基于相關(guān)興趣度的關(guān)聯(lián)規(guī)則挖掘.pdf

1、近年來，數(shù)據(jù)挖掘技術(shù)引起了信息技術(shù)領(lǐng)域的極大關(guān)注，這是因?yàn)閿?shù)據(jù)收集和數(shù)據(jù)存儲(chǔ)技術(shù)的快速進(jìn)步使得各組織機(jī)構(gòu)積累了海量數(shù)據(jù)，這些數(shù)據(jù)可以被轉(zhuǎn)換成有用的信息知識(shí)進(jìn)行廣泛使用。轉(zhuǎn)換后得到的的信息知識(shí)可以被應(yīng)用到市場(chǎng)分析，商場(chǎng)統(tǒng)籌，工程規(guī)劃和科學(xué)探索等。數(shù)據(jù)挖掘是在大型數(shù)據(jù)存儲(chǔ)庫中，自動(dòng)的發(fā)現(xiàn)有用信息的過程。它是一種將傳統(tǒng)的數(shù)據(jù)分析方法與處理大量數(shù)據(jù)的復(fù)雜算法相結(jié)合的技術(shù)。關(guān)聯(lián)規(guī)則技術(shù)作為數(shù)據(jù)挖掘技術(shù)的一個(gè)重要部分，在數(shù)據(jù)挖掘技術(shù)發(fā)展繁榮的情況下

2、也得到了蓬勃發(fā)展，并向著更加廣泛和深入的方向繼續(xù)發(fā)展。關(guān)聯(lián)規(guī)則挖掘的目的是為了從大量數(shù)據(jù)中發(fā)現(xiàn)項(xiàng)與項(xiàng)之間的直接有趣的關(guān)聯(lián)和相關(guān)關(guān)系。關(guān)聯(lián)規(guī)則無論從理論研究還是現(xiàn)實(shí)應(yīng)用方面都有很寬廣的發(fā)展前景，從狹義購物籃分析到網(wǎng)站的設(shè)計(jì)及其優(yōu)化，甚至擴(kuò)展到交通事故模式的分析或者是藥物成分的關(guān)聯(lián)分析等方面，它的理論研究為很多數(shù)據(jù)類型的挖掘提供了可行性，比方說從頻繁模式的挖掘到閉合模式挖掘，從主觀興趣度到其它相關(guān)模式的挖掘。因而，對(duì)關(guān)聯(lián)規(guī)則相關(guān)技術(shù)進(jìn)行深入

3、的研究是非常必要的。近年來，由于能夠發(fā)現(xiàn)數(shù)據(jù)間的相關(guān)關(guān)系，并且發(fā)現(xiàn)的規(guī)則結(jié)構(gòu)簡(jiǎn)單、易于理解，因此，關(guān)聯(lián)規(guī)則成為數(shù)據(jù)挖掘領(lǐng)域的熱點(diǎn)課題之一。本文對(duì)關(guān)聯(lián)規(guī)則技術(shù)的優(yōu)缺點(diǎn)進(jìn)行了分析，并針對(duì)其不足之處進(jìn)行了相應(yīng)的改進(jìn)。主要研究工作包括以下幾個(gè)方面。
　　(1)本文對(duì)經(jīng)典的Apriori以及不產(chǎn)生候選集的FP-Growth算法進(jìn)行了分析和研究:用Apriori算法挖掘頻繁項(xiàng)集，計(jì)算量很大，需要多次遍歷數(shù)據(jù)庫，增加了CPU開銷。FP-Grow

4、th算法雖然比Apriori算法在性能上有很大提高，它僅需要掃描兩次數(shù)據(jù)庫，并且避免了產(chǎn)生大量的候選項(xiàng)集。但FP-Growth算法主要的缺陷就是空間開銷大。為解決此問題，本文引入了概念格，說明了用概念格的哈斯圖進(jìn)行頻繁項(xiàng)集的挖掘在結(jié)果相似的基礎(chǔ)上比Apriori算法更加簡(jiǎn)捷直觀。
　　(2)由于支持度-置信度框架下的關(guān)聯(lián)規(guī)則存在一定的缺陷，于是，本文引入了興趣度度量。首先，對(duì)現(xiàn)有的幾種關(guān)聯(lián)規(guī)則興趣度進(jìn)行深入研究和分析，指出這些興趣

5、度度量方法各自存在的局限，提出了一個(gè)基于興趣度的關(guān)聯(lián)規(guī)則度量方法的改進(jìn)，證明了該度量方法的一些性質(zhì)，并對(duì)該方法與傳統(tǒng)方法進(jìn)行了比較，指出了改進(jìn)方法可以同時(shí)表示正負(fù)關(guān)聯(lián)規(guī)則的判別，又對(duì)都不購買的變量不敏感，實(shí)證了新方法的特征屬性。該方法較之原有方法有一定的優(yōu)勢(shì)。
　　(3)由于在解決前后項(xiàng)集對(duì)稱型問題時(shí)，普通關(guān)聯(lián)規(guī)則存在著不足之處，因此，通過提出項(xiàng)項(xiàng)正相關(guān)關(guān)聯(lián)規(guī)則挖掘改進(jìn)了這種不足。同時(shí)提出了一種挖掘算法:ItemCoMineAP算