基于关系代数的联系规则挖掘算法.pdfVIP

维普资讯 西北大学学报 (自然科学版) 2005年 12月，第 35卷第 6期，Dec．，2005，Vo1．35，No．6 JournalofNorh【westUniversity(NaturalScienceEdition) 基于关系代数的关联规则挖掘算法 陈 莉 ，焦李成 (1，西北大学 信息科学与技术学院，陕西 西安 710069；2．西安电子科技大学 雷达信号处理国家重点实验室， 陕西 西安 710071) 摘要：目的 提出基于关系代数理论的关联规则挖掘算法。方法 利用数据预处理方法，剔除无关 属性、获得相应的 目标特征子集。结果 基于 目标特征子集，利用关系矩阵及相关运算给出了搜索 大项集的基于关系代数理论的优化的关联规则挖掘算法，该算法只需扫描数据库一次。结论 克 服 了经典的Apfiofi算法需要多次扫描数据库的缺点，同时算法具有 良好的并行性和可伸缩性。 关 键 词：关系代数 ；关联规则；支持度 ；并行挖掘 中图分类号 ：TP301 文献标识码 ：A 文章编号 ：1000-274X(2005)06-0691-05 关联规则的挖掘最早是 由Agrawal，Imielinski 则表明了A 模式发生的频率。 和Swami提出的[¨，即给定一个事务数据库，人们 定义4 设D是事务集，A，为项集，如果D中 往往希望发现事务 中的关联事实，即事务中一些项 e％ 的事务包含事务 ，则称A 有期望置信度 目的出现必定隐含着 同次事务 中其他项 目的出现， (expectedconfidence)e，即概率P()。 这是对关联规则的一个简单描述 。 定义5 置信度与期望置信度之比称为作用度 (1ift)，其概率表示为P(BIA)／P(B)。 1 关联规则的概念与过程 显然，置信度是对关联规则的准确度的度量，而 支持度则是对关联规则的重要性的度量，期望置信 设D是事务数据库，I= {i。，i，…，i}是所有 度说明了在有事务集A的作用下，对事务集 本身 项 目的集合，其中 是一个项 目。每个事务 是项 的支持度 ，而作用度则说明了事务集A对事务集 集， ，，标识符为TID。 的影响力的大小。一般地，有用的关联规则的作用度 定义 1 设A，是项集，蕴涵式A 称规则， 都大于 1。置信度、支持度、期望置信度和作用度等4 其中Ac，，Bc，，且AnB= 。 个参数中，常用的是置信度和支持度。下面以这两个 定义2 设D是事务集，A，为项集，且有规则 参数为讨论的依据 。 A 。如果D中，包含Au 事务所 占比例为s％，称 定义6 设D是事务集，A，为项集，若A=vB满 A 有支持度 (suppo~)s，即概率P(Au )。 足置信度c和支持度s，则称A=aB为关联规则。 定义3 设D是事务集，A，为项集，且有规则 对关联规则Aj ，若同时满足最小支持度阈值 AjB。如果D中，c％的事务包含A的同时也包含B， 和最小置信度阈值，则称其为强规则。 则称Aj 有置信度 (confidence)c，即条件概率P( 一 般地，由用户给定最小置信度和最小支持度， lA)。 发现关联规则的任务就是从数据库中发现那些置信 这里，不考虑项 目在事务 中出现的次数。 度和支持度都大于给定阈值的强规则，即挖掘相关 项集的支持度也是指包含该项 目集的事务在D 规则的关键是在大型数据库中发现强规则。 中所占的比例。置信度表明了蕴涵的强度，而支持度