基于商品分类信的关联规则聚类.docVIP

基于商品分类信息的关联规则聚类 阮备军 朱扬勇 (复旦大学计算机与信息技术系，上海 200433) （E-mail: ruanbj@） 摘要 关联规则挖掘经常产生大量的规则，为了帮助用户作探索式分析，需要对规则进行有效的组织。聚类是一种有效的组织方法。已有的规则聚类方法在计算规则间距离时都需要扫描原始数据集，效率很低，而且聚类结果是固定数目的簇，不利于探索式分析。针对这些问题，提出了一种新的方法。它基于商品分类信息度量规则间的距离，避免了耗时的原始数据集扫描；然后用OPTICS聚类算法产生便于探索式分析的聚类结构。最后用某个零售业公司的实际交易数据作了实验，并通过可视化工具演示了聚类效果。实验结果表明此方法是实用有效的。 关键词 数据挖掘，关联规则，聚类，可视化 中图法分类号 TP311 Association Rule Clustering Based on Taxonomy Information RUAN Bei-jun, ZHU Yang-yong (Department of Computing and Information Technology, Fudan University, ShangHai 200433, China) Abstract Association rule mining often produces a large number