兴趣度在增量的联系规则挖掘中的研究.pdfVIP

第 l9卷．第 期 计 算 机 技 术 与 发展 V01．19 No．10 2O09年 l0月 ∞ M I兀 RTEa 0Io( ANDDEⅦ L0PMENT Oct． 2009 兴趣度在增量的关联规则挖掘 中的研究 向 哲 ，林国龙 ，杨 斌 (上海海事大学，上海 200135) 摘 要：一般的关联规则发现算法使用的都是支持度、置信度框架。但是在增量的数据挖掘过程中，该类算法却需要不断 改变支持度、置信度，使得算法本身效率下降，并缺乏可说服性，比如Apriori算法。为了解决该类 问题，使用兴趣度框架对 增量的数据进行了关联规则挖掘，比较了基于支持度、置信度框架的算法(如Apriori，FuP算法)和基于兴趣度的算法之间 的优缺点。试验结果表明：兴趣度能够有效地筛选关联规则，在进行增量的数据挖掘的情况下得到的关联规则总是小于 等于支持度、置信度(Aprlori)算法挖掘出的规则。 关键词 ：关联规则；FUP算法 ；Apriori算法；兴趣度 中图分类号：TP311 文献标识码 ：A 文章编号：1673—629X(2009)10—0o33—04 InterestingnessResearchofAssociationRulesin IncrementalM iningData XIANG Zhe，LIN Guo-long，YANGBin (ShanghaiMaritimeUniversity，Shanghai200135，China) Abstract：Thegel1．：ralassociationrulesdiscoveryalgorithm isusingintheframeworkofconfidenceandsupport．However，inincremental datamining process。suchalgorithmsarerequiredsupportnadocnfidnacetoocnstnatlychanging．Makesinefficientalgorithm itselfand thelackofpersuasive，suchasApriorialgoritmh ．Inthispaper，inordretosolvesuchpmblma ，useinterestingnessframeworkinincremen— taldegreesofdatamining associationrules，basedOnthecomparativedegreeofsupport，ocnfidenceintheframeworkofthealgoritmh (suchasApriori，FUPalgoritmh )andthealgoritmh basedO11thedegreeofinterestbetweenthegifteddisadvantage．Theexperimentalre— suitsshow that：Interestingnessbeabletoeffectivelyfilterassociationrules。theassociationrulesinincrementaldataminingtobealways lessthanorqeualdegreeofsupport，ocnfidencelevel(Apriori)algoritmh excavatedmles． Keywor~ ：associationrules；FUPalgorithm；Apriorialgorithm；interestingness O 引 言 管理已被挖掘的关联规则。 关联规则挖掘是研究数据潜在有趣模式的一项重 在