我们可以提炼学生知识点间掌握程度的关联

通过表格我们可以发现（牵扯到公司数据安全，这里我们就使用ID来进行说明），ID为0131535的知识点与ID为0134176的知识点同时未掌握的频次最高。并且，两个知识点未掌握知识点0131535的学生，同时未掌握的知识点0134176的概率是47.23%，未掌握知识点0131535将会增加未掌握知识点0134176的可能性，提升度为1.341。

我们可以建议老师在学生若未掌握知识点0134176 的时候，可以适当讲解知识点0131535。

并且通过如上分析结果，我们可以提炼学生知识点间掌握程度的关联（也可扩展到多个知识点），一个8年级的知识点学不会可能是因为6、7年级的某些知识点没有掌握而导致的，以此来搭建学生知识图谱，帮助学生追根溯源，找到知识漏洞。

结语

本文案例是教育行业知识图谱的应用，那关联规则还能用于哪些场景呢？

这里可以举几个常见场景：

• 购物组合（购物车商品推荐）
• 关键字搜索关联分析
• 网页页面浏览关联分析
• 购买行为预测
• 流量来源预测
• ……