点播程序中最核心的页面为filminfo.aspx，在查看某个影片的详细信息时，通过关联规则表查询出推荐影片，推荐模块的程序如下：

　　string SQL = "select distinct top 10 * from Association where p1='"+this.Lbl_filmname.Text.Trim()+"'order by probability
　　desc";
　　using(MyConn = new System.Data.SqlClient.SqlConnection
　　(System.Configuration.ConfigurationSettings.AppSettings["Data"]))
　　{
　　using(MyCmd = new System.Data.SqlClient.SqlCommand(SQL,
　　MyConn))
　　{
　　MyConn.Open();
　　using(MyRead = MyCmd.ExecuteReader())
　　{
　　if (MyRead.HasRows)
　　{
　　while(MyRead.Read())
　　{
　　myhyperlink[i].Text = MyRead.GetString(3).Trim();
　　myhyperlink[i].Visible = true;
　　++i;
　　if(i==5)
　　break;
　　}
　　}
　　else
　　{
　　this.Label1.Text="无推荐影片";
　　this.Label1.Visible=true;
　　}
　　}
　　}
　　}

　　挖掘效益分析

　　目前全国各高校校园网建设日趋完善，网络辅助教学呈直线上升趋势，我们根据实际教学工作的需要，将Web挖掘技术运用于VOD视频点播系统中，对该视频点播系统的功能进行改进和优化，特别是对于该系统的影片个性化推荐技术进行研究和探索，从而提高该系统用户的访问效率和服务质量。在研究中，我们还细分用户，根据同一IP地址段用户的点播习惯来来生成该特定用户组的关联模型。

　　我们主要完成以下任务：

　　1.生成关联模型：根据历史的访问点播记录，发现用户的模式，建立访问模型。

　　2.形成关联模型表：通过数据挖掘将关联规则一次性生成，并存入数据表中。例如：一次性生成几个月以来的关联规则。同时，为了适应用户的动态更新，在一定周期内，根据服务器负载情况，在负载最低的时间段，执行一次数据挖掘模型，将关联规则更新到规则表中，以确保影片推荐的精确性。前台点击时，只要使用SQL查询该数据表中对应的项即可作出影片推荐，从根本上减轻服务器的点播压力。

　　3.前台推荐程序：该程序通过获取用户当前点击的影片名称，查询关联规则表中满足推荐的影片，如果查询到满足条件的记录，则输出地址链接，将推荐的结果链接到影片播放界面。通过智能化地引导和推荐影片，提高VOD点播系统的服务效率。

　　由于各站点的数据本身具有自述性和动态可变性，半结构化的Web数据模型是研究Web挖掘、信息检索、智能引擎及Web用户访问模式挖掘的前提和重点。[9]面向Web的数据挖掘必须以半结构化模型和半结构化数据模型抽取技术为前提。针对Web数据半结构化的特点，寻找一个半结构化的数据模型是解决问题的关键所在。我们将不断探索，使Web挖掘更好地服务于网络教学。

　　（作者单位为南通大学现代教育技术中心）

　　本文获江苏省现代教育技术研究2010年度课题资助，课题名称：《基于校园网VOD视频点播系统的视频教学资源整合与个性化研究》，课题编号：2010-R-16632。

　　扩展阅读：

　　[1]Jiawei Han，Micheline Kam ber．Data Mining Concepts and Techniques[M]．Beijing：Higher Education Press，2007，240-243.

　　[2]Pereira Jr，Baeza-Yates A R．Applications of an web infor-mation mining model to data mining and information retrieval tasks[J]．Proceedings International Workshop on Database and Ex-pert Systems Applications．2006：1031-1035.

　　[3]Lisheng Ma，Huiwen Deng．Fast algorithm for mining maxi-mal frequent itemsets[C]//Proceedings of international Confer-enceon Data Engineering，2007：86-91．

　　[4]ZhaoHui Tang，Jamie Mac Lennan．Data Mining with SQL Server 2005[M]．Beijing：Tsinghua University Press，2007：199-200，322-323．

　　[5]PannarJ，GargS．Modifiedweb aecess pattern approach for sequential pattern mining.Computer Science[M]．2007，(6)：46-54．

　　[6]R Gruber.Towards Principles for the Design of Anthologies Used for Knowledge Sharing[J]．International Journal of Human-Computer Studies，2009(43)．907-928．

　　[7]L.Zhen，G.Q.Huang，Z.Jiang，Recommender system based on workflow，Decision Support Systems 2009(48)237-245．

　　[8]翁小兰，孙蕾．基于WEB日志挖掘优化VOD系统中影片的归类[J]．Computer Applications and Softwar，2007，(10)：125-127．

　　[9]Bunchner A G，Mulvenna M D．Discovering Internet Mar-keting Intelligence Through Online nalytical Web Using Mining[J]．Sigmod Record，2006，27(4)：145-156[J]．