受众,是对于大众传播中接收者的统称,一般是指通过大众传播媒介接受信息的人,包括报刊读者、广播听众、电视观众以及互联网的网民。由于受众是传播活动的目的地,人们不断地改进传播媒介、传播方式以及传播内容,都是为了能够让受众最大限度地接受传播内容,以达到最好的传播效果。因此受众研究一直在大众传播研究中有着相当重要的地位。随着调查受众群体规模越来越大,调查的内容越来越详细,对于其中的数据进行行之有效的分析就显得越来越重要。数据挖掘(Data Mining)又称为数据库中知识发现,就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。本文提出了基于遗传算法的关联规则在受众分析中的应用,目的在于对受众分析过程中所处理的数据进行快速准确、挖掘式的分析。通过对大量的数据的分析,从中提取出众多关联关系,这其中就包括隐含的、未被人们预测到的崭新的关联关系。1.本文首先对遗传算法和关联规则挖掘技术发展现状进行了研究,然后对关联规则的经典算法Apriori算法进行分析后,针对算法的不足,把遗传算法和关联规则进行联合,得到基于遗传算法的关联规则。该算法的核心是通过遗传算法的选择、交叉和变异来寻求最优解,以减少对庞大数据库的扫描次数,获得较高的挖掘效率。为求得全局最优解,在本文中把赌轮选择算法和最佳个体保存算法相结合,在目前已知可查询的文献资料当中尚未有将这两种算法结合应用到寻找关联规则的实例。2.在前述研究的基础上,设计并实现了两个分别以Apriori算法和遗传算法为核心的可视化挖掘工具原型。在挖掘工具中实现了挖掘的可视化,使用户能够对两种算法的挖掘技术进行对比。3.最终将算法用于受众分析中,得到一些强关联规则,并尝试发现以前未被发现的,隐匿在各因素之间的某种关联关系。并且在分析中发现,这种对于隐匿关联关系的发现在研究受众领域所出现的新问题时,能够发挥较大的作用。在得出各因素之间的关联规则的基础之上,进而能够对传播活动起到指导作用,进而以此为依据对传播内容传播方式进行修改,以达到最好的传播效果。