關(guān)聯(lián)規(guī)則挖掘算法及應用研究.pdf

1、隨著信息技術(shù)的發(fā)展，尤其是大數(shù)據(jù)時代的到來，各行各業(yè)都積累了大量的數(shù)據(jù)。如何從這豐富的數(shù)據(jù)中挖掘出對我們的工作和生活有用的知識，已成為現(xiàn)在及未來的一個熱門的研究課題之一。關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘的重要分支，可以用來分析不同項之間的關(guān)聯(lián)性，分析結(jié)果可用于指導許多商業(yè)活動做出合理的商業(yè)決策，其在很多商業(yè)數(shù)據(jù)的處理中起到了關(guān)鍵的作用。
　　本文主要對關(guān)聯(lián)規(guī)則挖掘算法及其應用進行了研究，介紹了關(guān)聯(lián)規(guī)則挖掘的基本理論，分析了經(jīng)典關(guān)聯(lián)規(guī)則挖掘

2、算法：Apriori和FP-growth算法，對比了這兩種算法的優(yōu)缺點。在此基礎(chǔ)上，對FP-growth算法進行了改進，提出了基于分組和壓縮FP-growth算法GCFP-growth(Grouping and Compressing on Frequent-Pattern Growth)。該算法對FP-growth算法做了兩方面改進。一方面，將數(shù)據(jù)源根據(jù)數(shù)據(jù)挖掘研究的目的按照某一個屬性進行分組，分組后的數(shù)據(jù)至少有一個屬性值是相同的，在

3、挖掘的時候就可以省去這一列的挖掘，只要在挖掘的結(jié)果中加上這一屬性值即可。這種方法達到了減少屬性的目的，同時也減少了數(shù)據(jù)挖掘一次性處理過大數(shù)據(jù)量的壓力。另一方面，本文通過改變相鄰結(jié)點順序和忽略中間節(jié)點的方法實現(xiàn)了對FP-tree的有效壓縮。這種方法可以降低新結(jié)點的生成頻率，達到降低空間和時間復雜度的目的。
　　本文對GCFP-growth算法的優(yōu)越性進行了驗證，并開發(fā)了一個招聘信息挖掘系統(tǒng)來客觀地體現(xiàn)GCFP-growth算法的實用