基于個性發(fā)現(xiàn)的興趣度研究.pdf

1、數(shù)據(jù)挖掘是指從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又是潛在有用的信息和知識的過程。數(shù)據(jù)挖掘提取的知識可以表示為概念、規(guī)律、模式、約束、可視化。數(shù)據(jù)挖掘的任務是從數(shù)據(jù)中發(fā)現(xiàn)模式。通過對模式的分析及處理，可以得到人們感興趣的知識。 關聯(lián)規(guī)則的挖掘是數(shù)據(jù)挖掘中的一個重要部分，通過挖掘關聯(lián)規(guī)則可以獲得數(shù)據(jù)間隱藏的聯(lián)系，這種聯(lián)系往往是人們感興趣的?，F(xiàn)有的關聯(lián)規(guī)則挖掘基本上分為兩步：首先找出

2、大于支持度閾值的項集，然后根據(jù)項集產(chǎn)生強關聯(lián)規(guī)則。分析現(xiàn)有的關聯(lián)規(guī)則挖掘算法中所存在的問題：首先是關聯(lián)規(guī)則在其表達形式上沒有考慮各種可能的反面示例的影響，因而導致知識表達功能的不夠完善；其次是有可能一條規(guī)則即使可信度和支持度都很高，仍沒有實際意義，甚至是誤導性的。因此，人們又引進了興趣度做為第三個閾值，并對興趣度的定義和使用進行了廣泛、深入的研究。 本文在介紹了數(shù)據(jù)挖掘和關聯(lián)規(guī)則的概念及其相關知識，詳細介紹了關聯(lián)規(guī)則挖掘的經(jīng)典算

3、法Apriori算法的基礎上，首先給出了基于個體的個性化形式表示方法，利用個性化形式表示方法可以對個體進行形式化表示，本文將該個體表示與信息論中的信息表示聯(lián)系起來，使關聯(lián)規(guī)則的支持度具有了基于個體的個性特點，這樣利用該表示方法對個體進行關聯(lián)規(guī)則挖掘，就會使所得到的規(guī)則更具有個體的個性化特點，更具有實際價值；其次，本文給出了基于信息差異的興趣度，該興趣度的定義考慮了事件及其對立事件產(chǎn)生的信息量差異，并利用信息化表示將規(guī)則的信息量差異表示出