Nội dung của bài viết này là ứng dụng phương pháp khai phá luật kết hợp mờ dạng ngôn ngữ với các cấu trúc tập mờ sử dụng biểu diễn đa thể hạt để rút trích các luật kết hợp từ cơ sở dữ liệu điểm của sinh viên.
TNU Journal of Science and Technology 226(01): 35 - 41 APPLYING MINING FUZZY ASSOCIATION RULES TO SUPPORT STUDENTS IN STUDY PLANNING Nguyen Tuan Anh*, Trinh Thuy Ha TNU - University of Information and Communication Technology ARTICLE INFO Received: 01/6/2020 Revised: 04/12/2020 Published: 04/02/2021 KEYWORDS Hedge algebras Association rules Data Mining Fuzzy set Course registration ABSTRACT Fuzzy association rules have been investigated by many authors under several different approaches with worth results The approaches of the published papers mostly used a single-granularity fuzzy set structure for fuzzy association rule In this paper, we present the application of fuzzy association rule mining method using Hedge algebras in assisting students to plan their learning, fuzzy set structures of attributes are built on Hedge algebras using multi-granularity representation Using Hedge algebras to build fuzzy sets using a multi-granularity representation is much simpler than using fuzzy set theory The advantage of using multi-granularity set structure helps us to explore fuzzy association rules that are both general and detailed The test results were performed on a data set of 157 students in 10 core subjects The experimental results showed that the key courses extracted by our proposed approach provide useful information to educational managers to improve the training efficiency This results would help students to choose suitable subjects for the purpose of achieving high scores in study ỨNG DỤNG KHAI PHÁ LUẬT KẾT HỢP MỜ HỖ TRỢ SINH VIÊN LẬP KẾ HOẠCH HỌC TẬP Nguyễn Tuấn Anh*, Trịnh Thúy Hà Trường Đại học Công nghệ thông tin Truyền thơng – ĐH Thái Ngun THƠNG TIN BÀI BÁO Ngày nhận bài: 01/6/2020 Ngày hoàn thiện: 04/12/2020 Ngày đăng: 04/02/2021 TỪ KHÓA Đại số gia tử Luật kết hợp Khai phá liệu Tập mờ Đăng ký mơn học * TĨM TẮT Luật kết hợp mờ nhiều tác giả quan tâm nghiên cứu theo nhiều cách tiếp cận khác có nhiều kết công bố Các cách tiếp cận tác giả công bố đa phần sử dụng cấu trúc tập mờ dạng đơn thể hạt cho toán khai phá luật kết hợp mờ Trong báo chúng tơi trình bày ứng dụng phương pháp khai phá luật kết hợp mờ sử dụng Đại số gia tử (ĐSGT) việc hỗ trợ sinh viên lập kế hoạch học tập, cấu trúc tập mờ thuộc tính xây dựng dựa cấu trúc ĐSGT có dạng đa thể hạt Sử dụng cấu ĐSGT để xây dựng tập mờ dạng đa thể hạt đơn giản nhiều so với sử dụng lý thuyết tập mờ Ưu điểm sử dụng cấu trúc tập dạng đa thể hạt giúp khai phá luật kết hợp mờ vừa khái quát vừa chi tiết Các kết thử nghiệm thực liệu điểm 157 sinh viên 10 môn học cốt lõi Kết thu sau rút trích cung cấp thơng tin hữu ích cho nhà quản lý giáo dục việc tổ chức giảng dạy để nâng cao hiệu đào tạo Việc nghiên cứu giúp sinh viên lựa chọn mơn học phù hợp nhằm mục đích đạt kết cao học tập Corresponding author Email: anhnt@ictu.edu.vn http://jst.tnu.edu.vn 35 Email: jst@tnu.edu.vn TNU Journal of Science and Technology 226(01): 35 - 41 Giới thiệu Việc dự đoán kết học tập sinh viên cách xác hữu ích việc giảng dạy học tập sinh viên Dựa vào kết học tập sinh viên có, làm để rút trích thơng tin hữu ích để tư vấn cho sinh viên lựa chọn môn học phù hợp nhằm hỗ trợ học tập tốt hơn, phù hợp với sinh viên Phần lớn trường đại học Việt Nam triển khai theo học chế tín chỉ, nên sinh viên thường bị lúng túng lựa chọn môn học, lựa chọn định hướng chuyên môn học kỳ Trong chương trình đào tạo có nhiều mơn học sinh viên tự lựa chọn học kỳ Để lựa chọn môn học phù hợp, sinh viên trước đăng ký môn học thường liên hệ với giảng viên cố vấn học tập để xin tư vấn Khi giảng viên dựa vào kinh nghiệm cá nhân kết học tập sinh viên để tư vấn tùy thuộc vào lực sinh viên Vì vậy, đội ngũ tư vấn nhiều thời gian tra cứu kết học tập để tư vấn, nhiều tư vấn mang tính chủ quan giảng viên Bài tốn đặt để sử dụng kết học tập sinh viên có để khai thác, rút trích thông tin để gợi ý sinh viên lựa chọn môn học cách hiệu tự động Các kết nghiên cứu trước khai phá liệu kết học tập sinh viên thực nhiều phương pháp khác Trong [1], tác giả sử dụng phương pháp hai thuật toán khai phá liệu Logistic Regression, Naive Bayes áp dụng để tìm mơ hình tốt cho việc dự báo tình trạng học tập Trong [2], tác giả sử dụng giải thuật rừng ngẫu nhiên học từ liệu để rút trích mơn học quan trọng chương trình đào tạo ngành CNTT Trong [3] tác giả sử dụng công cụ BIDS Microsoft SQL Server 2008 để khai phá liệu điểm sinh viên Các kết nghiên cứu nhằm mục đích hỗ trợ tư vấn cho sinh viên trình học tập Các kết nghiên cứu cho thấy cần thiết khai phá kết học tập nhằm mục đích tằng cường hỗ trợ, dự báo kết học tập sinh viên, giúp sinh viên đạt cao trình học tập Bài báo ứng dụng phương pháp khai phá luật kết hợp mờ dạng ngôn ngữ với cấu trúc tập mờ sử dụng biểu diễn đa thể hạt để rút trích luật kết hợp từ CSDL điểm sinh viên Các luật kết hợp mờ dạng ngôn ngữ sử dụng cấu trúc tập mờ đa thể hạt, luật vừa dạng khái quát, vừa chi tiết [4]-[6] CSDL điểm lựa chọn gồm kết mơn học quan trọng chương trình học sinh viên ngành Công nghệ thông tin (CNTT ) Kết thực nghiệm cho thấy cách tiếp cận khai phá luật kết hợp việc gợi ý lựa chọn môn học sinh viên khả thi Luật kết hợp Cho D sở liệu, I = I1, I2, , Im tập m thuộc tính riêng biệt, đơi lúc gọi mục (itemsets), ghi T giao dịch chứa tập mục, T I Định nghĩa 2.1: [7] Một luật kết hợp quan hệ có dạng X Y, X, Y I tập mục, X Y = Ở đây, X gọi tiền đề, Y mệnh đề kết Hai thông số quan trọng luật kết hợp độ hỗ trợ (s) độ tin cậy (c) Định nghĩa 2.2: [8] Độ hỗ trợ (support) luật kết hợp X Y tỷ lệ phần trăm ghi X Y với tổng số giao dịch có sở liệu Định nghĩa 2.3: [8] Đối với số giao dịch đưa ra, độ tin cậy (confidence) tỷ lệ số giao dịch có chứa 𝑋 ∪ 𝑌 với số giao dịch có chứa X Đơn vị tính % Việc khai thác luật kết hợp từ sở liệu việc tìm tất luật có độ hỗ trợ độ tin cậy lớn ngưỡng độ hỗ trợ độ tin cậy người sử dụng xác định trước Với luật kết hợp mờ với mục phân hoạch thành miền mờ (như "Thấp", "Trung bình", “Cao”, “Ít Cao”, “Rất Cao”, “Ít Thấp”, “Rất Thấp” ), thực chất ta phân hoạch mục ban đầu thành mục giá trị hàng mục nằm đoạn [0, 1] khơng Khi đó, độ hỗ trợ miền mờ 𝑠𝑖 thuộc mục 𝑥𝑖 định nghĩa là: http://jst.tnu.edu.vn 36 Email: jst@tnu.edu.vn TNU Journal of Science and Technology 𝑥 𝑥 226(01): 35 - 41 𝑥 𝐹𝑆(𝐴𝑠𝑖𝑖 ) = 𝑛 ∑𝑛𝑗=1 𝜇𝑠𝑖𝑖 (𝑑𝑗 𝑖 ) độ hỗ trợ miền mờ 𝑠1 , 𝑠2 , , 𝑠𝑘 mục 𝑥1 , 𝑥2 , , 𝑥𝑘 tương ứng là: 𝑥 𝑥 𝑥 𝐹𝑆(𝐴𝑠11 , 𝐴𝑠22 , , 𝐴𝑠𝑘𝑘 ) = 𝑛 ∑ ∏𝑘 𝑛 𝑗=1 𝑖=1 (1) sx (d jx ) i (2) i i 𝑥𝑖 𝑥 đó, 𝑥𝑖 mục thứ i, 𝑠𝑖 miền mờ thuộc mục thứ i, n số hàng CSDL, 𝜇𝑠𝑖 (𝑑𝑗 𝑖 ) độ thuộc giá trị cột thứ i, hàng j vào tập mờ 𝑠𝑖 Xây dựng cấu trúc tập mờ biểu đa thể hạt sử dụng đại số gia tử Biểu diễn liệu theo cấu trúc đa thể hạt xuất phát từ khái niệm tính tốn hạt (GrC - Granular Computing) hướng nghiên cứu phát triển mạnh thập kỷ qua [4], [5] Ý tưởng GrC phân chia thông tin thành hạt để xử lý Việc phân chia giúp ta khơng dễ xử lý hơn, mà cịn giúp nhận thức giới thơng tin tốt gói thơng tin phân chia mang tính khái qt định Thơng tin tiếp nhận phân chia theo nhiều cách khác nhau, cho cách nhìn khác giới thực Để xây dựng phân hoạch mờ cho thuộc tính định lượng sử dụng đại số gia tử (ĐSGT) [9], [10], ta dựa vào giá trị định lượng ngữ nghĩa phần tử ĐSGT Tương ứng với miền mờ dựng tam giác biểu diễn hàm thuộc tập mờ với đỉnh có tọa độ (𝜐(𝑥𝑖 ), 1), hai đỉnh lại nằm miền xác định, có tọa độ tương ứng (𝜐(𝑥𝑖−1 ),0), (𝜐(𝑥𝑖+1 ), 0), 𝜐(𝑥𝑖−1 ), 𝜐(𝑥𝑖 ), 𝜐(𝑥𝑖+1 ) giá trị ngữ nghĩa định lượng giá trị ngơn ngữ tương ứng Với thuộc tính, cần chuẩn hóa giá trị mục từ miền giá trị thực đoạn [0, 1], từ tính độ thuộc giá trị thuộc tính vào miền mờ tương ứng [4], [6], [8], [11]-[13] Hình Cấu trúc tập mờ đa thể hạt Với ĐSGT, việc thiết kế cấu trúc tập mờ miền giá trị thuộc tính mức khác biểu diễn đa thể hạt dễ dàng, bao hàm cách xây dựng ĐSGT Trong lý thuyết ĐSGT, với miền giá trị thuộc tính cần xác định tham số mờ ĐSGT khoảng tính mờ tất hạng từ xác lập thông qua công thức tính tốn xác định, hạng từ có độ dài Tính phân cấp thuộc tính GrC sử dụng, nằm cách xây dựng ĐSGT Theo lý thuyết ĐSGT, hạng từ x có độ dài k phân hoạch thành hạng từ ℎ𝑖 𝑥 (với ℎ𝑖 gia tử ĐSGT xét) có độ dài k+1 Tuy theo toán ứng dụng mà xác định mức phân hoạch cụ thể Trong toán sử dụng cấu trúc tập mờ dạng đa thể hạt, thường phân hoạch thành mức Hình cấu trúc tập mờ gồm thể hạt xây dựng dựa giá trị định lượng ngữ nghĩa ĐSGT AX = (X, G, H,