基于Apriori有效关联规则及其兴趣度的研究.pdfVIP

第 10卷 第28期 2010年 1O月 科 学 技 术 与 工 程 V0L10 No．28 0ct．2010 1671— 1815(2010)28-6889-06 ScienceTechnologyandEngineering @ 2010 Sci．Tech．Engng． 基于 Apriori有效关联规则及其兴趣度的研究 靠 春 (江苏科技大学计算机科学与工程学院，镇江212003) 摘 要 通过对Apfiofi算法进行的分析与研究，发现其在实用中存在两个主要问题：生成的关联规则具有相当大的冗余性； 有可能挖掘出一条支持度和置信度均很高，但却是无趣的、甚至是虚假的关联规则，且不能产生带有否定项的规则。鉴于此， 给出了关联规则的两个性质和引入兴趣度的第三个度量——相关支持度；利用两个性质消除了一定的冗余，同时利用相关支 持度使挖掘出的规则更符合用户的需求，设计了挖掘出有效关联规则算法，在算法中利用导出的性质提高算法效率，较好地 解决了上述 问题。 关键词 数据挖掘 关联规则 Apfiofi 兴趣度 相关支持度 中图法分类号 TP391．3； 文献标志码 A 数据挖掘(DataMining)是从大型数据库中的 合。每一个事务有一个唯一的标识符，称作 TID。 大量原始数据中提取人们感兴趣的、隐含的、未知 如果对于 ，中的一个子集 ，有 ，我们就说一 的、具有潜在应用价值的信息和知识，因而又称数 个事务包含 。关联规则就是一个形如 “ y’’的 据库 中的知识发现 KDDK‘nowledgeDiscoveryIn 蕴涵式 J，其中XCI，YCI，并且 nY= 。 Database)…，被认为是 目前解决 “数据爆炸”和 “数 规则 y在事务集D中成立，具有 (support) 据丰富而信息贫乏”的一种有效方法，是 目前国际 S，其中s是D中事务包含XUY(即 和 l，两者)的 上在数据库、数据仓库和信息决策领域最前沿的研 百分比，它是概率 P(XUY)。即support( y)= 究方向之一。关联规则描述了数据库中数据项之 P(XUY)。规则 y在事务集D中具有置信(con— 间所存在的关系，是一个重要的数据挖掘问题。关 fidence)c，如果D中包含 的事务同时也包含 y的 联规则能反映出数据库 中的数据相互之间复杂和 百分比是 c，这是条件概率P(1，Ⅸ)。即confidence 有趣的联系，挖掘出数据间有益的联系，对于改进 ( l，)=P(Y}X)(2．1)关联规则的挖掘问题就是 现实工作具有巨大的帮助。该文对经典的关联规 生成所有满足用户指定的最小支持度 (min—sup)和 则挖掘算法——Apriori算法进行分析研究 J，设计 最小置信度(min_conf)的关联规则。 出有效关联规则挖掘算法。 2 关联规则挖掘算法存在的缺陷 1 关联规则挖掘的问题描述 Apfiofi算法的频繁项集已被证明是在大型数 设，= ，，… ，i}是有m个不同的项组成 据库中挖掘关联规则的有效工具HJ，但在实际应用 的集合。设任务相关的数据设任务相关的数据D 中，还存在不足之处。 是数据库事务的集合，其中每个事务 是项的集 (1)发现的关联规则有较大的冗余性 。例如： 设关联规则 “面包”j {牛‘‘奶”，“苹果”}[confi． 2010年6月24日收到，7月 13日修改 dence=78％]表示买面包的人 中有 78％的人买了 作者简介：常少春 (