正、負(fù)關(guān)聯(lián)規(guī)則挖掘算法的研究與實(shí)踐.pdf

1、數(shù)據(jù)挖掘(Data Mining)就是從大量數(shù)據(jù)中提取或“挖掘”知識(shí)。數(shù)據(jù)挖掘被信息產(chǎn)業(yè)界認(rèn)為是信息系統(tǒng)最重要的研究和應(yīng)用領(lǐng)域之一,也是信息產(chǎn)業(yè)界最有前途的交叉性學(xué)科之一。關(guān)聯(lián)規(guī)則(Association Rule)是數(shù)據(jù)挖掘中一個(gè)重要的研究?jī)?nèi)容,而正、負(fù)關(guān)聯(lián)規(guī)則挖掘(Positive and Negative Associate Rule algorithm)作為關(guān)聯(lián)規(guī)則挖掘的一個(gè)新的研究課題,用于發(fā)現(xiàn)在交易中出現(xiàn)的數(shù)據(jù)項(xiàng)與未出現(xiàn)的數(shù)

2、據(jù)項(xiàng)間的關(guān)聯(lián)規(guī)則,正逐步受到人們的重視。
　　本文在總結(jié)和分析其他關(guān)聯(lián)規(guī)則挖掘算法特別是經(jīng)典的Apriori算法的基礎(chǔ)上,根據(jù)Apriori算法的缺點(diǎn)設(shè)計(jì)了編碼算法和正、負(fù)關(guān)聯(lián)規(guī)則挖掘算法。
　　編碼算法只要遍歷一次數(shù)據(jù)庫(kù),對(duì)每個(gè)交易中數(shù)據(jù)項(xiàng)是否出現(xiàn)的情況進(jìn)行編碼,然后通過對(duì)編碼的邏輯運(yùn)算來得到最后的關(guān)聯(lián)規(guī)則。編碼算法沿襲了Apriori算法的頻繁項(xiàng)集遞推的原理,所以結(jié)果是準(zhǔn)確可靠的,同時(shí)由于所有的頻繁相集都是用編碼的形式表

3、示,遞推過程也是通過不同編碼間的邏輯運(yùn)算來實(shí)現(xiàn),以此減少了遍歷數(shù)據(jù)庫(kù)的次數(shù),達(dá)到提高數(shù)據(jù)挖掘效率的目的。
　　正、負(fù)關(guān)聯(lián)規(guī)則挖掘算法的原理是根據(jù)概率論中相關(guān)系數(shù)的概念,設(shè)計(jì)出興趣度,用興趣度閾值來區(qū)分規(guī)則的前件跟后件之間是無關(guān)還是正關(guān)聯(lián)或是負(fù)關(guān)聯(lián),再通過與支持度閾值的比較來得到最后的正或負(fù)關(guān)聯(lián)規(guī)則。正、負(fù)關(guān)聯(lián)規(guī)則挖掘算法是通過融合概率論中相關(guān)系數(shù)的知識(shí),Apriori算法的頻繁項(xiàng)集遞推的思想和編碼算法只需要一次遍歷數(shù)據(jù)庫(kù)的做法提出

4、的。其中相關(guān)系數(shù)知識(shí)的引入導(dǎo)致了興趣度的出現(xiàn)使算法可以區(qū)分規(guī)則是否相關(guān)以及規(guī)則的正負(fù);頻繁項(xiàng)集遞推思想的引入確保了挖掘結(jié)果的完整性和準(zhǔn)確性;編碼算法的一次遍歷數(shù)據(jù)庫(kù),對(duì)項(xiàng)編碼的做法提高了相對(duì)于正關(guān)聯(lián)規(guī)則挖掘開銷更大,速度更慢的正、負(fù)關(guān)聯(lián)規(guī)則挖掘的效率。
　　實(shí)驗(yàn)證明,編碼算法在數(shù)據(jù)庫(kù)查詢時(shí)間大于編碼生成時(shí)間的挖掘集合中有很好的提高挖掘效率的作用;正、負(fù)關(guān)聯(lián)規(guī)則挖掘算法在保證得到正關(guān)聯(lián)規(guī)則的同時(shí)可以挖掘出更多有意義的負(fù)關(guān)聯(lián)規(guī)則,其中