基于FP-growth算法与分层线性模型交互的招生数据挖掘
2021-03-04唐成龙唐露新杨旺功孙道宗薛秀云
济南大学学报(自然科学版) 2021年2期
唐成龙,唐露新,杨旺功,孙道宗,薛秀云
(1. 广州理工学院招生就业处,广东广州510540; 2. 广东工业大学 机电工程学院,广东广州510006;3. 北京林业大学信息学院,北京100083; 4. 华南农业大学电子工程学院,广东广州510642)
招生工作的自动化与智能化是当前高等学校(简称高校)招生的研究热点。结合当前高校培养人才的多重因素[1],不仅更容易通过大数据分析来获得更优的招生信息,而且通过分析历年的招生数据,结合学校人才培养模式,发挥学校专业优势及就业形势,更有利于高校吸引考生报考。招生数据挖掘应用广泛[2],根据录取情况,结合学生考试分数、地域、所选专业及性别信息,对上述数据进行有效挖掘,对学校招生计划的制定及教学资源的配置具有指导作用。根据专业发展的需求及人才培养的历史经验数据,不同专业在录取过程中对学生进行差异化招生,是数据挖掘技术为高校人才招生提供的新的研究方向。特别是在自主招生中,根据学生个人能力、竞赛获奖及社会实践等情况,结合专业发展特点,能够更加精准地进行招生。
近年来,通过数据挖掘及大数据分析方法进行高校招生的研究成为热点,取得了一些成果。FP-growth算法作为数据挖掘常用的关联分析方法之一,在多个领域得到了广泛应用。文献[3]中针对云计算环境下的需求,提出一种改进的FP-growth算法,实现了算法的并行化,并与分布式计算框架的MapReduce模式进行有机结合。文献[4]中分析了大数据时代教育数据挖掘的新形势与传统分析模式之间的差异,指出数据挖掘技术在教育行业,特别是招生数据分析方面,具有较大的应用潜力。……
登录APP查看全文