一种高效联系规则挖掘算法①.pdfVIP

第２６卷 第４期 湖南科技大学学报（自然科学版） Ｖｏｌ．２６Ｎｏ．４ 　　 　 ２０１１年　 １２月 ＪｏｕｒｎａｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｄｅｃ．　２０１１ ① 一种高效关联规则挖掘算法 王娟勤，李书琴 （西北农林科技大学 信息工程学院，陕西 杨陵７１２１００） 摘　要：为了提高关联规则挖掘算法处理数据库的效率，在研究ＡｐｒｉｏｒｉＴｉｄ算法的基础上提出一种高效的关联规则挖掘 算法ＡｐｒｉｏｒｉＴｉｄＤ，在计算数据库中的频繁项集时依靠有效的裁剪减少无效项集的产生，并且可减少产生候选项集，从而有效地 提高算法的效率．选取程序模拟超市购物产生的３个试验数据集，应用ＡｐｒｉｏｒｉＴｉｄＤ算法对该数据集进行了关联规则挖掘，结 果表明，运用ＡｐｒｉｏｒｉＴｉｄＤ算法可以有效缩小Ｔｉｄ表，减少相关的计算量，提高数据挖掘的效率． 关键词：关联规则；ＡｐｒｉｏｒｉＴｉｄ；ＡｐｒｉｏｒｉＴｉｄＤ；数据挖掘 中图分类号：ＴＰ３９１　　　文献标识码：Ａ　　　文章编号：１６７２－９１０２（２０１１）０４－００６０－０５ 　　关联规则挖掘（ａｓｓｏｃｉａｔｉｏｎｒｕｌｅ）是数据挖掘 如果对Ｔｉｄ表及时进行合理的裁剪，可以进一 （ｄａｔａｍｉｎｉｎｇ）研究的主要领域之一，由Ａｇｒａｗａｌ等人 步减少算法每次扫描的数据量，减少算法运行的时 ［１］ 于１９９３年提出 ．１９９４年，Ａｇｒａｗａｌ和Ｓｒｉｋａｎｔ提出 间．因此本文提出ＡｐｒｉｏｒｉＴｉｄＤ算法，在减少产生候 了经 典 的 关 联 规 则 挖 掘 算 法 Ａｐｒｉｏｒｉ和 选项集的情况下，依靠有效的裁剪Ｔｉｄ表而缩减无 ［２］ ＡｐｒｉｏｒｉＴｉｄ ，此后有许多学者对关联规则挖掘算法 效项集的产生，从而提高算法效率． 进行了研究，关联规则挖掘也得到了广泛的应 ［３－６］ １　ＡｐｒｉｏｒｉＴｉｄ算法 用 ．Ａｐｒｉｏｒｉ算法的基本思想是采用逐层递推的 方法，首先扫描事务数据库Ｄ，产生频繁１项集Ｌ， ＡｐｒｉｏｒｉＴｉｄ算法与 Ａｐｒｉｏｒｉ算法相同，计算 １项 １ 再利用频繁ｋ－１（ｋ＞１）项集Ｌ 进行连接、剪枝后 集的支持度时扫描一遍事务数据库Ｄ，所不同的是 ｋ－１ 产生候选项集Ｃ，通过扫描事务数据库计算候选项 ＡｐｒｉｏｒｉＴｉｄ算法在计算ｋ（ｋ＞１）项集的支持度时扫 ｋ 集中每个项集的支持度，将大于最小支持度的项集 珔 描逐渐缩小的Ｔｉｄ表Ｃ，而Ａｐｒｉｏｒｉ算法则扫描整个 ｋ 并入频繁ｋ项集Ｌ中，重复迭代以上算法，直到不