基于关联规则的自适应学习

一、自适应学习

(1)一自适应学习：自适应学习是指根据学习内容和学习方式的不同，可以将人的学习分为三种不同的类型，它们是机械式学习、示教式学习以及自适应式学习。而所谓的自适应学习通常是指给学习者提供相应的学习的环境、实例或场域，通过对学习者自身的学习规律学习内容的分析发现总结相关联系，最终形成理论并辅助解决问题的学习方式。

(2)基于关联规则的自适应学习：在自适应学习中人工智能理论和相关算法的引入，构架了一个更加智能，更加个性化，更加因材施教的自适应学习模式。智能自适应学习体系首先知识空间理论为基础，根据学生学习的知识内容，按照信息流的方法进行知识理论梳理，总结个性学习的偏好，分析学习重点及侧重内容。

二、关联规则算法

(1)关联规则：以贝叶斯定理为基础根据关联规则算法计算出学习内容的支持度及置信度。(2)支持度：表示X=>Y在T知识点数据中同时包含X、Y的百分比，即概率。设T为一组知识点数据的集合，记为T={t1,t2,….,tm}，m是知识点数据的数目。其中，ti(1≤i≤m)是每个知识点的数据，每个知识点数据中包含若干数据项，I是知识点T中数据项的集合记为I={i1,i2,…in}，n是数据项的数目。

设有数据项集X和Y(X,Y∈I，且X∩Y=φ)。如果存在一个知识点数据中既含X数据项集又含Y数据项集，则称X=>Y在此交易中成立，定义支持度如下：

(3)置信度：一个规则X→Y的置信度是指“既包含了X又包含了Y的事务的数量占所有包含了X的事务的百分比”。既条件概率。

同时满足最小支持度阈值和最小置信度阈值，则认为关联规则是有趣的，称作强关联规则。这些阈值是根据挖掘需要人为设定的。满足阈值要求则可以看作两者之间有关联关系，即可以看出两个知识点的关联关系，规划出最适合的知识脉络。

三、总结

在关联规则的支持下，我们可以算出学习内容中相关自适点的关联性，可以因材施教的给出个体学习者的学习内容的知识脉络，提高学习效率。根据具体阈值智能的给出列出关联规则。

摘要：本文提出了基于关联规则的知识应学习理论，该理论将具体的人工智能算法引入到了自适应学习系统当中去。用关联规则理论，计算出学习内容的相关性，计算出置信度和支持度的阈值，从而智能的计算出相关知识点关联规则，为学习者安排更适合的学习内容，知识脉络，以更好的提高学习效率。

关键词：关联规则,自适应学习,支持度,置信度,阈值,知识脉络