基于两级多支持度的非频繁项集挖掘方法.pdfVIP

第 39卷第4期 郑 州大 学 学报(理 学版) V01．39 No．4 2007年12月 J．of Zhengzhou Univ．(Nat．Sci．Ed．) Del2．2007 基于两级多支持度的非频繁项集挖掘方法 李 刚 ， 王洪国 ， 董祥军 ， 杨越越 ， 郭跃斌 (1．山东轻工业学院信息科学与技术学院 济南250353；2．山东省科学技术厅 济南250011) 摘要：现有关联规则挖掘算法都是在频繁项集基础上进行挖掘，关于非频繁项集的资料很少．特别是在研究负关联 规则后，非频繁项集因包含重要的负关联规则而变得非常重要．针对这一问题，在多支持度算法的基础上提出了一 种新的算法模型，能够在挖掘频繁项集的同时得到非频繁项集，实验结果表明了该算法的有效性． 关键词：负关联规则；非频繁项集；两级多支持度 中图分类号：TP 311 文章编号：1671—6841(2007)04--0094--04 0 引言 关联规则(association rule)是数据挖掘(data mining)研究的主要领域之一．自从1993年Agrawal等人 首先提出了关联规则问题和经典的Apriori算法以来，诸多的研究人员对关联规则的挖掘问题进行了大量 的研究．已往对关联规则的研究主要集中在形如A B的正关联规则上，但对A 一B型关联规则的研究 还未引起足够的重视(1]．规则A 一B说明顾客在购买A后蕴涵着不再购买B，我们把形如A 一B以及 -- A=B和一A 一B的关联规则称为负关联规则．负关联规则的研究为传统关联规则开辟了一个崭新的研 究领域． 关于负关联规则的研究，国内外才刚刚起步，关于非频繁项集挖掘的论文资料也很少．1997年文献E2I 中首次提到了两个频繁项集间的负相关；在文献[3—4]中给出了一种PR模型，并首次提出了从非频繁项集 中挖掘负关联规则的算法，但是对频繁项集的约束只采用单一最小支持度；文献[5—6]中提出了一种多最小 支持度挖掘策略，给每一个项一个单独的最小支持度，但是仅仅局限于挖掘频繁项集，没有挖掘非频繁项集． 从理论上讲，非频繁项集(inFrequent itemSets，inFS)可以看作是频繁项集(Frequent itemSets，FS)的 补集，但在实际应用中，inFS太大了，并且会存在大量的形如一A 一B的规则，这些规则并不总是有兴趣 的，因此我们必须对inFS进行约束，文献[7]提出了一个采用两级支持度约束频繁项集和非频繁项集的方 法，有效地对非频繁项集进行了限制，但是对频繁项集的挖掘仍然是单一的支持度． 为了解决这一问题，本文提出了一种采用两级多支持度的2LMS—inFS—FS(2 level multiple support—in— Frequent itemSets—Frequent itemSets)算法模型，该算法能够有效挖掘非频繁项集和频繁项集． 1 2LMS-inFS-FS模型及算法设计 1．1 2LMS—inFS—FS模型中频繁项集与非频繁项集的定义 定义1 设，一{i ，i ，…，i }是由 个不同属性(项目)组成的集合，i (忌一1，2，…， )称为项(item)． 事务数据库D是事务丁(transaction)的集合，其事务数记作1 D1，其中丁是项的集合，并且丁 ，．对应每一 个事务有唯一的标识，记作TID．设X是一个，中项的集合(项集)，如果X 丁，那么称事务丁包含X．若X 包含的项的个数为忌(1≤忌≤ )，则称x为忌一项集． 定义2 如果D中有(100x s) 的事务支持x，称x具有支持度(Support)5，显然o≤5≤1． 收稿日期：2007—05—01 基金项目：山东省优秀中青年科学家奖励基金项目，编号2006BS01017；山东省教育厅科技计划项目，编号J06N06 作者简介：李刚(1981一)，男，硕士研究生，主要从事数据挖掘与数据库技术研究，Email：1ig12345@163．com． 第4期 李 刚等：基于两级多支持度的非频繁项集挖掘方法