關(guān)聯(lián)規(guī)則及其元規(guī)則挖掘技術(shù)研究.pdf

1、計算機技術(shù)和數(shù)據(jù)庫技術(shù)的快速發(fā)展，推動了各行各業(yè)計算機信息管理系統(tǒng)的應(yīng)用，同時也在數(shù)據(jù)庫中積累了大量的數(shù)據(jù)，而這些數(shù)據(jù)就好比是“知識的礦山”，其中蘊含著豐富的知識，這些知識可以為管理者提供決策幫助。因此，如何發(fā)現(xiàn)這樣的知識成了研究工作者的重要的課題。在這樣的背景下，20世紀(jì)80年代末期，人們開始研究如何在數(shù)據(jù)庫中發(fā)現(xiàn)知識（Knowledge Discovery in Database，KDD），并于1995年在加拿大的蒙特利爾召開的第一

2、屆“知識發(fā)現(xiàn)和數(shù)據(jù)挖掘”國際學(xué)術(shù)會議上首次提出了數(shù)據(jù)挖掘這一學(xué)科的名稱。 數(shù)據(jù)挖掘的一個重要內(nèi)容是關(guān)聯(lián)規(guī)則的挖掘，本文就是針對關(guān)聯(lián)規(guī)則的挖掘問題進行研究的?，F(xiàn)有的關(guān)聯(lián)規(guī)則挖掘研究工作主要集中在挖掘過程的效率的研究，而較少注意在時序數(shù)據(jù)庫中關(guān)聯(lián)規(guī)則的挖掘質(zhì)量問題。因為在時序數(shù)據(jù)庫中得出的關(guān)聯(lián)規(guī)則的強度，會隨著時間而改變，現(xiàn)有關(guān)聯(lián)規(guī)則挖掘算法挖掘得出的關(guān)聯(lián)規(guī)則，用戶很難確定它們在將來是否還有效，這就給規(guī)則的使用帶來了困難；再者，現(xiàn)有

3、的關(guān)聯(lián)規(guī)則挖掘算法尚可能遺漏一些有趣規(guī)則。本文針對現(xiàn)有關(guān)聯(lián)規(guī)則挖掘中存在的問題，提出了綜合挖掘關(guān)聯(lián)規(guī)則及其元規(guī)則的思想，并在提出綜合挖掘關(guān)聯(lián)規(guī)則及其元規(guī)則的總體架構(gòu)的基礎(chǔ)上，構(gòu)建了關(guān)聯(lián)規(guī)則元規(guī)則的形式化表示方法，提出了元規(guī)則的挖掘模型，設(shè)計了關(guān)聯(lián)規(guī)則及其元規(guī)則綜合挖掘的算法，提出了應(yīng)用機器學(xué)習(xí)方法對元規(guī)則集進行再挖掘思路，并對元規(guī)則的分類進行了研究。 本文提出了一種基于多哈希鏈結(jié)構(gòu)的頻繁模式挖掘算法，該算法具有對頻繁1-項集投影

4、交易壓縮率高，掃描交易數(shù)據(jù)庫次數(shù)少、產(chǎn)生的2-項集少、易于擴展成關(guān)聯(lián)規(guī)則及其元規(guī)則的綜合挖掘算法等優(yōu)點。通過數(shù)據(jù)產(chǎn)生器產(chǎn)生的數(shù)據(jù)和超級市場的實際交易數(shù)據(jù)進行實驗驗證表明，在挖掘較短模式時該算法與FP-Growth算法相比，具有更高的效率和更好的可伸縮性，特別適合于像連鎖超級市場這樣的商業(yè)零售企業(yè)的交易類數(shù)據(jù)的挖掘。 本文在基于多哈希鏈結(jié)構(gòu)的頻繁模式的挖掘的基礎(chǔ)上，提出了一種關(guān)聯(lián)規(guī)則及其元規(guī)則的綜合挖掘算法，它既可以得到關(guān)聯(lián)規(guī)則也

5、能得到關(guān)聯(lián)規(guī)則的變化趨勢，該算法挖掘得出的關(guān)聯(lián)規(guī)則與通常的關(guān)聯(lián)規(guī)則挖掘算法相比，其質(zhì)量更高，可用性更好。 本文還在基于多哈希鏈結(jié)構(gòu)的頻繁模式挖掘的基礎(chǔ)上，提出了一種分布式關(guān)聯(lián)規(guī)則挖掘算法。該算法有效地降低了站點的候選項的數(shù)量，提高了挖掘過程的效率。 本文還對所提出的關(guān)聯(lián)規(guī)則及其元規(guī)則的綜合挖掘算法進行了應(yīng)用研究，研究結(jié)果表明，該算法是可行的，并能夠獲得預(yù)期的挖掘目標(biāo)，通過該方法得出的關(guān)聯(lián)規(guī)則，比使用現(xiàn)有的關(guān)聯(lián)規(guī)則挖掘方法