[發(fā)明專利]一種學(xué)生數(shù)據(jù)挖掘系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202010611073.X
• 申請日: 2020-06-30
• 公開（公告）號: CN111752995A
• 公開（公告）日: 2020-10-09
• 發(fā)明（設(shè)計）人: 岳希;唐孟軒
• 申請（專利權(quán)）人: 成都信息工程大學(xué)
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/248
• 代理公司: 成都云縱知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51316
• 代理人: 熊曦

1.一種學(xué)生數(shù)據(jù)挖掘系統(tǒng)，其特征在于，所述系統(tǒng)包括：

數(shù)據(jù)采集模塊，用于采集學(xué)生成績數(shù)據(jù)并存儲至數(shù)據(jù)庫；

樣本選擇模塊，用于從數(shù)據(jù)庫中選擇學(xué)生成績樣本，學(xué)生成績樣本根據(jù)分類標(biāo)簽分為合格學(xué)生成績樣本和不合格學(xué)生成績樣本；

屬性統(tǒng)計模塊，用于統(tǒng)計學(xué)生成績樣本的分類屬性的屬性值；

樣本預(yù)處理模塊，用于對學(xué)生成績樣本進行初步分類和數(shù)據(jù)預(yù)處理，處理后獲得訓(xùn)練樣本即分類數(shù)據(jù)集；

模型建立及訓(xùn)練模塊，用于構(gòu)建數(shù)據(jù)挖掘模型，并基于訓(xùn)練樣本對數(shù)據(jù)挖掘模型進行訓(xùn)練，獲得訓(xùn)練后的數(shù)據(jù)挖掘模型，其中，數(shù)據(jù)挖掘模型在進行對數(shù)計算時采用預(yù)設(shè)對數(shù)計算公式進行計算，預(yù)設(shè)對數(shù)計算公式為：

其中，x為需要進行對數(shù)運算的值；

輸出模塊，用于將待挖掘?qū)W生數(shù)據(jù)輸入訓(xùn)練后的數(shù)據(jù)挖掘模型，模型輸出學(xué)生數(shù)據(jù)挖掘結(jié)果。

2.根據(jù)權(quán)利要求1所述的學(xué)生數(shù)據(jù)挖掘系統(tǒng)，其特征在于，所述系統(tǒng)還包括數(shù)據(jù)導(dǎo)出模塊，用于將數(shù)據(jù)挖掘模型挖掘處理后的結(jié)果導(dǎo)出至數(shù)據(jù)庫中，用于后續(xù)分析。

3.根據(jù)權(quán)利要求1所述的學(xué)生數(shù)據(jù)挖掘系統(tǒng)，其特征在于，數(shù)據(jù)挖掘模型基于條件屬性間的相關(guān)性選擇樣本分裂屬性。

4.根據(jù)權(quán)利要求1所述的學(xué)生數(shù)據(jù)挖掘系統(tǒng)，其特征在于，數(shù)據(jù)挖掘模型采用余弦相似度計算樣本屬性相似度。

5.根據(jù)權(quán)利要求1所述的學(xué)生數(shù)據(jù)挖掘系統(tǒng)，其特征在于，數(shù)據(jù)挖掘模型的數(shù)據(jù)挖掘過程包括：

步驟a：計算待分類數(shù)據(jù)集的信息熵；

步驟b：計算待分類數(shù)據(jù)集屬性的信息熵；

步驟c：計算待分類數(shù)據(jù)集屬性的信息增益；

步驟d：計算待分類數(shù)據(jù)集屬性信息增益率；

步驟e：比較每個屬性的屬性值中是否有信息熵在閾值范圍內(nèi)的屬性值對，若有則執(zhí)行步驟f，若沒有則執(zhí)行步驟j；

步驟f：計算兩個屬性值對的余弦相似值，若余弦相似值大于閾值則執(zhí)行步驟g，否則執(zhí)行步驟j；

步驟g：針對數(shù)值型屬性將兩個屬性值向量合并成新的屬性值向量，將屬性中參與比較的屬性值刪除，添加新的屬性值，構(gòu)成新的屬性；針對非數(shù)值型數(shù)據(jù)，將兩者中分類屬性較多的刪除；

步驟h：根據(jù)修改后的屬性重新計算屬性的信息熵和信息增益率；

步驟j：從屬性集中選擇出信息增益最大的屬性作為分裂節(jié)點循環(huán)迭代，當(dāng)訓(xùn)練集屬性全部遍歷或者分類結(jié)果不再變化時，停止迭代，得到?jīng)Q策樹。

6.根據(jù)權(quán)利要求5所述的學(xué)生數(shù)據(jù)挖掘系統(tǒng)，其特征在于，根據(jù)公式8比較每個屬性的屬性值中是否有信息熵在閾值范圍內(nèi)的屬性值對，公式8為：

ΔInfo(v1,v2)＝|Info(S)_v1-Info(S)_v2|ε (8)

其中，ΔInfo(v1,v2)為信息熵差；Info(S)_v1為v1的信息熵；Info(S)_v2為v1的信息熵；ε為設(shè)定值；v1、v2為屬性值。

7.根據(jù)權(quán)利要求5所述的學(xué)生數(shù)據(jù)挖掘系統(tǒng)，其特征在于，根據(jù)公式6計算兩個屬性值對的余弦相似值，公式6為：

其中，cosθ為兩個向量之間的余弦相似度；θ為向量與之間的夾角。

8.根據(jù)權(quán)利要求5所述的學(xué)生數(shù)據(jù)挖掘系統(tǒng)，其特征在于，針對數(shù)值型屬性根據(jù)公式13將兩個屬性值向量合并成新的屬性值向量，公式13為：

其中，為合并后新的屬性值向量。

9.根據(jù)權(quán)利要求1所述的學(xué)生數(shù)據(jù)挖掘系統(tǒng)，其特征在于，采用分類變量方法將獲取的學(xué)生成績樣本數(shù)據(jù)分為有序變量和無序變量兩類；無序變量中，利用二項分類法將普通考察科目是否通過分為是和否，利用多項分類法將不同專業(yè)分為軟件、控制和通信；利用有序變量法將考試考察科目成績分為優(yōu)秀、良好和及格三類；

數(shù)據(jù)預(yù)處理包括：缺失數(shù)據(jù)處理、錯誤值檢測、異常數(shù)據(jù)檢測和清理、光滑噪聲、不一致數(shù)據(jù)清理和連續(xù)數(shù)據(jù)離散化。

10.一種學(xué)生數(shù)據(jù)挖掘方法，其特征在于，所述方法包括：

采集學(xué)生成績數(shù)據(jù)并存儲至數(shù)據(jù)庫；

從數(shù)據(jù)庫中選擇學(xué)生成績樣本，學(xué)生成績樣本根據(jù)分類標(biāo)簽分為合格學(xué)生成績樣本和不合格學(xué)生成績樣本；

統(tǒng)計學(xué)生成績樣本的分類屬性的屬性值；

對學(xué)生成績樣本進行初步分類和數(shù)據(jù)預(yù)處理，處理后獲得訓(xùn)練樣本；

構(gòu)建數(shù)據(jù)挖掘模型，并基于訓(xùn)練樣本對數(shù)據(jù)挖掘模型進行訓(xùn)練，獲得訓(xùn)練后的數(shù)據(jù)挖掘模型，其中，數(shù)據(jù)挖掘模型在進行對數(shù)計算時采用預(yù)設(shè)對數(shù)計算公式進行計算，預(yù)設(shè)對數(shù)計算公式為：

其中，x為需要進行對數(shù)運算的值；

將待挖掘?qū)W生數(shù)據(jù)輸入訓(xùn)練后的數(shù)據(jù)挖掘模型，模型輸出學(xué)生數(shù)據(jù)挖掘結(jié)果。