符 睿

(广东轻工职业技术学院信息化建设中心,广东 广州510000)

0 引 言

近年来,大数据技术在高校学生管理和教学质量方面得到了广泛的应用,为挖掘学生行为提供了一定的技术支撑[1]。随着并行化技术的发展以及校园大数据的不断增长,将两者技术的融合也成为当今的一种趋势。将并行大数据技术应用于智慧校园,一方面能够快速提取海量校园数据中学生的行为特点,另一方面通过学生的行为规律调整教学模式,制定出具有针对性的措施,为高校的教学以及学生管理提供相应的辅助决策[2]。根据并行H-mine算法能够实现对于校园大数据的分析,有效挖掘出学生的行为特征,从而为学生行为提供更加清晰直观的分析数据,以期为高校学生管理提供一定的参考价值。

1 智慧校园并行H-mine算法设计

1.1 基于Spark平台的并行H-mine算法

作为一种可扩展、高性能、可预测的算法,Hmine算法在实际的计算过程中首先需要遍历数据集,统计频繁1项集[3]。选取每一行的数据作为单位,筛选出其中大于最小支持度中的项,经过升序排序每行中的项,从而得到频繁项投影;

其次,使用HStruct来表示F-list,可简称为F-list HStruct,并对其中的频繁项进行升序排序。然后对F-list HStruct中的频繁项逐一加以遍历,依次连接每一行中首个数据项一致的频繁项,等所有F-list HStruct中的频繁项遍历结束,从数据集中的第一个数据项开始分区,并进行遍历操作,直至完成遍历,则结束操作,否则进行上一步[4]。最后对分区中的数据集……