基于关联系数的Apriori算法改进.pdfVIP

苏州科技学院学报(工程技术版) ofScienceand ofSuzhou V01．2lNo．3 第2l卷 第3期 J．ofUniversity Technology 2008年9月 and (EngineeringTechnology) Sep．2008 基于关联系数的Apriori算法改进 曾安平1， 黄永平2， 唐远翔1， 阳万安1 (1．四川宜宾学院计算机科学系，四川宜宾644007；2．四川宜宾学院物理电子系，四川宜宾644007) 摘要：分析了Apfiofi核心算法，说明了其设计思想上的不足，引进了兴趣度的概念。主要定义了基于协方差关联 系数的兴趣度，并因此而设计了基于此兴趣度定义的关联规则挖掘算法，该算法能够更准确地挖掘出交易集中不同 产品问的紧密相关性，减少产生的无用规则。 关键词：兴趣度；关联系数；关联规则；协方差 文献标识码：A 中图分类号：TP311．13；TP301．6 文章编号：1672-0679(2008)03-006105 关联规则技术【1J是数据挖掘中的一个重要的分支，支持度和可信度是描述关联规则的两个重要概念，前 者用于衡量关联规则在整个数据集中的统计重要性，后者用于衡量关联规则的可信程度。一般来说，只有支 持度和可信度均较高的关联规则才可能是用户感兴趣、有用的关联规则，而关联规则技术的任务就是挖掘同 Agrawal等提出的Apriori算法嘲，Jiawei 是在Apriori算法的基础上进行改进的。自从关联规则问题被提出后，就不断有人提出关联规则的局限性，传 统的关联规则主要是考虑称作可信度和支持度的阈值，为了避免生成“错觉”的关联规则，人们引入各种新的 阈值以加强对关联规则的评判。其中，兴趣度阈值的提出是一个比较经典的一个观点。在文献[4]中作者给出 了感兴趣的规则的定义，在文献【5]中他们又对此作了改进，文献【6】定义了负关联规则的兴趣度，但这些兴趣 度大多没有实际的应用价值。笔者引入一种关联系数兴趣度阈值，既可以产生正负关联规则，又可以反映规 则关联的紧密程度，既实现了过滤这些无用规则的功能，又具有实际的指导意义。 1 Apriori算法 个基于两阶段频繁集思想的方法，将关联规则挖掘算法的设计分解为两个子问题： (1)从事务数据库D中挖掘出支持度不小于MinSup的所有频繁项集： 【7】进行了如下描述： ProcedureAssociation Rule_Generation0 begin all for Xk∈Lk．k≥2 begin Hl={Xk产生的规则的后件长度为1所对应的那些项目l； call 1)； AP_GenRule(Xk，H end 【收稿日期】2008-01-12 【基金项目】l四Jll省教育厅科研基金资助课题(2006C047)；宜宾学院青年基金资助课题(QJ05-08) 【作者简介】曾安平(1975-)，男，四川泸县人，讲师，硕士。 万方数据 62 苏州科技学院学报(工程技术版) 2008 end Procedure AP_GenRule(Xk：长度为k的频繁项，Hm：后件集合，每个元素长度为m) begin if(km+1)then begin Hm+l=apriori_gen(Hm)； forall hm+l∈Hm+l； begin Conf=S(Xk)／S(Xk-hm+1)； if(Conf一MinCont)then Rule