正、負關(guān)聯(lián)規(guī)則挖掘算法的研究與實踐.pdf

1、數(shù)據(jù)挖掘(Data Mining)就是從大量數(shù)據(jù)中提取或“挖掘”知識。數(shù)據(jù)挖掘被信息產(chǎn)業(yè)界認為是信息系統(tǒng)最重要的研究和應(yīng)用領(lǐng)域之一,也是信息產(chǎn)業(yè)界最有前途的交叉性學(xué)科之一。關(guān)聯(lián)規(guī)則(Association Rule)是數(shù)據(jù)挖掘中一個重要的研究內(nèi)容,而正、負關(guān)聯(lián)規(guī)則挖掘(Positive and Negative Associate Rule algorithm)作為關(guān)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(shù)據(jù)項與未出現(xiàn)的數(shù)

2、據(jù)項間的關(guān)聯(lián)規(guī)則,正逐步受到人們的重視。
　　本文在總結(jié)和分析其他關(guān)聯(lián)規(guī)則挖掘算法特別是經(jīng)典的Apriori算法的基礎(chǔ)上,根據(jù)Apriori算法的缺點設(shè)計了編碼算法和正、負關(guān)聯(lián)規(guī)則挖掘算法。
　　編碼算法只要遍歷一次數(shù)據(jù)庫,對每個交易中數(shù)據(jù)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(guān)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(jié)果是準(zhǔn)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(shù)據(jù)庫的次數(shù),達到提高數(shù)據(jù)挖掘效率的目的。
　　正、負關(guān)聯(lián)規(guī)則挖掘算法的原理是根據(jù)概率論中相關(guān)系數(shù)的概念,設(shè)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(guān)還是正關(guān)聯(lián)或是負關(guān)聯(lián),再通過與支持度閾值的比較來得到最后的正或負關(guān)聯(lián)規(guī)則。正、負關(guān)聯(lián)規(guī)則挖掘算法是通過融合概率論中相關(guān)系數(shù)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(shù)據(jù)庫的做法提出

4、的。其中相關(guān)系數(shù)知識的引入導(dǎo)致了興趣度的出現(xiàn)使算法可以區(qū)分規(guī)則是否相關(guān)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(jié)果的完整性和準(zhǔn)確性;編碼算法的一次遍歷數(shù)據(jù)庫,對項編碼的做法提高了相對于正關(guān)聯(lián)規(guī)則挖掘開銷更大,速度更慢的正、負關(guān)聯(lián)規(guī)則挖掘的效率。
　　實驗證明,編碼算法在數(shù)據(jù)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(guān)聯(lián)規(guī)則挖掘算法在保證得到正關(guān)聯(lián)規(guī)則的同時可以挖掘出更多有意義的負關(guān)聯(lián)規(guī)則,其中