基于关联规则的Apriori算法实现及改进.pdf

1 0 2 福建电脑2 0 0 7年第7期基于关联规则的A p r i o r i 算法实现及改进温冠华( 同济大学电子与信息工程学院上海2 0 0 0 9 2) 【摘要】：本文首先对数据挖掘的定义及其发展现状作了简单的介绍，然后从背景、内容、效率、复杂度等方面对基于关联规则的A p 6 o f i算法做了深入介绍，最后分析了这个算法的瓶颈问题，并就此问题提出了改进方案。【关键词】：数据挖掘；关联规则；A p f o f i算法；算法效率；算法改进1 ．数据挖掘数据挖掘( D a t a Mi n i n g ) ，就是从海量的数据中．抽取出潜在的、有价值的知识( 模型或规则) 的高级处理过程。它和数据库知识发现( Kn o w l e d g e Di s c o v e r y i n Da t a b a s e ，KDD) 是近年来随着数据库和人工智能技术的发展而出现的全新信息技术．同时也是计算机科学与技术．尤其是计算机网络的发展和普遍使用所提出的、迫切需要解决的重要课题。目前，它是国际上数据库和信息决策领域的最前沿的研究方向之一．已经在学术界和工商界引起广泛关注。按发现知识的种类分类，数据挖掘分为总结规则挖掘、特征规则挖掘、关联( As s o c i a t i o n) 规则挖掘、分类挖掘、聚类挖掘、趋势分析、偏差分析等。其中关联规则挖掘、分类挖掘和聚类挖掘研究最深人、应用最广泛。2 ．关于关联规则的讨论本论文重点讨论Ap no f i算法是基于关联规则的所以我们将对关联规则做一些介绍，首先来了解几个概念。( 1 1项集：就是项目的集合， a l ，a 2 ，a 3 ；f 2 1支持度：一个项目的支持度就是数据库中含有这个项集的所有项目的事务所占的比例例如考虑项集{ 牛奶，面包} ，如果观察到购买中有7 5 ％的支持度．那我们就可能推断出牛奶和面包经常被一起购买。若考虑{ 牛奶，饮料} ，支持度只有2 5 ％，那么牛奶和饮料就不是经常一起被购买的。( 3 1频繁项集：如果用户设定一个最小支持度为mi n s u p，那么对于那些支持度大于r ai n s u p的项集．这样的项集被称为频繁项集。有了上述几个概念之后．我们可以对关联规则作一些详细的描述。所谓关联规则，就是一个形如x —v的逻辑蕴涵式，其中x∈T ，v∈T且xnv ：0。当事务数据库中有S ％的事务包含xUv ，则关联规则的支持度可以被定义为：S u p p o ~ ( x 一÷ y) = S u p p o ~ ( x U Y) = S ；若事务数据库D中包含X 的事务中有C ％同时包含Y．则关联在规则x 一÷ v的可信度C o n f i d e n e e可定义为：C o n f i d e n e e ( x U y ) ／S u p p o r t ( x ) 。那上面的例子为例，{ 面包} 一{ 牛奶} ，即如果一个事务中含有面包，则它很可能还含有牛奶，一般说来，一个关键规则具有形式，x —Y，其中X和Y都是项集，对于这个规则的解释就是：如果一个事务中购买了X 中的每一种商品．则Y中的商品也很可能被同时购买3 ．Ap f io f i算法A g r a w a l 和S r i k a n t 首先于1 9 9 4年提出了Ap n ’o r i 演算法．引起相当广泛的讨论．之后许多算法的提出都是根据此方法加以改进．可谓最具代表性的方法之一。A p f i o f i算法最主要的概念．就是从候选项目集合中借着扫描一次资料库．找出大于或等于使用者所定义的最小支持限度