引言

 

网络教育信息系统是处理学生学籍信息、课程信息、教师信息、学科研究信息、物流管理信息等方面的大规模数据管理信息系统。网络教育信息系统处理的数据信息规模大，信息管理集成度高，更新速度快，信息集成复杂性高。需要对网络教育信息系统进行信息关联定位，提高网络教育信息系统的信息检索和资源调度效率[1]。研究网络教育信息管理系统的优化设计和信息定位挖掘方法，对正规网络教育的运行秩序和提高网络教育的工作质量具有重要意义[2?3]。本文提出了基于教育信息资源最短路径调度的信息关联定位挖掘方法，通过定位挖掘方法的优化算法设计，提高了网络教育信息系统的信息定位挖掘性能，体现了本文方法的优势。

 

1.信息资源分布式存储结构模型

 

为了实现在线教育信息系统中的信息相关定位挖掘，需要构建在线教育信息系统中的信息资源分布式存储结构模型，总体结构模型如图1所示。

 

结合图1所示的网络教育信息系统信息相关定位，挖掘整体结构模型，构建数据存储结构模型。在网络教育信息相关数据库模型中，教育信息系统虚拟机的负载为[Mh]，信息关联定位挖掘的负荷成本表示：

 

定义1设置给定的网络教育信息系统中信息关联定位的频繁项目，集为三元组[T=（D，I，R）]，其中[D]为事务项集T中泊松分布集合，[I]为属性集合，[R]最小支持数概率，[R?D×I]，如果直接挖掘频繁项集的序贯采样关系与事务项集中的本体模型对应，则将数据集中的每个事务项集压缩到存储系统的概念格为概念分布空间，概念格的图形表示为Hasse图[4]。因此，通过创建信息相关数据的头表和AT?Treee，构建信息资源的分布式存储结构模型，得到在线教育信息系统中不确定事务数据集D，频繁项集X的对接强度为expsn（X），定义为：

 

实现信息关联定位挖掘

 

3.1教育信息资源最短路径调度

 

在上述网络教育资源信息相关定位相关规则设计的基础上，对信息相关定位挖掘方法进行了改进设计。本文提出了一种基于教育信息资源最短路径调度的信息相关定位挖掘方法。教育信息资源最短路径调度采用约束概念格区间调度模型，教育信息资源最短路径关系约束集为：

 

输入:提取约束相关规则数据库D；频繁一集D的支持阈值minsup；网络教育资源最短路径调度约束条件P；

 

输出：网络教育信息相关定位的约束概念格Hasse图，时间复杂度为[Ni×O（Ni）]。

 

3.2信息关联定位挖掘实现算法描述

 

根据教育信息资源最短路径调度结果，提取网络教育信息系统中所有对象信息的频繁收集特征。在最小期望支持数的约束下，网络教育信息系统样本数据库的相关规则优先级属性列表见表1。在频繁模式树中提取网络教育信息系统中所有对象信息的频繁收集特征，可以表示网络教育信息系统的概念格结点[C（A，B），P]。其中：[P]非频繁项目集中于事务项，满足要求[P（A，B）=.T.](逻辑值为真)，[A∈ρ（G）]称为最小期望支持数，[B∈ρ（M）]称为事务项集处理后的相关定位内涵，在上述构建的约束下挖掘信息相关定位，实现算法描述如下：

 

算法：网络教育信息系统信息关联定位挖掘算法

 

输入:初始化参数值、新建头表、数据挖掘约束指标参数集

 

输出:信息相关定位挖掘的期望支持数二维表

 

根据新头表在全球树上频繁挖掘的模式，结果为0、1值二维表，0表示挖掘的信息数据不符合最小期望支持集，1表示挖掘定位信息结果满足最小期望支持集。

 

4实验测试分析

 

为了测试本文设计的信息相关性行为挖掘方法在实现网络教育信息系统数据检索和挖掘的时间性能和准确性方面的优势，进行了实验测试和分析。在实验中，选择了文献[2]中的BP神经网络挖掘IMBPMine算法和文献[3]决策树挖掘方法DTmine、PSO文献[4]粒子群挖掘方法Mine、以及文献[5]的近似挖掘策略MBP与文献[6]的冗余关联IMBP；测试采用网络教育信息系统中学生管理信息、课程管理信息和教师管理信息三个数据集，Student，CourseTeacher，挖掘精度和时间成本的比较如图3和图4所示。

 

通过对上述模拟结果的分析，我们了解到采用本文方法挖掘网络教育信息系统信息相关定位的时间成本较小，挖掘的准确性较高。随着最小预期支持阈值的增加，各种算法挖掘的运行时间也随之增加，但本文方法的运行时间普遍小于传统方法，研究结果显示了本文方法的优势。

 

5结语

 

针对传统方法挖掘精度低的问题，提出了基于教育信息资源最短路径调度的信息相关定位挖掘方法，并进行了实验分析。结果表明，网络教育信息系统中信息相关定位挖掘的准确性高，时间成本小，应用可靠性好，显示了本方法的良好应用价值。