一个高效的多维联系规则挖掘算法[c].pdfVIP

计算机科学2002Vol.29N2.8 一个高效的多维关联规则挖掘算法 ’‘ ANewAlgorithmonMulti-dimensionalAssociationRulesMining 蔡国强 李 川 范 明 (郑州大学计算机系 郑州450052) Abstract Inthispaper，weproposeanewstructure，calledMulti-dimensionalPredicateItemset Tree(MPIT),andahighlyefficientmulti-dimensionalassociationrulesminingalgorithmbased onthisstructure.MPITstoresthecompletepredicateinformationanddividestheoriginal databaseintoaseriesofsubsetsaccordingtodifferentpredicates.Experimentsshowthatoural- gorithmhasgoodperformanceinbothtimeandspace. Keywords Datamining,Multidimensionalassociationrules,MPIT-tree 集之间的关联，目前已有不少有效的算法。但多维关 1，引言 联规则不仅要考虑事务中项集的关联还要考虑事物 关联规则挖掘是数据挖掘的重要研究课题，近 的维信息，所挖掘出的规则更具实用性，但却大大增 年来得到了广泛的重视和研究。一个关于关联规则 加了问题的复杂程度。目前，多维关联规则方面研究 的典型的例子是它在购物篮分析中的应用。比如，有 尚处于探讨阶段。 56%的顾客同时购买了面包和牛奶，在购买面包的 本文提出了一种新的数据结构— 多维谓词集 顾客中，80纬同时购买了牛奶，我们可以得到规则: 项集树MPIT(Multi-DimensionPredicateitemsets 面包=牛奶(支持度:56%，置信度:8000)。它说明 Tree)和基于此结构的多维关联规则产生算法。 两点，首先，面包和牛奶都很畅销，其次，面包能够促 MPIT的引人将多维关联规则挖掘的问题转化成了 进牛奶的销售。这样我们就可以根据分析所得到的 单维关联规则挖掘的问题，同时将数据库分割成了 信息来重构超市。 一些很小的子集并过滤掉了非频繁的子集，使以后 根据涉及的维数，关联规则可分为单维关联规 的挖掘非常快速。实验表明本算法有很高的时间和 则和多维关联规则。单维关联规则研究同一维内项 空间效率。 ，)本文的工作得到了河南省自然科学基金和郑州大学科学研究基金的资助.蔡国强 硕士生，主要研究方向数据挖掘、数据库应用。李 川 硕士生，主要研究方向数据挖掘。范 明 教授.主要研究方向数据挖掘、数据仓库、知识库. 式，作为一种新的分类法SJEP-Classifier的基础。 LiJ,DongG,RamamohanaraoK.JEP-Classifier:Classification 该分类法充分利用了JEP强的区分能力，同时，仅 byAggregatingJumpingEmergingPatterns.InKnowledgeand InformationSystems,2001,3(2):131^145 使用最有效的跳跃显露模式((SJEP)作为分类的依 BlakeCL,etal.UCIRepositoryofm