关联挖掘在科研管理系统中的应用研究

论文摘要

随着数据库技术的迅速发展以及数据库管理系统的广泛应用,人们积累的数据越来越多。数据挖掘技术的应运而生使得这些数据背后隐藏着的重要信息得以利用,也为更高层次的分析提供了科学依据。经过多年的发展,数据挖掘的算法已日趋成熟、稳定,且易于理解和操作,于是数据挖掘的研究重点也逐渐转向了如何应用方面。目前,数据挖掘技术在商业、金融等领域的应用已积累了很多成功经验。但在教育层面上的应用却还很少。近年来随着高校的不断扩招,学生人数大幅度增加,给高校的教学、科研管理工作带来了严峻的考验,我们发现利用高校逐年积累下来的海量的教学、科研信息,通过数据挖掘获得科学的依据、启示,来引导高校寻求合理的教学模式,指导师生进行有效的科研工作,完全可以使高校朝着好的方向健康、稳步的发展、前进。本文就是将数据挖掘的技术引入到高校的科研工作中的一个应用尝试。本文以某高校的科研管理系统为背景,运用关联挖掘的技术对其积累的科研信息进行挖掘,来试图发现影响科研成果的关键要素,以及各科研要素间和科研成果间的关联关系,从而为领导组织、协调师生科研工作、做出科研决策提供科学依据。本文首先综述了数据挖掘的研究背景、意义以及数据挖掘技术在高校科研管理中的应用现状和意义,然后在对数据挖掘相关理论、关联规则思想及主要算法进行讨论,分析经典Apriori算法及其存在的问题、基本解决方案后,提出了适合本文挖掘的多维Apriori算法的设计方案,并应用于本文挖掘中;接着论文介绍了科研数据的关联挖掘系统的结构,确定了面向主题的挖掘任务,包括:科研项目信息的挖掘、论文信息的挖掘、学术专著信息的挖掘等;设计了关联规则的实施过程,并通过程序编码得以实现,获得了多条有启发性的关联规则,并对其进行了解释与分析。最后本文阐述了课题研究中的一些心得及对后续科研活动的展望。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 数据挖掘技术研究背景与研究意义
• 1.2 数据挖掘技术在高校科研管理中应用的研究现状及意义
• 1.3 本文的研究内容及论文的结构
• 第2章 数据挖掘及关联规则
• 2.1 数据挖掘理论
• 2.1.1 数据挖掘的概念
• 2.1.2 数据挖掘过程
• 2.1.3 数据挖掘的分类
• 2.2 关联规则理论
• 2.2.1 关联规则的基本概念
• 2.2.2 挖掘关联规则的基本步骤
• 2.2.3 关联规则的种类
• 2.2.4 关联规则价值衡量的方法
• 2.3 关联规则相关算法及分析
• 2.3.1 Apriori算法
• 2.3.2 Apriori算法的评价
• 2.4 本章小结
• 第3章 科研数据的关联挖掘系统的设计
• 3.1 科研数据的概况
• 3.2 本文数据挖掘的任务
• 3.3 科研数据挖掘系统的设计
• 3.3.1 系统设计要求
• 3.3.2 挖掘系统执行流程
• 3.3.3 挖掘系统结构设计
• 3.4 数据准备的要求与意义
• 3.4.1 数据清理
• 3.4.2 数据集成
• 3.4.3 数据变换
• 3.5 关联挖掘多维Apriori算法的设计
• 3.5.1 基本概念
• 3.5.2 关联挖掘多维Apriori算法的设计
• 3.5.3 多维Apriori算法的示例说明
• 3.6 挖掘结果解释与分析的要求
• 3.7 本章小结
• 第4章 科研数据的关联挖掘的实现
• 4.1 科研数据的清理、集成
• 4.2 科研数据的数据变换
• 4.3 科研数据的关联挖掘过程
• 4.3.1 科研项目的挖掘
• 4.3.2 论文信息的挖掘
• 4.3.3 著作信息的挖掘
• 4.4 挖掘结果的解释与分析
• 4.4.1 规则的含义
• 4.4.2 规则的解释与分析
• 4.5 本章小结
• 第5章 结论
• 5.1 总结
• 5.2 今后研究方向展望
• 参考文献
• 附录A 科研信息相关编码信息说明
• 附录B 生成频繁项集的程序代码
• 攻读学位期间公开发表学术论文情况
• 致谢
• 研究生履历