基于项目约束的关联规则挖掘方法的研究.pdf

维普资讯 湖北教育学院学报 Aug．2000 Vo1．23 No．8 基 于 项 目约 束 的 关 联 规 则 挖 掘 方 法 的 研 究 邱长春 (湖北教育学院 计算机科学与工程系，武汉 430205) 摘要：关联规则挖掘的核心问题是算法的效率和伸缩性，这就产生 了基于约束的关联规则挖掘方法。关联规则挖掘 中除了支持度和信任度外的约束外，最基拳的是项 目约束。拳文总结和归纳了含有项 目约束的关联规则挖掘的分 类，并在算法Apfiofi的基础上，介绍了基于项目约束的关联规则的挖掘算法Direct。 关键词：数据挖掘；关联规则；项 目约束；D ct 中图分类号：TP3II 文献标识码 ：A 文章编号：1007—1687(20O6)0B一0021—03 作者简介：邱长春，男。硕士，讲师，主要研究方向为数据库 、web挖掘及XML技术 。 目前在关联规则挖掘过程中存在的主要问题一是约束的 为P的子结点。下图给出了一个简单例子，用以表示项 目的 类型较少 。再就是没有把约束很好地集成到算法中去，往往采 概念层次。 用的是效率较低的后处理方法。由于利用约束可以将领域知 酒 识结合到挖掘过程中来，从而大大提高了算法的效率，并能有 效的指导挖掘方向，对关联规则的挖掘具有重要意义。 ／ ＼ 白酒 啤酒 葡萄酒 I约束的一般分类 从广义上讲。任何由用户指定的用于指导挖掘的条件都 ／＼ 可以看成是约束。最常见的是支持度和信任度外的约束。根据 45摩 以上 45戊 下 约束的性质不同。JiaweiHan将约束分为以下五类： 1．1知识性约束 (KnowledgeTypeConstraints)：用于指定待挖 令 D表示—个由若干事务记录所构成的事务数据库，D中 掘的模式类型。如关联 (Association)、相关 (Correlation)、聚类 的任意一个记录T都是I的子集，即TeD，T I。如果T中包 (Clustering)和异常(Abnorma1)。这类约束不同于其它约束， 含x∈I，称T支持项 目x；如果T中包含X_CI，则称T支持项集 通常在挖掘开始之前便已由用户指定。 x。关联规则的一般形式是形如X=Y的映射，xcI，YcI，x 1．2数据约束 (DataCormtraints)：用于指定待挖掘的数据对 NY= 。如果D中支持x的记录有 c％的也支持Y，关联规则 象，这时用户通常对数据集中的一个子集的行为更感兴趣。 X=Y的信任度为c％。如果D中8％的记录支持xuY，关 1．3维数及层次约束(Dimension／LevelConstxaints)：用于指定 联规则X=Y的支持度为B％。s，c可用公式表示： 待挖掘的数据库或数据仓库中数据的维数或概念层次(Level 、 S=sup(x=l，)=LI{z(_A’u≠l，专) !，兰D}I ofConcept)。 1．4规则有趣度约束 (Interesti