摘要：在现代远程教育中，受教育对象个性特征的差异与传统远程教育资源模式的单一性产生巨大矛盾，本文提出了个性化远程学习模型的概念，在传统网络教学系统中引入个性化技术、数据挖掘技术。
关键词：数据挖掘；关联规则；个性化学习系统
中图分类号：TP311.13 文献标识码：A 文章编号：1007-9599 （2012） 15-0000-02
1 绪论
2010年5月6日，我国国务院常务会议审议并通过了《国家中长期教育改革和发展规划纲要（2010-2020年）》（以下简称《教育规划纲要》），标志着中国新的教育改革的开始。
《教育规划纲要》提出“大力发展现代远程教育，建设以卫星、电视和互联网等为载体的远程开放继续教育及公共服务平台，为学习者提供方便、灵活、个性化的学习条件”。
基于这一思想，我们申报了“基于数据挖掘的网络教学决策支持系统研究”项目研究课题，探索并构建了基于数据挖掘技术的网络教学模式，并在现代远程开放教育实践中进行了应用尝试。
今天，数据挖掘技术在国外的大型商业、金融业、保险业、民航等大型企业得到了广泛应用，其中，Web挖掘在电子商务上的应用是目前最成功的，我们常常访问的京东、当当等大型商务网站均能看到数据挖掘的影子。Web挖掘为正确的商业决策提供强有力的支持和可靠的保证，是电子商务不可缺少的重要工具。
目前国内外远程教学平台在利用数据挖掘技术分析学生访问记录，优化Web站点拓扑结构，从而给学生提供动态的个性化的高效率学习支持服务方面做得比较少，大多数网络教学平台只是简单利用了一些数据统计功能等，对数据的分析不够深入，不能提供完善的个性化支持服务。这是因为数据挖掘作为一个新兴领域，在实际应用当中仍存在许多尚未解决的问题，有很多问题需要深入研究，我国在这一领域已有专家在从事研究工作，但应用和产品相对滞后。
2 Web数据挖掘
首先看看什么是数据挖掘，通俗地说，数据挖掘就是从数据中发掘信息或知识，有人称为知识发现（KDD），也有人称为数据考古学、数据模式分析或功能相依分析。
数据挖掘应用于Internet，于是就有了Web数据挖掘的产生。Web挖掘是利用数据挖掘技术从大量的Web数据中发现有用模式和信息的过程。
Internet包含了丰富和动态的链接信息，以及Web页面的访问和使用信息，为数据挖掘提供了丰富的资源，与传统数据比较，Internet上的数据有其独有的特点。如：Web数据庞大、Web页面复杂性大、Web信息是动态的等。
Web数据挖掘的技术主要有频繁模式挖掘、序列模式挖掘、聚类分析、路径分析等。
3 需求分析与系统搭建
网络教学系统是现代远程教育的方向，教学决策支持系统在其中扮演着重要角色。我们的基于数据挖掘的网络决策支持系统，主要包括以下功能：
3.1 学生学习功能
基于Web的在线学习、在线自测、在线作业等功能。
3.2 课程管理功能
提供给课程教师进行课程管理所需各种功能。如资料管理、作业布置评改、学习评测、学生评价等。
3.3 统计挖掘功能
统计查询功能主要对学生的数据进行统计查询，建立起完整的学生学习个性模型，进行个性化界面定制，可为用户提供智能化、个性化服务。
3.4 其他
权限管理功能、BBS论坛、质量评价等。
在我们的平台设计中，系统开发环境的选择要求是目前流行的开发技术手段同时又要求经济可行。所以免费开源成了我们的首选。我们系统软件环境搭建为Apache服务器+PHP+Winxp+Mysql数据库。
PHP是：Hypertext Preprocessor（超文本预处理器）的缩写，它是一种服务器端的HTML脚本/编程语言，支持几乎所有流行的数据库以及操作系统。
MySQL是最受欢迎的开源SQL数据库管理系统。是一个快速、多线程、多用户的SQL数据库服务器，PHP的首选数据库。MySQL可运行在不同的操作系统下。
Apache是世界排名第一的Web服务器，它为我们的网络管理员提供了丰富多彩的功能，如果您在Windows系统上成功安装配置了Apache之后，您的计算机也将随着Apache的生效而摇身一变，成为一台名副其实的Web Server。
4 数据挖掘处理模块的实现
Web挖掘的主要由以下几个基本步骤完成：数据收集、数据预处理、模式识别、模式分析。
数据的收集是根据用户的需要从原始数据库中选取数据，Web服务器的日志文件详细地记录了用户的浏览行为。
数据的预处理是保证数据挖掘质量的关键。首先进行数据清理，主要包括进行冗余数据的清除，以及对错误数据和缺失数据的修复，比如去除访问中的广告链接、图片链接等信息，将其转化成适合模式发现的、具有良好格式的数据抽象；第二步是识别用户，想要识别出每一个用户变得很复杂，一般采用的方法包括Cookie技术，启发式规则等；第三步是会话识别，会话识别的目的是把属于同一用户的同一次访问请求识别出来；第四步是路径补充，路径补充的主要目的就是将漏掉的用户访问请求补充到用户会话中，通常采用站点的拓扑结构结合引用页的方法进行路径补充。
模式识别：是对预处理后的数据用数据挖掘算法来分析数据。首先确定挖掘的目的是进行分类、聚类、关联规则发现等，确定了任务再决定使用的挖掘算法。
模式分析：解释并评估结果，对数据挖掘得到的知识结果进行分析，将经过模式分析得到有价值的模式，采用可视化技术，以图形界面的方式提供给使用者。
平台设计时，我们将平台分为在线和离线，在线部分向学生提供访问页面，提供服务，信息处理则为离线，进行后台数据挖掘。如图1.1所示。
5 数据挖掘对平台决策的支持
数据挖掘功能应用于网络教学平台，能够实现学生学习的个性化。在学校，课程的学习是循序渐进的，学习的课程也有关联。同一年级学习的不同班级、同一班级的不同学生，由于授课方式、学生基础的不同，成绩结果相差很大。利用教学平台中存放的历史学习记录和历史成绩，结合关联规则挖掘，聚类挖掘等技术，找到一条最佳学习路径，因材施教，对课程学习做出合理安排。
数据挖掘技术对网络平台的优化提供了数据支持。利用数据挖掘的关联规则，寻找教学平台页面间的内在联系。可以在学习者访问A网页时，根据关联规则结果，向其推荐页面C。平台还可以提前将页面C下载至用户缓冲，加快浏览速度。
6 总结与展望
与原来的电大在线比较，网络决策支持系统的优点主要在于强调远程教育的网络学习过程；强调教师与学生、学生与学生或学生与资源的互动；强调网络学习的环境建设，强调个性化学习支持，强调网站结构的合理。
WEB日志挖掘的理论研究及实现技术涉及多方面的理论、方法和技术，由于本文主要是针对自适应站点建构的可行性研究，因此对算法的要求主要是算法正确、可行，对于系统的完善、资源的优化和服务器优化设计等在今后需要更深入的研究。
参考文献：
[1]刘上力，赵劲强，聂勤务.Web使用挖掘中的数据预处理方法[J].郑州轻工业学院学报，2010，4（8）：23-27
[2]焦李成.智能数据挖掘与知识发现[M].西安：西安电子科技大学出版社，2006，8
[3]朱晋华，陈俊杰.Web日志预处理中会话识别的优化[J].太原理工大学学报，2008，2（4）：34-36
[4]刘加伶，范军.基于用户访问树的Web日志挖掘数据预处理[J].计算机科学，2009，4（8）：13-16
[基金项目]贵州省教育厅自然科学研究项目（合同编号：2010060）
[作者简介]曹智勇（1975-），男，贵州，副教授；陈妤倩（1975-），女，贵州，讲师。
