聚类分析在高考成绩探究主题发现中应用

《聚类分析在高考成绩探究主题发现中应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、聚类分析在高考成绩探究主题发现中应用摘要摘要：2006年以来，高考成绩研究的学术关注度呈直线上升趋势，探究该领域研究的主题分布，有助于对高考成绩的深入研究及开发利用。以中国知网（CNKI）高考成绩相关研究文献为数据源，在对关键词进行数据清洗的基础上，构建高❷1词共现矩阵，继而对共现矩阵进行聚类分析，从而发现了高考成绩相关研究的10个主题方向关键词关键词：高考成绩；共词分析；聚类分析D0ID0I：10.11907/rjdk.171095中图分类号：TP319文献标识码：A文章编号文章编号：16727800（2017）0050135030引言利用中国知网（CNKI）对高考成绩相关文献

2、进行指数分析，可以发现2006年以前，高考成绩研究的学术关注度较低，且发展平稳，而2006年以后，高考成绩研究的学术关注度呈现直线增长。探究该领域研究的主题分布，有助于对高考成绩的深入广泛研究及开发利用1研究理论与方法本文以文献关键词为数据对象，釆用聚类分析方法对高考成绩相关研究文献进行分析，从而发现该领域的研究主题及分布。这里的关键词指文献中作者指定的旨在反映文章主题内容的词。当两个关键词在同一篇文献中出现时，表明这两个词之间具有一定的内在关系，并且出现次数越多，表明关系越密切、距离越近［1］。聚类分析是数据挖掘的典型方法，该方法根据数据对象的特征对研究个体进行划分，同一类中的

3、个体具有较大相似性，而不同类的个体之间存在不同程度的差异［2］。聚类分析可根据文献关键词的距离，将关键词分成不同类团，从而有助于发现所研究领域的主题分布情况具体研究过程如下：①数据准备：包括文献题录数据收集、文献关键词抽取、关键词数据清洗、共现矩阵生成等环节；②聚类分析：对关键词共现矩阵采用SPSS聚类分析方法生成类团，对各类团进行解析，从而确定高考成绩研究的主题2数据准备2.1数据收集文章以中国知网（CNKI）为文献数据源，以“TI二高考and主题二（成绩+数据+分数）*（分析+统计+剖析+挖掘+评价+预测+实证+差异）”为检索式，限定时间从2006〜2015年，共获得期刊文献

4、530篇，会议文献25篇，博硕论文359篇。在此基础上参照题名、关键词、摘要进行人工筛选，共获得380篇文献的题录信息作为研究的数据对象，其中期刊文献293篇，会议文献19篇，博硕论文69篇2.2数据清洗将采集到的文献题录导入到国内学者刘启元［3］开发的文献题录信息统计分析软件SATI3.2中，抽取到文献关键词994个，累计频次1640次。这些关键词存在着过于宽泛、主题不相关、不规范、一意多词等问题，因此利用3种方式对数据进行清洗(1)舍弃。舍去过于宽泛的词，如"分析”；舍去与主题无关的词，如“高潮期”(2)合并。合并意义相同或相近的词，如将“相关性分析”、“相关分析”合并为“相

5、关分析”(3)集中。将一些出现频次较少但反映特定内容的词,集中起来用上位词代替［4］。如将低频词"皮尔逊相关分析”、“偏相关分析”集中到高频上位词“相关分析”2.3高频关键词提取高频关键词是出现频率较高的关键词，能很好地反映领域内的关注点。数据清洗后，取频次大于等于5的42个关键词作为数据对象，表1列举了部分高频关键词2.4共现矩阵建立针对以上高频关键词建立高频词共现矩阵，矩阵数据为两词共现的频次，对角线上数据为该词出现总频次，如表2所示为避免关键词共现频次受各自词频大小的影响，采用Equivalence等价系数将共现矩阵转化为元素值在［0,1］区间的相关矩阵。在此基础上，用1与

6、相似矩阵中的各个数字相减，以减小因0值过多带来的计算误差，得到高频词相异矩阵，如表3所示。相异矩阵中元素越接近于1,所对应的行列关键词相似度越小；越接近于0,所对应的行列关键词相似度越大［2］Equivalence等价系数计算方式为［5］:Eij=CijCiXCijCj(1)其中，Eij为相似矩阵中第i个词与第j个词的等价系数，即相似矩阵中对应的元素值，Cij为共现矩阵中第i个词与第j个词的共现次数，Ci、Cj分别为第i个词与第j个词的频次3聚类分析将相异矩阵导入SPSS20.0,进行层次聚类分析(采用组间连接法，Euclidean区间距离)得到聚类树，根据聚类树可以获得10个分

7、别代表不同研究主题的关键词类团：T1,T2,T9,T10(见图1)现对各类团关键词及其代表的研究主题进行详细解析：(1)T1类团关键词包括：高考志愿、数据仓库、OLAP、数据挖掘、关联规则、决策树，代表数据挖掘相关技术在高考志愿分析中的应用。数据仓库与OLAP是商务智能领域的重要技术方法，采用数据仓库及OLAP技术可以对大规模高考数据进行有效集成，并进行多维度分析；关联规则挖掘、决策数挖掘是数据挖掘的常用技术，可发现隐藏在高考成绩、报考学校、专业、考生信息等多维度之间的规则，建立