事務(wù)間關(guān)聯(lián)規(guī)則挖掘技術(shù)研究.pdf

1、數(shù)據(jù)挖掘(Data Mining)是從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫中的大量的數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解模式的非平凡過程。而關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘中的一項根本性任務(wù)，其目標是在事務(wù)項目中找出所有的并發(fā)關(guān)系(Co-occurrence Relationships)，這種關(guān)系也被稱為關(guān)聯(lián)。
　　 本文對傳統(tǒng)的事務(wù)間關(guān)聯(lián)規(guī)則算法和現(xiàn)有的負關(guān)聯(lián)規(guī)則算法進行了系統(tǒng)的分析和總結(jié)，在此基礎(chǔ)之上提出了新的算法思想，主

2、要包括下面兩個方面：
　　 首先，本文提出了以用戶為研究對象，通過對大量用戶的行為建立模型，來推測與其具有相似性的用戶的可能行為。提出一種新的雙策略模型，按照用戶對網(wǎng)站的興趣度將源數(shù)據(jù)庫分割成為兩類庫，然后對其使用馬爾可夫預(yù)測模型和事務(wù)間關(guān)聯(lián)規(guī)則進行興趣度預(yù)測，將復(fù)雜的源數(shù)據(jù)進行修剪，減少了多次重復(fù)掃描數(shù)據(jù)庫的工作量，同時也減少了無用規(guī)則的產(chǎn)生，能更真實的反映用戶的興趣趨向，在增大算法精確度的基礎(chǔ)上也有效的提高了算法的執(zhí)行效率。

3、
　　 其次，針對負關(guān)聯(lián)規(guī)則挖掘問題，總結(jié)現(xiàn)有的挖掘負規(guī)則規(guī)則的方法，如利用興趣度、相關(guān)性等，并指出其在挖掘負關(guān)聯(lián)規(guī)則時仍然存在的不足。提出將相關(guān)系數(shù)和卡方檢驗相結(jié)合的方法，修正了單單使用興趣度來度量相關(guān)性時產(chǎn)生的歧義，通過計算得出的結(jié)果來確定其是正規(guī)則、弱規(guī)則或者負規(guī)則，不僅能通過挖掘規(guī)則來使我們得到傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘中得不到的潛在信息，還能甄別出傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘中存在的誤導(dǎo)規(guī)則，提高關(guān)聯(lián)規(guī)則的實用性和適用性。
　　 在