(X⟹Y)，并且满足RI(X⟹Y)≥minRI，则认为(X⟹Y)满足最小兴趣度的关联规则。

3.3.2数据挖掘流程设计

教务管理系统具体的数据挖掘流程如图7所示。

图7 数据挖掘流程

4 系统实现

4.1 登录模块实现

用户登录教务管理系统时，首先在输入框中输入姓名、密码等信息，然后点击登录按钮。若用户通过验证，则客户端根据该用户角色跳转至系统功能界面；具体登录界面如图8所示。

4.2 课程推荐模块实现

教务管理者成功登录教务管理系统后，其客户端跳转至课程推荐模块，如图9所示。用户在课程推荐界面,可以对“喜欢课程选择”、“设置最小支持度”等筛选条件进行具体设置，由关联规则算法得出筛选结果。如以计算机科学与技术、最小支持度3为条件，得到课程推荐结果为计算机基础、数据结构、JAVA 程序设计。

图8 用户登录界面

5 结束语

本文提出的教务管理系统设计方案，不仅保留了现有教务管理系统的主要功能，同时引入数据挖掘技术，使其增加了挖掘历史数据的新功能。此外，该设计方案从实际情况出发，客户端依托于智 能手机等移动终端，为用户使用该系统提供了便利。

图9 课程推荐界面