超越支持度－置信度框架的负相关规则对挖掘.doc

超越支持度－置信度框架的负相关对规则挖掘* 钱铁云1 冯小年2 王元珍1 （1. 华中科技大学计算机学院数据库与多媒体技术研究所，武汉，430074） （2. 中国电力财务有限公司华中分公司，武汉，430062） 摘要：相关规则比传统的关联规则更具有实际意义，但现存的相关规则挖掘算法均需利用apriori类似算法挖掘具有高支持度的项集，再对获得的项集进行相关性测试而获取相关规则，这导致低支持度－高相关度的规则不易被发现。直接挖掘相关规则的困难在于候选相关项不能利用apriori类似性质进行剪枝而导致的搜索空间爆炸增长，本文提出的算法MNI利用Phi相关系数的下界来产生候选负相关项，从而缩小负相关项搜索空间，并证明了该算法的完全性和正确性。在负相关项对基础上利用规则可靠度产生负相关规则时，提出将负相关对计数统一转化为正相关对计数的方法。在真实数据集上的实验结果表明算法MNI能有效提高负相关项对的挖掘速度。 关键词：关联规则，相关规则，Phi相关系数，规则可靠度 Mining Negative Correlation Rules Beyond Support-Confidence Framework QIAN Tie-yun1 FENG Xiao-nian2 WANG Yuan-zhen1 (1．Computer Science Department, Huazhong University of Science and Technology, Wuhan, 430074,China) (2. China Power Finance Company, Huazhong Branch, Wuhan, 430062, China) Abstract: High correlation rules are more practical than traditional association rules，but existed correlation rule mining algorithms are almost apriori-based, this results in the difficulty of finding correlation rules with low support but high correlation. In this paper a new algorithm called MNI is introduced to use the lower bound of Phi correlation coefficient to generate all candidate negative correlation items and reduce explosive search space. Both the completeness and correctness of MNI are proved. Negative correlation rules are mined using reliability measure without directly counting the number of negative correlation pairs. Experiments on real datasets show that the algorithm is quite efficient in negative correlation items mining. Keyword: Association Rules, Correlation Rules, Phi Correlation Coefficient, Rule Reliability Measure 引言 关联规则挖掘用于寻找大型事务数据库中项之间的有趣关系。针对该问题已经进行了广泛的研究，其中最为著名的算法是apriori算法[1]和fp-tree方法[2]，但是使用支持度－置信度框架的关联规则挖掘均存在以下问题：尽管A=B是符合最小支持度、置信度要求的强规则，但是A和B的出现是独立的（或基本独立），即它们之间实际上并没有（或很少有）相关性。相关性问题首先在文[3]中被研究，该文提出利用χ2进行显著性测试，再利用P(A∧B)/(P(A)*P(B))来判断A与B之间存在的正、负相关性。A、B间支持度和相关性高低程度可能存在如下组合（按支持度－相关性）：Low-Low、High-Low、 High-High、Low-High。L-L型显然不属于问题考虑范围， H-L型的则存在如前所述的缺点， H-H型的是必须考虑的，L-H型的在事务数据库中可用于挖掘较少购买但是非常昂贵物品如项链和耳环之间的关联关系，而在关联文本