一种基于Apriori算法的学生就业数据分析方法技术

本发明专利技术公开了一种基于Apriori算法的学生就业数据分析方法，主要为各个高校相关专业学生专业课成绩、学生综合测评成绩、技能鉴定及就业数据的数据库提供接口，实现将高校学生就业资源整合到高校学生就业资源联合检索平台上。利用Apriori算法，通过对学生的相关成绩和就业数据的分析及研究，得到相关专业的学生就业与专业课程之间、学生综合测评及技能鉴定等之间存在的关系，以此为学校的学生就业提供参考依据，为学校的专业课程设置提供参考意见。

【技术实现步骤摘要】
一种基于Apriori算法的学生就业数据分析方法
本专利技术涉及高校学生就业数据分析领域，尤其涉及一种基于Apriori算法的学生就业数据分析方法。
技术介绍
计算机技术与信息技术的快速发展，对人类社会进步与发展产生了巨大影响。它使人类社会由工业化进入到信息化时代，同时随着现代人生活节奏的加快及技术的进步，人们获取信息数据也更容易，进而使数据的存储量急剧增加。然而,面对大量的杂乱数据，人们更加关注的并非数据本身，而是隐藏在数据背后的一些重要信息。面对这一挑战，数据挖掘应运而生。数据挖掘有许多研究方向，关联规则挖掘就是其中之一，它反映了大量数据之间存在的相关联系。本专利技术是在针对典型的关联规则挖掘算法Apriori算法基础上，并将其关联规则挖掘的技术应用到学生就业数据的分析之中。通过对学生的相关成绩和就业数据的分析及研究，得到相关专业的学生就业与专业课程之间、学生综合测评及技能鉴定等之间存在的关系，以此为学校的学生就业提供参考依据，为学校的专业课程设置提供参考意见。
技术实现思路
为了克服现有技术的不足，本专利技术的目的在于提供一种基于Apriori算法的学生就业数据分析方法。本专利技术技术方案一种基于Apriori算法的学生就业数据分析方法，其特征在于，包括以下步骤：1)、为各个高校相关专业学生专业课成绩、学生综合测评成绩、技能鉴定及就业数据提供接口，实现将高校学生就业资源整合到高校学生就业资源联合检索平台上。2)、将步骤101整合的事务数据库资源采用Apriori算法来生成子数据库，即通过挖掘数据之间的关联规则生成分级子数据库，具体步骤为：A、预先设定最小支持数mincount，扫描事务数据库DB并计数得到C1，找出满足最小支持计数的1-频繁项集,记为L1；B、重新组合L1中的项集产生候选集C2，再次扫描事务数据库，找出满足最小支持计数的2-频繁项集L2；3)、根据步骤102中得到的频繁项集L2，由Apriori_gen(L2)重新组合L2中的项集产生候选集C3，删除候选集C3中不属于L2的候选项集；如此循环下去，直到不能找到新的频繁k-项集，即扫描事务数据库，发现Li为空集，则算法结束，最后得到的频集作为主数据库，然后利用所得到的分级子数据库及主数据库进行联合分析。得到相关专业的学生就业与专业课程之间、学生综合测评及技能鉴定等之间存在的关系，以此为学校的学生就业提供参考依据，为学校的专业课程设置提供参考意见。本专利技术技术有益效果：本专利技术提出一种基于Apriori算法的学生就业数据分析方法。通过对各个高校相关专业学生就业资源整合，利用Apriori算法，通过对学生的相关的成绩和就业数据的分析及研究，得到相关专业的学生就业与专业课程之间、学生综合测评及技能鉴定等之间存在的关系，以此为学校的学生就业提供参考依据，为学校的专业课程设置提供参考意见。附图说明图1为本专利技术的Apriori算法流程图，图2为本专利技术的Apriori算法生成分级子数据库示意图，图3为本专利技术的Apriori算法生成主数据库示意图。具体实施方式为便于本领域技术人员理解本专利技术技术方案，现结合说明书附图对本专利技术技术方案做进一步的说明。本专利技术包括两个部分，第一部分是Apriori算法生成分级子数据库，即通过挖掘数据之间的关联规则生成分级子数据库。第二部分是Apriori算法生成主数据库，即在分级子数据库的基础上再利用Apriori算法进行关联规则的挖掘，获得最终的主数据库。详细方案描述1、Apriori算法生成分级子数据库Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。Apriori算法使用层次顺序搜索的循环方法产生频繁项集，即用频繁k-项集探索产生(k+1)-项集。找出长度为1的频繁项集，记为L1，用于产生频繁2-项集L2的集合，而L2用于产生频繁3-项集L3的，如此循环下去，直到不能找到新的频繁k-项集。假设图书电子资源事务数据库DB中包含4个事务，即|DB|＝4，最小支持数mincount＝2，即最小支持度minsup＝2/4＝50％。挖掘频繁项目集的具体过程如下所述：(1)数据过滤首先对事务数据库DB进行扫描并且计数，得到C1，取出计数大于最小支持数的项集(其中项集{D}的支持数为1小于最小支持数2，删除{D}项集)，产生L1＝{{A},{B},{C},{F}}。第一次数据库扫描产生的关联规则会产生冗余数据，继续对数据库进行第二次扫描。(2)分级子数据库的生成由Apriori_gen(L1)(产生相应的候选项集)生成C2，扫描数据库DB，对C2中的每个项集进行计数(其中{A，B}，{A，C}支持数为1，小于最小支持数2，删除{A，B}，{A，C}两个项集)，计算C2中每个候选集得到L2，所得到L2的中的频繁项集{A，C}，{B，C},{B，F}，{C，F}作为事物数据库的分级子数据库，生成过程如图2所示。2、Apriori算法生成主数据库根据生成的分级子数据库L2，由Apriori_gen(L2)生成C3，扫描事务数据库D，对C3中的每个项目进行计数，取出C3中大于最小支持数的项集(其中{A，B，C}，{A，B，F}，{A，C，F}三个项集的支持数为1，小于最小支持数2，删除该三项，留下计数大于最小支持数的项集)，最终得到L3，其中{B，C，F}是最后得到的频集作为主数据库，生成过程如图3所示。本专利技术方案在上面结合附图对专利技术进行了示例性描述，显然专利技术具体实现并不受上述方式的限制，只要采用了本专利技术的方法构思和技术方案进行的各种非实质性改进，或未经改进将专利技术的构思和技术方案直接应用于其它场合的，均在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
一种基于Apriori算法的学生就业数据分析方法，其特征在于，包括以下步骤：1)、为各个高校相关专业学生专业课成绩、学生综合测评成绩、技能鉴定及就业数据提供接口，实现将高校学生就业资源整合到高校学生就业资源联合检索平台上。2)、将步骤101整合的事务数据库资源采用Apriori算法来生成子数据库，即通过挖掘数据之间的关联规则生成分级子数据库，具体步骤为：A、预先设定最小支持数mincount，扫描事务数据库DB并计数得到C1，找出满足最小支持计数的1‑频繁项集,记为L1；B、重新组合L1中的项集产生候选集C2，再次扫描事务数据库，找出满足最小支持计数的2‑频繁项集L2；3)、根据步骤102中得到的频繁项集L2，由Apriori_gen(L2)重新组合L2中的项集产生候选集C3，删除候选集C3中不属于L2的候选项集；如此循环下去，直到不能找到新的频繁k‑项集，即扫描事务数据库，发现Li为空集，则算法结束，最后得到的频集作为主数据库，然后利用所得到的分级子数据库及主数据库进行联合分析。

【技术特征摘要】
1.一种基于Apriori算法的学生就业数据分析方法，其特征在于，包括以下步骤：1)、为各个高校相关专业学生专业课成绩、学生综合测评成绩、技能鉴定及就业数据提供接口，实现将高校学生就业资源整合到高校学生就业资源联合检索平台上。2)、将步骤101整合的事务数据库资源采用Apriori算法来生成子数据库，即通过挖掘数据之间的关联规则生成分级子数据库，具体步骤为：A、预先设定最小支持数mincount，扫描事务数据库DB并计数得到C1，找出满足最小支...

【专利技术属性】
技术研发人员：宋丽萍，韦建国，
申请(专利权)人：阜阳职业技术学院，
类型：发明
国别省市：安徽,34