正、負關聯(lián)規(guī)則挖掘算法的研究與實踐.pdf

1、數據挖掘(Data Mining)就是從大量數據中提取或“挖掘”知識。數據挖掘被信息產業(yè)界認為是信息系統(tǒng)最重要的研究和應用領域之一,也是信息產業(yè)界最有前途的交叉性學科之一。關聯(lián)規(guī)則(Association Rule)是數據挖掘中一個重要的研究內容,而正、負關聯(lián)規(guī)則挖掘(Positive and Negative Associate Rule algorithm)作為關聯(lián)規(guī)則挖掘的一個新的研究課題,用于發(fā)現(xiàn)在交易中出現(xiàn)的數據項與未出現(xiàn)的數

2、據項間的關聯(lián)規(guī)則,正逐步受到人們的重視。
　　本文在總結和分析其他關聯(lián)規(guī)則挖掘算法特別是經典的Apriori算法的基礎上,根據Apriori算法的缺點設計了編碼算法和正、負關聯(lián)規(guī)則挖掘算法。
　　編碼算法只要遍歷一次數據庫,對每個交易中數據項是否出現(xiàn)的情況進行編碼,然后通過對編碼的邏輯運算來得到最后的關聯(lián)規(guī)則。編碼算法沿襲了Apriori算法的頻繁項集遞推的原理,所以結果是準確可靠的,同時由于所有的頻繁相集都是用編碼的形式表

3、示,遞推過程也是通過不同編碼間的邏輯運算來實現(xiàn),以此減少了遍歷數據庫的次數,達到提高數據挖掘效率的目的。
　　正、負關聯(lián)規(guī)則挖掘算法的原理是根據概率論中相關系數的概念,設計出興趣度,用興趣度閾值來區(qū)分規(guī)則的前件跟后件之間是無關還是正關聯(lián)或是負關聯(lián),再通過與支持度閾值的比較來得到最后的正或負關聯(lián)規(guī)則。正、負關聯(lián)規(guī)則挖掘算法是通過融合概率論中相關系數的知識,Apriori算法的頻繁項集遞推的思想和編碼算法只需要一次遍歷數據庫的做法提出

4、的。其中相關系數知識的引入導致了興趣度的出現(xiàn)使算法可以區(qū)分規(guī)則是否相關以及規(guī)則的正負;頻繁項集遞推思想的引入確保了挖掘結果的完整性和準確性;編碼算法的一次遍歷數據庫,對項編碼的做法提高了相對于正關聯(lián)規(guī)則挖掘開銷更大,速度更慢的正、負關聯(lián)規(guī)則挖掘的效率。
　　實驗證明,編碼算法在數據庫查詢時間大于編碼生成時間的挖掘集合中有很好的提高挖掘效率的作用;正、負關聯(lián)規(guī)則挖掘算法在保證得到正關聯(lián)規(guī)則的同時可以挖掘出更多有意義的負關聯(lián)規(guī)則,其中