基于廣義興趣度的關聯(lián)規(guī)則挖掘的研究.pdf

1、關聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘技術的重要分支，近年來被廣泛地應用于各個領域，但同時也暴露出許多問題與不足。問題之一是傳統(tǒng)關聯(lián)規(guī)則挖掘算法只采用了單一的支持度。置信度評價體系，為此人們提出了將興趣度機制引入算法。目前對興趣度的研究相對分散，許多模型都是以嚴格的數(shù)學公式來描述用戶的興趣度，而實際情況要復雜得多。因此對關聯(lián)規(guī)則挖掘算法和興趣度理論進行深入的研究，從而更加完善地描述用戶的需求，并將其應用到算法之中，對數(shù)據(jù)挖掘理論的發(fā)展和實際應用有著重

2、要意義。
　　 論文對數(shù)據(jù)挖掘和關聯(lián)規(guī)則挖掘的基本理論進行了介紹和探討，分析了傳統(tǒng)的關聯(lián)規(guī)則挖掘算法和興趣度模型，指出了其不足。針對已有的興趣度研究缺乏統(tǒng)一理論體系的特點，提出了一種綜合考慮各種因素的廣義興趣度概念，并將已有的相關研究與之進行統(tǒng)一。在此基礎上設計了一種基于廣義興趣度的關聯(lián)規(guī)則挖掘算法--GIARM算法。該算法在經(jīng)典Apriori算法的基礎上綜合考慮用戶的主觀和客觀興趣度，通過增強與用戶的交互性提高算法效率，使算法