【技术实现步骤摘要】
本专利技术属于信息检索，尤其涉及一种基于大数据的数据挖掘方法及系统。
技术介绍
1、目前，随着信息技术的不断发展，教育领域的数据量呈现指数级增长，尤其是在线教育和智能教育系统中，学生的学习行为、课程反馈、教学内容等数据日益增多。然而，现有的传统数据分析方法，如基于规则的统计分析方法，往往只能处理相对简单和少量的数据，并且对于多源异构数据的处理和分析存在较大的局限性。例如，在处理学生的在线学习行为数据、课程反馈数据和教师发布的教学内容时，现有技术难以高效地融合这些异构数据源，并且无法充分挖掘出潜在的学生学习模式和课程优化机会，尤其是当数据量极其庞大时，现有的系统往往无法高效地完成数据的清洗、特征提取、降维和模型训练等一系列任务。因此，亟需一种能够在面对大规模、多源异构数据的情况下，依然能够实现高效、精准的数据挖掘方法和系统，以提升教育数据分析的精度和效率。
技术实现思路
1、针对上述存在的技术不足，本专利技术的目的是提出一种基于大数据的数据挖掘方法，旨在解决现有技术中常见的数据分析方法，尤其...
【技术保护点】
1.一种基于大数据的数据挖掘方法，其特征在于，方法包括：
2.如权利要求1所述的一种基于大数据的数据挖掘方法，其特征在于，步骤S20中，标准化数据集D2包括：
3.如权利要求1所述的一种基于大数据的数据挖掘方法，其特征在于，步骤S30中，协方差矩阵C的构建公式为：
4.如权利要求1所述的一种基于大数据的数据挖掘方法，其特征在于，步骤S30中，特征向量的贡献率计算公式为：
5.如权利要求1所述的一种基于大数据的数据挖掘方法，其特征在于，步骤S40中，K-means聚类算法采用公式：
6.如权利要求1所述的一种基...
【技术特征摘要】
1.一种基于大数据的数据挖掘方法，其特征在于，方法包括：
2.如权利要求1所述的一种基于大数据的数据挖掘方法，其特征在于，步骤s20中，标准化数据集d2包括：
3.如权利要求1所述的一种基于大数据的数据挖掘方法，其特征在于，步骤s30中，协方差矩阵c的构建公式为：
4.如权利要求1所述的一种基于大数据的数据挖掘方法，其特征在于，步骤s30中，特征向量的贡献率计算公式为：
5.如权利要求1所述的一种基于大数据的数据挖掘方法，其特征在于，步骤s40中，k-means聚类算法采用公式：
6.如权利要求1所述的一种基于大数据的数据挖掘方法，其特征在于，步骤s20中，正负面情感倾向分值是根据经过训练的情感词典统计并加权得到。
【专利技术属性】
技术研发人员：皇甫大双，朱自轩，王玉婷，孙红艳，
申请(专利权)人：江苏安全技术职业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。