基于Apriori算法的科技期刊約稿組稿機(jī)制

包震宇

（上海師范大學(xué)學(xué)報(bào)期刊雜志社，上海200234）

基于Apriori算法的科技期刊約稿組稿機(jī)制

包震宇

（上海師范大學(xué)學(xué)報(bào)期刊雜志社，上海200234）

基于Apriori算法設(shè)計(jì)了一套用于確定組織承辦專家研討會(huì)主題的生成方案，以此為專家學(xué)者建立良好學(xué)術(shù)交流平臺(tái)，從而增強(qiáng)科技期刊社約稿組稿工作的針對(duì)性，提高約稿組稿工作的效率。將該設(shè)計(jì)方案用于《上海師范大學(xué)學(xué)報(bào)（自然科學(xué)版）》2001—2010年文章信息庫(kù)，提取適合約稿組稿的主題。結(jié)果表明：方案較好地反映了10年間學(xué)報(bào)發(fā)表論文的部分學(xué)科傾向，為將來(lái)承辦相關(guān)專業(yè)化學(xué)術(shù)研討會(huì)提供了扎實(shí)的理論依據(jù)，亦為期刊社提供了準(zhǔn)確的約稿組稿的工作方向。

約稿組稿；Apriori算法；學(xué)術(shù)研討會(huì)主題

眾所周知，唯有高質(zhì)量的稿件，才能在充斥著參差不齊的刊物的大環(huán)境中，吸引更多的關(guān)注［1］。對(duì)于科技期刊來(lái)說(shuō)，約稿組稿更需要一定的針對(duì)性［2］。在眾多約稿形式中，承辦高質(zhì)量的學(xué)術(shù)研討會(huì)已然成為最佳選擇之一。

小型會(huì)議的與會(huì)人員數(shù)量相對(duì)較少，研究方向卻高度統(tǒng)一［3］。這種極具學(xué)術(shù)價(jià)值的研究成果，而對(duì)于一份刊物而言，是一筆非常珍貴的學(xué)術(shù)財(cái)富，也是刊物編輯重點(diǎn)約稿組稿的對(duì)象［4］。由此，承辦某一特定領(lǐng)域的小型會(huì)議可以視為刊物編輯部約稿組稿工作的一條新思路［5］。

要承辦小型學(xué)術(shù)研討會(huì)，首要任務(wù)就是尋找研究對(duì)象關(guān)聯(lián)度極高的專家群［6］。本文作者在建立一套稿件信息數(shù)據(jù)庫(kù)的基礎(chǔ)上，基于Apriori算法的基本思想，對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行對(duì)比分析，為確定學(xué)術(shù)研討會(huì)主題提供可靠的理論依據(jù)。

1　Apriori算法基本思想

Argawl等于1993年首先提出了挖掘顧客交易數(shù)據(jù)庫(kù)中項(xiàng)集間的關(guān)聯(lián)規(guī)則問(wèn)題，設(shè)計(jì)了基于頻繁集理論的Apriori算法。諸多的研究人員對(duì)關(guān)聯(lián)規(guī)則的挖掘問(wèn)題進(jìn)行了大量的研究，包括對(duì)原有算法的優(yōu)化及算法的應(yīng)用與推廣［7-8］。

Apriori算法使用逐層搜索的迭代方法，即“K-項(xiàng)集”用于搜索“K+1-項(xiàng)集”。首先，找出頻繁項(xiàng)集“1-項(xiàng)集”的集合，記為L(zhǎng)1。L1用于尋找頻繁“2-項(xiàng)集”的集合L2，而L2用于找L3，如此下去，直到不能找到“K-項(xiàng)集”。換而言之，首先產(chǎn)生頻繁1-項(xiàng)集L1，然后是頻繁2-項(xiàng)集L2，直到有某個(gè)r值使得Lr為空，算法停止。

假定存在事務(wù)數(shù)據(jù)表如表1所示，則其頻繁項(xiàng)集產(chǎn)生過(guò)程如圖1所示。

由圖 1可知，該事務(wù)數(shù)據(jù)庫(kù)實(shí)例的頻繁集為｛A，B，C｝和｛A，B，E｝，置信度計(jì)算結(jié)果如表 2所示。

表1　事務(wù)數(shù)據(jù)庫(kù)實(shí)例

圖1　Apriori算法執(zhí)行示意圖

2　Apriori算法在約稿組稿機(jī)制中的應(yīng)用

為突出本研究的實(shí)驗(yàn)效果，采用《上海師范大學(xué)學(xué)報(bào)（自然科學(xué)版）》2001—2010年的真實(shí)出版數(shù)據(jù)（大約7 000條），實(shí)際應(yīng)用中可選擇最近幾年的數(shù)據(jù)，提高實(shí)驗(yàn)結(jié)果與近期熱點(diǎn)的關(guān)聯(lián)性。

表2　頻繁集的置信度計(jì)算表

2.1數(shù)據(jù)預(yù)處理

在原有數(shù)據(jù)庫(kù)中截取文章表（tb_article）中的作者名（FirstAuthor）與關(guān)鍵字（Keywords）字段，以此作為原始粗糙集，并對(duì)該粗糙集進(jìn)行縱向、橫向?qū)傩约s簡(jiǎn)。

縱向約簡(jiǎn)：遍歷數(shù)據(jù)表的作者名字段，若遇到同一作者的2篇文章，則合并2條記錄的關(guān)鍵字字段內(nèi)容，并刪除一條記錄；

橫向約簡(jiǎn)：在縱向約簡(jiǎn)后的粗糙集上，遍歷關(guān)鍵字字段，刪除同一記錄中的重復(fù)內(nèi)容。

這里，假設(shè)數(shù)據(jù)表中同名作者為同一人。實(shí)際應(yīng)用中，可在作者名后加一位數(shù)字或加上第二作者名，以此區(qū)分同名作者的不同身份。

至此，得到了數(shù)據(jù)預(yù)處理后的待操作項(xiàng)集，如圖2所示。

圖2　數(shù)據(jù)預(yù)處理后的項(xiàng)集

2.2Apriori算法的實(shí)際操作

算法的實(shí)現(xiàn)步驟如下：

按Apriori算法的基本思想對(duì)項(xiàng)集進(jìn)行遍歷分析，計(jì)算出所有關(guān)鍵字的出現(xiàn)次數(shù)，以此作為 1-項(xiàng)集。其中，出現(xiàn)次數(shù)較多的幾個(gè)詞語(yǔ)有：“方程”（60）、“函數(shù)”（71）、“數(shù)據(jù)庫(kù)”（33）、“向量”（44）、“宇宙”（37）等。這里，可以設(shè)置最小支持度為10，刪除出現(xiàn)頻率較低的詞語(yǔ)，計(jì)算出頻繁的1-項(xiàng)集，從而減少算法執(zhí)行的時(shí)間花費(fèi)。

將頻繁的1-項(xiàng)集排列組合，成為2-項(xiàng)集，并計(jì)算其支持度，然后依照最小支持度進(jìn)行“剪枝”，得出頻繁的2-項(xiàng)集：＜方程，線性＞（42）、＜宇宙，理論＞（17）、＜中國(guó)，隱翅蟲＞（28）等。

重復(fù)生成k-項(xiàng)集，并將其約簡(jiǎn)為頻繁的k-項(xiàng)集，直到無(wú)法找到k+1-項(xiàng)集。最終得到的頻繁項(xiàng)集一共有23條，如＜微分，線性，方程，穩(wěn)定性＞（16）、＜中國(guó)，隱翅蟲，新記錄，物種＞（14）等。

算法設(shè)計(jì)代碼如圖3所示。

圖3　算法設(shè)計(jì)樣例

2.3對(duì)約稿組稿機(jī)制的啟示

由算法設(shè)計(jì)實(shí)驗(yàn)可知，在2001—2010這10年間，《上海師范大學(xué)學(xué)報(bào)（自然科學(xué)版）》發(fā)表的論文中，＜微分，線性，方程，穩(wěn)定性＞、＜中國(guó)，隱翅蟲，新記錄，物種＞這兩個(gè)專題的關(guān)鍵字相對(duì)關(guān)聯(lián)度較高，可以結(jié)合相關(guān)專業(yè)舉辦小規(guī)模的學(xué)術(shù)研討會(huì)，為該領(lǐng)域?qū)W術(shù)專家提供良好而又專業(yè)的學(xué)術(shù)交流平臺(tái)，使他們能深入探討學(xué)術(shù)相關(guān)話題，并趁此機(jī)會(huì)增大這方面的學(xué)術(shù)論文約稿組稿力度，應(yīng)該會(huì)有不錯(cuò)的效果。

在此過(guò)程中，對(duì)于與會(huì)專家學(xué)者而言，既得到了一個(gè)暢所欲言的交流平臺(tái)，彼此匯報(bào)各自的研究進(jìn)展，并在獲取其他學(xué)者研究動(dòng)向的同時(shí)，又可拓展思路，為今后的研究工作打下基礎(chǔ)；對(duì)于主辦此次學(xué)術(shù)會(huì)議的期刊社來(lái)說(shuō)，可增強(qiáng)與這些專家們的友誼，設(shè)置專欄，組織策劃本次會(huì)議的專題報(bào)道，提升這次學(xué)術(shù)會(huì)議學(xué)術(shù)價(jià)值，也提高了期刊社的知名度與影響力，可謂是一個(gè)雙贏的結(jié)果。

3　結(jié)論與展望

現(xiàn)如今，一家科技期刊不能僅依靠傳統(tǒng)的發(fā)展模式來(lái)維持，尤其是在約稿組稿工作上，期刊社編輯要提高自身的約稿組稿積極性，自動(dòng)與專家聯(lián)系交流。在專業(yè)性組稿方面，更是需要結(jié)合創(chuàng)新意識(shí)，借助相關(guān)軟件支持，在原有信息庫(kù)中挖掘有一定關(guān)聯(lián)度的規(guī)則作為約稿組稿的工作方向，使約稿組稿工作變得更有針對(duì)性，提高工作效率，達(dá)到事半功倍的效果。

本文作者結(jié)合數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則算法——Apriori算法，試圖將算法融入到約稿組稿的工作中，并對(duì)此項(xiàng)研究開展了一系列的理論與實(shí)踐的論證。實(shí)驗(yàn)結(jié)果表明，在原有數(shù)據(jù)庫(kù)中的信息中，確實(shí)存在關(guān)聯(lián)度較高的規(guī)則，這為期刊社有針對(duì)性地開展約稿組稿工作提供了確鑿的依據(jù)。

本研究基于Apriori算法，設(shè)計(jì)了一套簡(jiǎn)易程序，以2001—2010這10年間《上海師范大學(xué)學(xué)報(bào)（自然科學(xué)版）》發(fā)表的論文作為基礎(chǔ)數(shù)據(jù)庫(kù)，實(shí)現(xiàn)了算法思想在具體操作中的應(yīng)用。但限于數(shù)據(jù)量較少（約7 000條）的影響，只檢索到2條學(xué)科關(guān)聯(lián)度較高的集合，未來(lái)將收集擴(kuò)大基礎(chǔ)數(shù)據(jù)庫(kù)，以期挖掘更多潛在關(guān)聯(lián)學(xué)科。

另外，Apriori算法需要遍歷多次數(shù)據(jù)表，這將嚴(yán)重影響算法執(zhí)行的效率，在今后的研究中，作者將試圖改進(jìn)算法的運(yùn)行機(jī)制，壓縮時(shí)間成本，降低算法的復(fù)雜度，以期達(dá)到更好的效果。

［1］林松清，佘詩(shī)剛.科技學(xué)術(shù)期刊的組稿及其審理方法［J］.編輯學(xué)報(bào)，2012，24（5）：476-478.

［2］卓選鵬，趙大良.莫嘆專家賜稿難 轉(zhuǎn)變思路譜新篇［J］.中國(guó)科技期刊研究，2012，23（1）：137-138.

［3］顏巧元，劉義蘭，王菊香，等.試論稿件處理中科技期刊編輯對(duì)作者的人文關(guān)懷［J］.中國(guó)科技期刊研究，2013，24（4）：780-783.

［4］吳學(xué)軍，趙衛(wèi)星.科技期刊計(jì)劃組稿的模式——以《上海電機(jī)學(xué)院學(xué)報(bào)》為例［J］.編輯學(xué)報(bào)，2011，23（1）：58-60.

［5］曹昭君，陳蔓，衛(wèi)李靜，等.組稿與專題策劃的新思維［J］.江漢大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，40（4）：167-168.

［6］劉剛，李朝前，陳曉鋒，等.會(huì)議與科技期刊約稿［J］.江漢大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，40（4）：172-174.

［7］崔旭，劉小麗.基于粗糙集的改進(jìn)Apriori算法研究［J］.計(jì)算機(jī)仿真，2013，30（1）：329-332，385.

［8］亓文娟，晏杰.數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則Apriori算法［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2013，22（4）：121-124.