關(guān)聯(lián)規(guī)則挖掘算法及應(yīng)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(shí)代的到來(lái)，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(duì)我們的工作和生活有用的知識(shí)，已成為現(xiàn)在及未來(lái)的一個(gè)熱門(mén)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(lái)分析不同項(xiàng)之間的關(guān)聯(lián)性，分析結(jié)果可用于指導(dǎo)許多商業(yè)活動(dòng)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(duì)關(guān)聯(lián)規(guī)則挖掘算法及其應(yīng)用進(jìn)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(duì)比了這兩種算法的優(yōu)缺點(diǎn)。在此基礎(chǔ)上，對(duì)FP-growth算法進(jìn)行了改進(jìn)，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(duì)FP-growth算法做了兩方面改進(jìn)。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(gè)屬性進(jìn)行分組，分組后的數(shù)據(jù)至少有一個(gè)屬性值是相同的，在

3、挖掘的時(shí)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(dá)到了減少屬性的目的，同時(shí)也減少了數(shù)據(jù)挖掘一次性處理過(guò)大數(shù)據(jù)量的壓力。另一方面，本文通過(guò)改變相鄰結(jié)點(diǎn)順序和忽略中間節(jié)點(diǎn)的方法實(shí)現(xiàn)了對(duì)FP-tree的有效壓縮。這種方法可以降低新結(jié)點(diǎn)的生成頻率，達(dá)到降低空間和時(shí)間復(fù)雜度的目的。
　　本文對(duì)GCFP-growth算法的優(yōu)越性進(jìn)行了驗(yàn)證，并開(kāi)發(fā)了一個(gè)招聘信息挖掘系統(tǒng)來(lái)客觀地體現(xiàn)GCFP-growth算法的實(shí)用