負關聯(lián)規(guī)則挖掘算法研究.pdf

1、數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledge Discovery in Databases，KDD)是當前人工智能、數(shù)據(jù)庫技術等學科的一門十分活躍的研究領域。數(shù)據(jù)挖掘(Data Mining，DM)是KDD的一個重要步驟，是從數(shù)據(jù)中提取人們感興趣的、潛在的、可用的知識，并將其表示成用戶可理解的形式。
　　數(shù)據(jù)挖掘作為數(shù)據(jù)庫研究領域中的熱點，正受到越來越多的關注。它被定義為在數(shù)據(jù)中尋找正確的、有趣的、潛在有用的并最終可以理解的模式?；陉P

2、聯(lián)規(guī)則的挖掘是其中一個重要的研究方法，具有重要的理論價值和廣泛的應用前景。
　　在很多領域中，只挖掘出標準關聯(lián)規(guī)則是不夠的，需要對數(shù)據(jù)項的否定項進行挖掘。帶否定項的關聯(lián)規(guī)則是指允許在關聯(lián)規(guī)則中出現(xiàn)負項目，對關聯(lián)規(guī)則的形式做出了擴展，從而提高了關聯(lián)規(guī)則的描述能力。
　　在研究了國內(nèi)外相關學者的研究成果的基礎上，論文提出了一種基于相關度與興趣度的負關聯(lián)規(guī)則算法（CIAR算法），該算法在挖掘出正關聯(lián)規(guī)則的同時，挖掘出負關聯(lián)規(guī)則。目

3、前，對負關聯(lián)規(guī)則的研究大部分是在正頻繁項集中挖掘感興趣的規(guī)則，論文提出了一種生成負頻繁項集的辦法，在產(chǎn)生正頻繁項集的同時，產(chǎn)生一個專門挖掘負關聯(lián)規(guī)則的負頻繁項集。
　　在現(xiàn)有的關聯(lián)規(guī)則挖掘算法中，廣泛采用了“支持度——置信度”的評價標準。然而，在很多時候，挖掘出來的關聯(lián)規(guī)則其支持度和置信度都很高，卻沒有實際的意義。該標準也沒有考慮在支持度和置信度都較高的正關聯(lián)規(guī)則無關或負相關時，其負關聯(lián)規(guī)則的相關性問題，論文對此進行了詳細的討論。