一种基于等可能性关联规则挖掘方法.pdfVIP

一种基于等可能性的关联规则挖掘方法 金喜子，张雪峰，赵连朋，付瑶 东北师范大学计算机学院，长春 (130117) E-mail ：zhangxf172@ 摘 要：本文首次提出了一种基于事务等可能性的倾向度——相依度框架。该框架与支持度 -可信度框架完全不同，是通过事务数据库D 对事件发生的倾向程度和事件间的相依程度对 蕴含规则进行度量。相对而言，对描述事件间的因果关系更加直观，更加有效的解决了关联 规则挖掘的冗余问题。在染色体编码方面，本文采用了一种新颖的素因子编码方法。有效的 压缩了事务数据库 D 的存储空间和提高了运算速度。从实验效果来看，本文采用的遗传算 法在发现有价值规则的效率与精准率方面具有一定优势。 关键词：关联规则；倾向度；相依度；遗传算法；染色体 1．引言 为了对超级市场的购物篮进行分析，R.Agrawal 等人于 1993 年首先在文献[1]中开创性 的提出了关联规则（Association Rules ）挖掘技术，并建立了支持度-可信度框架。在近十几 年的时间里，该项技术已经成为数据挖掘（Data Mining ）领域研究中的一个重要课题，是 发现有限数据集所蕴含的知识或者信息的有效途径。并且，在商业、金融、科学研究、情报 分析以及军事等领域都具有广阔应用前景和一些成功的案例。因此，许多学者和专家为了完 善支持度-可信度框架理论，作出了很多卓有成效的相关工作。例如：Han 等人在文献[2]中 提出了一种利用频繁模式树（FP_树）进行频繁模式挖掘的FP_growth 算法；Bayardo 于1998 年在文献[3]中首次提出了最大频繁模式的概念以及采用集合枚举树概念框架、广度优先搜 索方法、超集剪枝策略和动态记录技术的Max-Miner 算法；文献[4～6]对最大频繁 项集挖掘问题进行了深入的研究，并各自提出了相应的最大频繁项集挖掘算法和改进方法； 文献[7～8]等文章对基于网格技术的分布式关联规则挖掘算法进行了相关研究；文献[9～10] 探讨了多时间序列关联模式挖掘问题；文献[11～12]分别给出了两阶段取样算法 FAST 与 EASE ；文献[13]提出了一种新的取样误差量化三元组模型和快速估计算法。 这些卓有成效的工作发展了相关规划挖掘的研究领域，其研究贡献被大家所公认。但是， 这些工作通常是围绕事件在事务数据库中的发生概率与条件概率进行开展的。即：利用支持 度的向下闭包性来修剪组合的搜索空间，然后将可信度用作后修剪策略。这就不可避免的存 在一个如例文献[14]所示的问题，即：有很多时候满足支持度-可信度阀值的蕴含式关联规则 仅仅体现了一种并发关系，并不是一个正确的规则，从而造成结果集抽取了许多无趣的模式， 产生了大量的冗余或者错误的规则。为了解决这个问题，许多学者和专家进行了深入的研究。 例如：文献[14]提出了一种残差分析与互信息度量方法；文献[15] 提出了 any-confidence、 all-confidence 和bond 三种度量体系；文献[16]使用分类学的信息提出了兴趣度量；文献[17～ 2 18]对文献[16] 提出的兴趣度进行了改进和扩展；文献[19]利用x 相关性测试提出了显著性 度量；文献[20]和文献[21]研究了低支持度规则发现问题；文献[22]采用结合预先发现的正关 联规则和领域知识来限制搜索空间，从而发现负关联规则；文献[23]提出了一种基于兴趣度 的正、负关联规则算法;文献[24] 提出了MPNAR 正、负关联规则挖掘算法等。 本文则在这些工作的基础之上，首次提出了一种基于事务等可能性的倾向度——相依度 框架。该框架是通过事务数据库 D 对事件发生的倾向程度和事件间的相依程度对蕴含规则 - 1 - 进行度量。相对