陈世保，徐 峰，吴国凤

基于难度系数的加权关联规则在试卷评估中的应用

*陈世保1，徐 峰1，吴国凤2

（1.安徽财贸职业学院，安徽，合肥 230601；2.合肥工业大学，安徽，合肥 230009）

针对传统的关联规则在试卷评估中应用出现的问题：由于试题的难易程度不同，被答对的概率也不一样，即数据集中数据项发生的概率不一样，数据项具有倾斜支持度分布的特征，选择合适的支持度阈值挖掘这样的数据集相当棘手。文章提出了基于试题难度系数加权的关联规则挖掘算法，从而解决因试题难度不同而导致数据项出现的概率不均的问题，发现更多有趣的关联规则，并且理论上证明了基于难度系数的加权关联规则算法保持频繁项集向下封闭的重要特性。

Apriori算法；试卷评估；加权关联规则；数据挖掘；难度系数

1 问题提出的背景

数据挖掘是指从大量的数据中发现人们事先不知道的、有用的知识（模式）的处理过程，它是继数据库、人工智能等领域之后发展起来的一门重要学科[1]，是目前国际上数据库和信息决策领域比较前沿的研究方向。关联规则挖掘是数据挖掘重要的研究分支，Agrawal等人[2]于1993年首次提出关联规则挖掘后，引起了国际上广泛的关注，文献[3]首次提出了经典的Apriori算法，并成功应用到商业中。

在试卷评估中更是如此，由于试题的难易程度不同，因此试题被答对的概率也不一样，即试卷的事务数据库中数据项出现的频率不一样：难度大的试题在数据库中出现的概率低，即具有较低的支持度；……