基于事务标识列表的联系规则挖掘算法.pdfVIP

《现代图书情报技术》版权所有，欢迎下载引用！ 请注明引用地址：基于事务标识列表的关联规则挖掘算法［Ｊ］，现代图书情报技术，２００８（８）：６３－６９． 总第１６８期　２００８年　第８期 基于事务标识列表的关联规则挖掘算法 王　强１，２ １（中国科学院国家科学图书馆　北京 １００１９０） ２（中国科学院研究生院　北京 １０００４９） 【摘要】设计并采用Ｊａｖａ语言实现基于事务数据库标识列表的频繁项集的产生算法———ＴｉｄｌｉｓｔＡｐｒｉｏｒｉ。通过与采 用Ｈａｓｈ－Ｔｒｅｅ的Ａｐｒｉｏｒｉ算法进行比较，表明ＴｉｄｌｉｓｔＡｐｒｉｏｒｉ能够提高频繁项集的产生效率，可以成为主题关联挖掘 的有效算法工具。 【关键词】频繁项集　关联规则挖掘　数据挖掘　主题关联 【分类号】ＴＰ３１１　ＴＰ１８１ ＡｌｇｏｒｉｔｈｍｆｏｒＭｉｎｉｎｇＡｓｓｏｃｉａｔｉｏｎＲｕｌｅＢａｓｅｄｏｎｔｈｅＩｄｅｎｔｉｆｉｅｒＬｉｓｔｓ ｏｆＴｒａｎｓａｃｔｉｏｎｓ １，２ ＷａｎｇＱｉａｎｇ １（ＮａｔｉｏｎａｌＳｃｉｅｎｃｅＬｉｂｒａｒｙ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１００１９０，Ｃｈｉｎａ） ２（ＧｒａｄｕａｔｅＵｎｉｖｅｒｓｉｔｙｏｆｔｈｅＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００４９，Ｃｈｉｎａ） 【Ａｂｓｔｒａｃｔ】ＴｈｉｓｐａｐｅｒｄｅｓｉｇｎｓａｎｄｉｍｐｌｅｍｅｎｔｓａｎａｌｇｏｒｉｔｈｍｎａｍｅｄＴｉｄｌｉｓｔＡｐｒｉｏｒｉｆｏｒｍｉｎｉｎｇａｓｓｏｃｉａｔｉｏｎｒｕｌｅｂａｓｅｄｏｎｔｈｅ ｉｄｅｎｔｉｆｉｅｒｌｉｓｔｓｏｆｔｒａｎｓａｃｔｉｏｎｓｉｎｄａｔａｂａｓｅｕｓｉｎｇＪａｖａ．ＴｈｅｒｅｓｕｌｔｓｏｆｅｘｐｅｒｉｍｅｎｔｃｏｍｐａｒｉｎｇＴｉｄｌｉｓｔＡｐｒｉｏｒｉｗｉｔｈＡｐｒｉｏｒｉｂａｓｅｄ ｏｎＨａｓｈ－Ｔｒｅｅｉｎｄｉｃａｔｅｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｃａｎｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｆｉｎｄｉｎｇｆｒｅｑｕｅｎｔｉｔｅｍｓｅｔｓ，ａｎｄＴｉｄｌｉｓｔＡｐｒｉｏｒｉｃａｎ ｂｅｕｓｅｄａｓｅｆｆｉｃｉｅｎｔｔｏｏｌｆｏｒｍｉｎｉｎｇｔｏｐｉｃａｓｓｏｃｉａｔｉｏｎ． 【Ｋｅｙｗｏｒｄｓ】Ｆｒｅｑｕｅｎｔｉｔｅｍｓｅｔｓ　Ａｓｓｏｃｉａｔｉｏｎｒｕｌｅｍｉｎｉｎｇ　Ｄａｔａｍｉｎｉｎｇ　Ｔｏｐｉｃａｓｓｏｃｉａｔｉｏｎ １　概　述 　　主题词是以概念为基础从自然语言中优选出来，经过规范化处理的具有组配功能的动态性词或词组，在经过 严格规范标引的情况下（如Ｐｕｂｍｅｄ中用Ｍｅｓｈ词的标引），主题词可以反映文献研究的主要内容，主题词间的关 联可以反映出不同领域之间的关联关系，进而研究各学科的发展过程、趋势以及各学科之间的关系。使用数据挖 掘中关联规则挖掘，可以找到两个或多个主题词之间的关联，同时确定关联的强度。 　　关联规则挖掘是数据挖掘的重要组成部分，主要功能是发现大量数据中项集之间感兴趣的关联或相互联系，其 ［１］ 主要步骤包括找出频繁项集，然后，由它们产生形如Ａ Ｂ的强关联规则，其核心问题在于怎样找出频繁项集 。  　　本文在综合比较研究产生频繁项集的各种已有算法的基础上，针对这些算法需要多次扫描数据库而使其运 算效率不高的问题，设计并用Ｊａｖａ语言实现了基于事务标识列表的频繁项集的产生算法———ＴｉｄｌｉｓｔＡｐｒｉｏｒｉ，旨在 提高运算效率。实验证明该方法可以有效减少数据库扫描次数，节省运算时间，提高算法的运算效率，该算法可 　　收稿日期：２００８－０５－０９ 　　收修改稿日期：２００８－０６－１２ ＸＩＡＮＤＡＩＴＵＳＨＵＱＩＮＧＢＡＯＪＩＳＨＵ　　　　６３ 情报分析与研究 望运用于学科领域主题词间关系与关联强弱的挖掘等