基于概念格和Apriori的关联规则挖掘算法比较.pdfVIP

基于概念格和Apriori的关联规则挖掘算法比较 王德兴+胡学钢 王浩 (合肥工业大学计算机与信息学院230009) 摘要概念格通过内涵和外延及概念间泛化和例化的关系来表示知识，因而适用于从数据 库中挖掘规则的问题描述．在概念格的内涵中引入等价关系所得到扩展概念格，则 进一步丰富了内涵间的关系，将概念外延量化得到量化概念格．利用量化概念格挖 掘关联规则，与采用Apriori算法计算频繁项目集获取关联则相比较，不需要计算频 繁项目集，容易获得用户感兴趣的关联规则，同时减少了大量冗余的规则，提高了 挖掘效率． 关键词关联规则，Apri砸算法，概念格 1引言 数据挖掘是从数据中提取出人们感兴趣的、潜在的、可用的知识，并把它们表示成用户 可理解的形式。关联规则发现是数据挖掘的一个重要分支，关联规则是描述数据库中数据项 (属性、变量)间存在的潜在关系，在有关关联规则挖掘的算法中，较著名的是R．Agrawal 等人于1993年提出的Apriori算法is]，是最有影响的挖掘布尔型频繁项目集的算法，目前常见 的关联规则挖掘算法大多是在该算法的基础上加以改进的，但其时间性能方面，大量的冗余 规则，规则表示等方面不尽人意。 基于量化概念格【1’2埘的关联规则挖掘能较好地解决该算法存在的问题。采用量化概念格挖 掘所蕴涵的关联规则，会减少Apriori算法中大量冗余的规则，对用户而言，寻找感兴趣的规 则变得容易，重要的是，借助于量化概念格的哈斯图，用户可方便地寻找感兴趣的知识结点 间的关联规则，计算其支持度和可信度，从而提高了挖掘的效率和准确性。 2关联规则的问题描述 set)。在事务数据库D中，事务T 令I=【il，i2。，i3，．．．i。】是n个不同项目的集合(Item ’王德兴，合肥工业大学计算机软件与理论专业硕士研究生，研究方向：KDD；胡学钢，博士，合肥工业 大学副教授，研究方向：知识工程，KDD，算法设计；王浩，博士，副教授，研究方向：KDD，软件工程。 标识符，在数据库D全局唯一，X1，3c2，)C3…xm∈I，m≤n，即每个事务T是项目的集合，使得T_I。 设A是一个项目集，事务T包含A当且仅当Ac_T。关联规则就是一个形如AjB的逻辑蕴 含AuB(且PA和B二者)的百分比，P(AuB)是概率：若在D中包含A的事务中同时也包含B， 则规则A≥B的可信度C(Confidence)定义为： 即在D中，在事务中包含A同 Confidence(AjB)-P(B[A)=Support(AmB)／Support(A)=C， 时也包含B的百分比是C，P(BIA)是条件概率。同时满足支持度阈值和可信度阈值的规则称作 强规则。为挖掘有效的关联规则(强规则)，挖掘过程须分成下列两步进行： ·挖掘D中的所有频繁项目集，要求其支持度大于支持度阈值。 ·基于频繁项目集生成所有的关联规则，要求其可信度大于可信度阈值。 3Apriori算法描述及特点 Apfiofi算法是最有影响的挖掘布尔型频繁项目集的算法，该算法采用逐层搜索迭代i即 用k．项目集求取k+1．项目集，首先找出频繁1．项目集Ll，在Ll上找出频繁2-项目集L2，依次 类推，直到不能找到频繁K．项目集为止。由于Apfiofi算法要求项目集的所有非空子集都必须 是频繁的，因此在数据库中D的事务中寻找频繁项目集时，需要进行连接和剪枝，才能挖掘 强关联规则，其可信度是用频繁项目集的支持度来表示的，即Confidence(A≥B) =P(B[A)=P(Au；B)／P(A)，因此关联规则可以按如下方式产生：①对于每个频繁项目集L， 产生L所有的非空子集。②对于L的每个非空子集S，如果其可信度大于可信度阈值，则可产 生关联规则“Sj(L-S)”。 该算法通过发现支持度大于用户设定的支持度阈值的频繁项目集，再从频繁项目集中挖 掘可信度大于用户设定的阈值的关联规则，因而可能存在如下问题：①所挖掘出来的规则存 在大量冗余，可能出现组合爆炸；②挖掘规则的计算量呈指数增加，因而提交给用户的规则 数量