基于時態(tài)數(shù)據(jù)庫雙向關(guān)聯(lián)規(guī)則挖掘的研究.pdf

1、時間是現(xiàn)實世界的固有屬性，許多數(shù)據(jù)庫都存在時態(tài)語義問題，增加了時間因素的關(guān)聯(lián)規(guī)則研究是非常有意義的。增加了時間因素也使數(shù)據(jù)庫變得復(fù)雜。本章對時態(tài)事件空間給出定義，給出時態(tài)事件的一種表示方法，在關(guān)聯(lián)規(guī)則挖掘方面，擴展了普通關(guān)聯(lián)規(guī)則在時態(tài)數(shù)據(jù)庫中的應(yīng)用，分別描述了同一對象不同屬性、不同對象同一屬性之間的關(guān)聯(lián)規(guī)則，給出一種不同對象同一屬性之間的時態(tài)關(guān)聯(lián)規(guī)則算法，在股票時態(tài)數(shù)據(jù)庫中實現(xiàn)了該算法，實驗表明算法有效。 數(shù)據(jù)挖掘（Data M

2、ining）就是從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。隨著信息科技超乎想象的進展，許多新的計算機分析工具問世，例如關(guān)系型數(shù)據(jù)庫、模糊計算理論、基因算法則以及類神經(jīng)網(wǎng)絡(luò)等，使得從數(shù)據(jù)中發(fā)掘?qū)毑爻蔀橐环N系統(tǒng)性且可實行的程序。Data Mining在各領(lǐng)域的應(yīng)用非常廣泛，只要該產(chǎn)業(yè)擁有具分析價值與需求的數(shù)據(jù)倉儲或數(shù)據(jù)庫，皆可利用Mining工具進行有目的的挖掘

3、分析。一般較常見的應(yīng)用案例多發(fā)生在零售業(yè)、直效行銷界、制造業(yè)、財務(wù)金融保險、通訊業(yè)以及醫(yī)療服務(wù)等。 消費者過去的行為是其今后消費傾向的最好說明。通過收集、加工和處理涉及消費者消費行為的大量信息，確定特定消費群體或個體的興趣、消費習(xí)慣、消費傾向和消費需求，進而推斷出相應(yīng)消費群體或個體下一步的消費行為，然后以此為基礎(chǔ)，對所識別出來的消費群體進行特定內(nèi)容的定向營銷，這與傳統(tǒng)的不區(qū)分消費者對象特征的大規(guī)模營銷手段相比，大大節(jié)省了營銷成本

4、，提高了營銷效果，從而為企業(yè)帶來更多的利潤。 日常生活中通常會遇到這樣的情況：超市管理人員希望得到顧客購買情況的更多信息。比如某一時間區(qū)間內(nèi)顧客購買物品的先后順序。在企業(yè)制定決策時，時態(tài)模式的雙向關(guān)聯(lián)規(guī)則對于如何決策時間因素，最大限度的增加正面效益尤為重要。為解決這個問題，需要探索有效的基于時態(tài)數(shù)據(jù)庫的數(shù)據(jù)挖掘技術(shù)。 為解決以上問題，基于時態(tài)數(shù)據(jù)關(guān)系模型和關(guān)聯(lián)規(guī)則的相關(guān)概念，我們提出一種新型的關(guān)聯(lián)規(guī)則，即雙向關(guān)聯(lián)規(guī)則。給

5、出了相關(guān)概念，討論了雙向關(guān)聯(lián)規(guī)則中時態(tài)數(shù)據(jù)集的存儲技術(shù)，提出了相關(guān)挖掘算法，并用實例演算過程，從而論證了算法的正確可能性。此規(guī)則可以更好地應(yīng)用于時態(tài)數(shù)據(jù)庫中，反映數(shù)據(jù)之間的強關(guān)聯(lián)關(guān)系。 雙向關(guān)聯(lián)規(guī)則主要描述數(shù)據(jù)間的前后關(guān)系，要求各事件按時間次序登記。對企業(yè)來說，時態(tài)模式下的雙關(guān)聯(lián)規(guī)則可預(yù)測顧客的購買行為，促進銷售量。它把數(shù)據(jù)之間的關(guān)聯(lián)性與時間聯(lián)系起來，為了挖掘雙向關(guān)聯(lián)規(guī)則，不僅需要知道事件是否發(fā)生，而且要確定各事件發(fā)生的先后順序