关联规则挖掘在DM研究热点演化分析中的应用.pdfVIP

第 28卷 第 12期 情 报 杂 志 V0l1．28 No．12 2009年 12月 JOURNALOFINTELLIGENCE Dec． 2009 关联规则挖掘在DM研究热点演化分析中的应用 EvolutionAnalysisofDataM iningResearchHotspotsBasedonAssociationRuleM ining 刘 潇 暨南大学统计学系 广州 510632；华南理工大学工商管理学院 广州 510641 摘 要 数据挖掘是基于数据库、统计学、机器学习、人工智能等多学科交叉的新兴学科领域。为系统分析和评价 该学科过去和现在的研究热点及其 内在结构。以webofScience数据库收录的主题为 “datamining”的期刊论文为数 据源，对关键词进行规范和统计选出热点高频词，然后将期刊论文视为事务，高频词视为项集，采用关联规则分析方 法挖掘隐含在 1997--2004年、2005--2008年两个时期文献集中的关联词汇，定量描述知识主题之间的逻辑关联和 相关影响程度，并借助可视化工具对知识主题关联网络进行直观展示。 。 关键词 数据挖掘 关联规则挖掘 共词分析 中图分类号 TP319 G25 文献标识码 A 文章编号 1002—1965 2009 12—0143—05 数据挖掘DM DataMining 起源于数据库技术， 文献检索和知识库的建立提供依据。 最初称为基于数据库的知识发现 KDD 。同传统学科 本文以webofScience数据库收录的1997～2008 相比，数据挖掘的学科概念 1995年才在美国计算机年 年主题为 “datamining”的期刊论文为数据源，基于共 会ACM被正式提 出，但其在应用需求的推动下发展 词分析原理，首先对关键词进行规范化和词频统计，选 迅速 ，近十多年涌现出大量的研究和应用成果，现 已发 出1997～2004年、2005～2008年两个时段的热点高 展成为统计学、人工智能、机器学 习、数学 、计算机科 频词 ；然后分别将两个时段的期刊论文视为事务，高频 学、可视化技术等多学科交叉的新兴学科_1J。面对大 词视为项集 ，采用SPSSClementine的Apriori算法挖掘 量的、不断涌现的学术文献，研究者需要从学科发展演 隐含在文献集中主题词之间的关联关系，并运用规则 化的视角，借助科学计量学 的研究方法对该学科内众 支持度、规则置信度、规则提升度等统计指标定量描述 多主题领域之间的关联关系以及内在结构特征进行系 数据挖掘学科过去和现在的研究热点及热点领域之间 统分析和评价，以便把握学科研究热点和发展动 向。 的逻辑关联；最后借助可视化工具对关联关系和关联 其中共词关联分析是基于共词分析原理和关联规则挖 的强度进行了直观展示。 掘方法对学科文献进行分析评价的一种方法。 1 数据来源与分析方法 关联规则挖掘ARM AssociationRuleMining 是 数据挖掘中常用的方法，可以用来发现隐含在海量数 1．1 数据收集和预处理 采用 EndNote文献管理 据库中有趣的关联或相关联系。关联规则的典型应用 软件链接到国际权威学术数据库webofScience，检索 是购物篮分析MBA MarketBasketAnalysis ，即在交 主题词为 “datamining”、时间为 “1997～2008”年的期 易事务数据库中寻找被顾客频繁购买的商品集或项集 刊论文。检索获得 23050篇论文，按 1997～2004年、 itemset 。最先将关联规则挖掘引入基于文献的知