远程教育中Web挖掘技术的研究范文

一、数据挖掘常用技术方法

（1）粗糙集方法

其主要思想在于通过信息系统来表示知识，通过信息系统进行知识简约，导出问题决策和分类规则，归纳后可以从知识库中抽取更有价值的隐含知识和潜在规律。所以，粗糙集方法其实质就是在大量信息系统中进行信息系统属性约简，得到一种属性约简集的过程，最终得到抽取的规则和方法。

（2）遗传算法

它的基本思想是模拟生物生存进化过程中最优解的算法，其借鉴的生物学基础就是遗传和进化。通过遗传算法我们可以在数据库中进行搜索，并对其中随机产生的规则进行优化。遗传算法优点有以下两点：①在适应值函数有噪声下，遗传算法可以以极大的概率找到整体最优解而不容易陷入局部最优；②大规模并行计算机很适用于遗传算法。

（3）决策树算法

其主要方法是先对数据进行处理，然后用归纳算法产生可读的规则和决策树，最后对新数据进行决策分析。决策树算法有以下几个特点：①决策树算法描述结构较简单，容易为人所理解；②效率高，适用于大规模数据的处理；③拥有较高的分辨进度。

二、Web数据挖掘技术在远程教育中的应用

（1）远程教育介绍

远程教育作为一种重要的教育方法，被广泛的用在高等教育，职业教育和成人教育中。在现代远程教育中，学习者是通过点击鼠标和浏览网页来完成他们的学习过程，因而他们的学习习惯可以完全被系统日志记录。我们只需要分析和挖掘系统日志，就可以很好的对学习者的学习习惯进行分析，同时也可以了解到远程教育系统是否能很好的服务于学习者。

（2）Web数据挖掘

Web数据挖掘是数据挖掘技术与计算机网络技术的融合，网站上有三种类型数据，分别是：内容数据，结构数据以及使用数据。Web数据挖掘一般包括数据获得，数据预处理，模式发现，模式分析四部分。

①数据获得：按照数据挖掘的目的获取不同学习者的数据。Web内容挖掘收集的信息来自于我们的网站资源。Web结构挖掘收集的数据来自于HTML内部痕迹和网页之间的超链接。Web使用数据从客户端收集，数据包括IP地址，URL等。

②数据预处理：数据预处理是Web数据挖掘的关键一步，因为原始数据会受到不同程度的干扰，Web数据挖掘可能变得低质量而价值不高，因而数据预处理显得尤为重要。数据预处理处理的好坏直接关系着模型发现和模型分析。常用数据清理进行处理。

③模式发现：在数据预处理之后，这些数据消除了扰乱，我们就可以对这些数据用常用的算法进行处理，如决策树算法。

④模式分析：通过模式发现后，会产生一些规则和模型。怎样让学习者充分运用这些规则和模型，面对如此大量的晦涩的概念，我们通过模型分析，可以将这些规则和模型通过图形界面程序传递给学习者，方便他们学习。

（3）决策树算法应用

决策树算法是一种广泛应用的分类算法，具有描述简单，容易理解的特点。我们要将学习者的学习成绩与哪些因素有关分析出来，如课前预习，课后作业复习等。同时生成相应的决策树，可以得到做笔记认真完成作业的学习者，他们的学习成绩好，可以评定成为优秀。没有完成则评定为不优秀，循环往复。决策树算法可以很详细的记录学习者的学习情况，及时给予评价，督促学习者不断努力学习。

三、结语

综上所述，互联网技术与教育结合是未来教育发展方向，数据挖掘技术应用于远程教育，使得教育平台更加智能化和个性化。虽然数据挖掘技术处于刚刚起步阶段，相信随着更多的数据挖掘方法出现，数据挖掘将有更广泛的应用空间。

作者：彭浩单位：成都理工大学信息科学与技术学院