一种扩展的否定关联规则形式及其挖掘算法.pdf

摘要 数据挖掘，又称为数据库中的知识发现(KDD)，出现于“信息丰富而知识贫乏” 的二十世纪八十年代后期．之后，倍受关注，并得到广泛研究． “一”的正关联规则，而且目前大部分工作都集中在正关联规则的研究上．近来，否定 关联规则挖掘引起人们的注意，并证明是有用的． 出了三种有代表性的否定关联规则形式，并提出了三种对应的挖掘方法．但这三种形 式都不够一般化，比如它们都不能表达形如“n^书^一(cA 的规则形式．而且，三种挖掘方法在挖掘能力、精确性和效率上存在一些缺陷。 本文提出了一种扩展的否定关联规则形式，并提出了一种相应的挖掘算法AME— NAR以挖掘扩展的否定关联规则．这种扩展形式比以往提出的形式更一般化并具有 更强的表达能力，因为以往的形式都是扩展形式的特例．AMENAR是一种基于内 tire将原始数据库存放在内存 存的算法．我们选取一种高度压缩的数据结构Patricia 中．整个挖掘过程在内存中的Patriciatrie上执行，而且只需扫描两遍数据库．另外， 的两种算法运行在两个数据集上．实验结果表明： AMENAll算法在挖掘能力、精 确性、空间效率上都优于以前的挖掘方法．而且，当用在稀疏、简单数据库上，当 minsup值高到一定程度时，AMENAR算法具有更高的时间效率．我们的工作将把 否定关联规则的相关应用推广到更宽的领域． tire 关键词：数据挖掘，否定关联规则，扩展形式，Patricia Abstract Data called in inthe mining，alsoknowledgediscovery situation richhut of“data information thelate1980’S．Sjnee fknowledgelpoor”in hasattracteda denlofattention then，it andhasbeen studied great extensively Associationan indata first rule，asimportantpattern mining，wasproposedby eta1．in a R．Agrawal 1993[1】’andcorrespondingminingalgorithm Apriori【2】was The associationruleis associationrule pfesented originallyproposed positive withouttheconnective“]11andmostof workhasconcentratedon existing positive associationruleshasbeen some associations．Recently,miningnegative given attentionandhas tobeuseful． proved in associationas