关联规则Apriori改进算法.pdfVIP

　 首都师范大学学报( 自然科学版) 　 第 30 卷　信息工程专辑 Journal of Capital Normal Univ rsity Oct . , 2009 2009 年 10 月 ( Natural Sci nc Edition) 关 联 规 则 Apr ior i 改 进 算 法 周丽娟　李　爽　耿海军 ( 首都师范大学 信息工程学院, 北京　100048) 摘 要 　　在分析关联规则和 Apriori 算法原理的基础上 ,针对 Apriori 算法 瓶颈提出一种改进 算法 , 该算法 直接产 生项数 最大 频繁项 目集 . 改进算法访 问的数据量 明显减少 , 尤其适用于只寻找项数最大的频繁 项 目集的情况 , 尤 其适用于 稀疏数据 . 实验结果表 明改进算法提高了算法效 率 , 改善了算法的性能 . 关键词 :关联规则 , Apriori 算法 , 项数最大频繁项 目集 . 中图分类号 :TP392 联 、相关关系 . 首先被用于与商业 , 可以帮助制定许 0 　引　言 多商务决策 . 有一个关联规则的例子就是 “70 % 的顾 数据挖掘也称为知识发现 ,是从大量 的数据中 客在购买面包和黄油的同时也会购买牛奶”,可 以直 挖掘 出隐含的 、未知的 、用户可能感兴趣 的和对决策 观地认为顾客在购买某些商品的时候有多大倾 向会 有潜在价值的知识和规则 . 随着计算机 网络和数据 购买另外一些商品 .挖掘关联规则的对象是含有大 库技术的迅速发展 , 海量数据里潜在 的价值信息和 量事务的数据库 , 所以如何提高算法效率 , 改善算法 知识越来越引起重视 . 数据挖掘正是在这样 的背景 性能 ,是研究关联规则的主要课题 . 下产生并蓬勃发展起来的 . 而数据挖掘 的一个重要 关联规则是挖掘形如 “如果 规则前件 , 那么 问题 就 是 关 联 规 则 挖 掘 . 关 联 规 则 问题 首 先 由 规则后件 ”的规则 . 其中规则的前件和后件都是 Agrawal 等提 出, 是数据挖掘领域 的一个最基本 、最 项集 , 以此来反应项集间的频繁模式 、关联 、相关性 重要 的问题 .Agrawal 等提出了最经典的关联规则挖 或因果关系 . 其中主要涉及以下概念[ 1] : 掘算法Apriori 算法 ,该算法的主要思想是采用迭代 定义 1　项( It m) :交易数据库 中的一个字段 . 的方法通过低维频繁项 目集得到高维频繁项 目集 . 项对交易数据库来讲一般是指一种商品.例如 :某位 但是 Apriori 算法在实际应用 中, 还存在不令人满意 顾客购买了面包 、黄油 、牛奶 . “面包”、“黄油”代表了 的地方 .很多文献[ 4 ～7] 中也针对这些不足提 出改进 2 个不同的项 .项通常用小写字母 im 来表示 . 算法 , 这些算法都各具优点且挖掘性能都 明显优于 定义 2 　事务( Transcaction) :对应于交易数据库 原始 的Apriori 算法 .本文在此基础上提 出了一种新 中的一条记录 . 事务 通常用小写字 母 ti 表示 . t i = 的改进的关联规则 Apriori 算法 . 可以直接挖掘 出项