数据挖掘关联规加权算法研究与改进.pdfVIP

摘要 数据挖掘能够从大型数据库中提取或“挖掘”出人们有用的知识， 甚至利用已有的数据对未来事物的变化趋势进行预测，关联规则是数 据挖掘领域中的一个主要的研究内容，用于表明数据项集之间的规则 或模式联系。本文正是对基于经典Apriori的加权关联规则挖掘算法 进行研究，并将研究成果应用到电子商务推荐系统中。 本文首先概述了数据挖掘及关联规则的相关基础知识，重点剖析 概率小但重要性高的项目可能生成过多无趣关联规则的缺陷，引入权 值思想，避免重要事物被忽略的可能性；研究加权关联规则挖掘算法 中通用的定义和模型，引入k-支持期望作为剪枝过程的依据，克服了 加权算法不收敛性的缺陷；针对常规关联规则算法的缺陷一一重复扫 描目标数据库且生成大量不必要的候选项集，引入矩阵思想，减低时 间的消耗及空间的占用。基于以上两点提出基于矩阵的加权关联规则 模型及算法：利用矩阵运算求和计算项集支持数，不需要扫描数据库， 对数据库的总体扫描次数减至一次；将加权支持度的计算模型进行变 形处理