高考考生志愿数据分析与挖掘研究

论文摘要

如何填报高考志愿,增加考生被自己心仪院校录取的几率,是每一位高考考生和家长密切关注的问题。目前国内虽然有相应的志愿填报辅助参考系统,然而只是单纯的依据考生成绩或位次进行简单的比较分析,无法从根本上为考生的志愿填报提供有价值的参考信息。鉴于此,本文以某省招生自考办公室招生数据挖掘项目为依托,以该省自实行网络招生以来所积累的近9年海量电子招生数据（其中包含了大量有关考生基础数据、志愿填报数据、高校专业设置与院校录取结果等有用信息）为基础,首先建立招考数据仓库,然后根据志愿主题建立多维数据集,接着利用OLAP技术从多角度、多侧面、多层次对考生志愿数据进行分析,最后利用数据挖掘技术对考生志愿数据进行挖掘,得到一些可资借鉴的结果。本文的工作主要包含以下4个方面：1.完成了历史招生数据的数据清洗本文首先对该省近9年的历史招生数据进行了比较分析,从而发现存在着数据质量与集成方面的问题；然后对电子招生数据代码表进行规范化处理,依据该省招考人员的建议建立高考招生数据代码规范。最后依据代码规范利用SSIS（Microsoft SQL Server 2008 Integration Services）对历史招生数据进行数据清洗、转换,将数据装载至招考数据仓库。2.建立了招考数据仓库本文所涉及的是重庆市科技攻关计划项目“重庆市招生数据挖掘与系统开发”的一部分,该课题系实际应用性项目,因此需要对项目的需求进行科学、合理分析。根据用户需求分析划分相应主题,确定事实度量与数据粒度,设计招考数据仓库模型,最后将清洗后的数据装载至招考数据仓库。3.对高考考生志愿数据进行了多维分析研究本文依据志愿分析主题设计多维数据集模型,从招考数据仓库中抽取相关数据,建立志愿数据立方体,采用OLAP技术从院校／专业报考热度与专业最低录取分两个方面对志愿数据进行多角度分析,得到一些广大考生可资借鉴的结果。4.对高考考生志愿数据进行了挖掘研究本文以考生志愿填报信息为基础,结合高考录取结果,依据CRISP-DM（Cross-industry Standard Process for Data Mining）标准数据挖掘过程建立志愿数据挖掘模型,以研究影响高校录取的关键因素以及录取倾向；最后通过实验,对不同挖掘算法所建立的模型进行对比。实验结果表明,决策树算法建立的模型具有较高的预测准确率,其挖掘结果可为广大考生借鉴。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 研究意义
• 1.3 研究现状
• 1.3.1 国内志愿填报系统的现状
• 1.3.2 OLAP与数据挖掘技术在高考数据分析中的应用现状
• 1.4 研究内容
• 1.5 本文章节安排
• 第2章 相关技术及工具介绍
• 2.1 数据仓库技术
• 2.1.1 数据仓库的概念
• 2.1.2 数据仓库与传统数据库的区别
• 2.2 OLAP技术
• 2.2.1 OLAP的概念
• 2.2.2 OLAP的基本分析操作
• 2.2.3 OLAP与OLTP的区别
• 2.2.4 OLAP的数据实现方法
• 2.3 数据挖掘技术
• 2.3.1 数据挖掘的概念及任务
• 2.3.2 数据挖掘的过程
• 2.4 数据挖掘的一般方法
• 2.5 SQL SERVER 2008概述
• 2.5.1 SQL SERVER集成服务
• 2.5.2 SQL SERVER分析服务
• 2.5.3 SQL SERVER报表服务
• 2.6 本章小结
• 第3章 数据仓库分析与设计
• 3.1 系统分析
• 3.1.1 功能需求分析
• 3.1.2 数据仓库主题分析
• 3.2 总体结构设计
• 3.3 数据仓库模型设计
• 3.3.1 确定度量
• 3.3.2 确定事实数据粒度
• 3.3.3 维表设计
• 3.3.4 事实表设计
• 3.4 高考数据预处理
• 3.4.1 源数据分析
• 3.4.2 数据抽取、转换与装载
• 3.4.3 高考成绩标准化处理
• 3.5 技术难点与解决方案
• 3.6 本章小结
• 第4章 高考志愿数据多维分析
• 4.1 确定分析主题
• 4.2 确定维度与度量值
• 4.3 多维数据建模
• 4.4 多维数据集的存储模式与维度用法
• 4.5 多维数据集的操作
• 4.6 志愿数据前端展现与结果分析
• 4.6.1 院校报考热度分析
• 4.6.2 最低录取分分析
• 4.7 本章小结
• 第5章 高考志愿数据挖掘
• 5.1 志愿数据挖掘过程
• 5.2 定义挖掘问题
• 5.3 志愿数据理解与预处理
• 5.3.1 志愿数据理解
• 5.3.2 志愿数据预处理
• 5.4 挖掘模型建立与评估
• 5.4.1 挖掘算法的选择
• 5.4.2 建立志愿数据挖掘模型
• 5.4.3 模型评估
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 全文工作总结
• 6.2 未来工作展望
• 参考文献
• 致谢
• 发表论文及参研项目