云计算环境下基于张量分解的缺失关联规则挖掘算法-中国云计算.pdf

第２７卷第３期 重庆邮电大学学报（自然科学版） Ｖｏｌ．２７　Ｎｏ．３ ２０１５年６月 ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ） Ｊｕｎ．２０１５ ｄｏｉ：１０．３９７９／ｊ．ｉｓｓｎ．１６７３８２５Ｘ．２０１５．０３．０１８ 云计算环境下基于张量分解的缺失关联规则挖掘算法 王洪峰，陈立勇 （周口师范学院计算机科学与技术学院，河南 周口４６６００１） 摘　要：针对云计算环境下由于数据缺失导致关联规则发现误差较高的问题，提出一种基于张量分解的缺失关联 规则分布式发现算法，从而建模关联规则、缺失数据并近似它们的置信度。利用Ａｐｒｉｏｒｉ算法进行局部数据相关以 获得频繁项集，通过ＣＡＮＤＥＣＯＭＰ／ＰＡＲＡＦＡＣ（ＣＰ）分解方法分解张量置信度，使用共轭梯度算法进行迭代以最小 化近似张量的成本，当存在缺失数据的情况下，利用分布式算法将局部相关与全局相关结合发现缺失关联规则。 仿真结果显示，算法的平均误差仅为５．５５％，最大误差不超过１０％，低于其他几种较新的缺失关联规则算法，相比 基于聚类的关联规则算法，平均执行时间减少了１６．５％。结果表明，所提基于张量分解的分布式算法在缺失数据 的情况下，性能优于其他的关联规则算法，能更加有效地提供缺失规则置信度的近似解。 关键词：分布式发现；缺失关联规则；云计算；张量分解；共轭梯度算法 中图分类号：ＴＰ３９１　　　　　　　　　文献标识码：Ａ 文章编号：１６７３８２５Ｘ（２０１５）０３０３９７０７ Ｍｉｓｓｉｎｇａｓｓｏｃｉａｔｉｏｎｒｕｌｅｍｉｎｉｎｇａｌｇｏｒｉｔｈｍｕｓｉｎｇ ｔｅｎｓｏｒｄｅｃｏｍｐｏｓｉｔｉｏｎｉｎｃｌｏｕｄｃｏｍｐｕｔｉｎｇｅｎｖｉｒｏｎｍｅｎｔ ＷＡＮＧＨｏｎｇｆｅｎｇ，ＣＨＥＮＬｉｙｏｎｇ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＺｈｏｕｋｏｕＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｚｈｏｕｋｏｕ４６６００１，Ｐ．Ｒ．Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｏｒｔｈｅｉｓｓｕｅｔｈａｔｔｈｅｒｅｌａｔｉｖｅｅｒｒｏｒｏｆａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｄｉｓｃｏｖｅｒｉｎｇｉｓｈｉｇｈｃａｕｓｅｄｂｙｕｎｄｅｒｌｙｉｎｇｄａｔａｍｉｓｓｉｎｇｏｎ ｔｈｅｃｌｏｕｄｃｏｍｐｕｔｉｎｇｅｎｖｉｒｏｎｍｅｎｔ，ａｄｉｓｔｒｉｂｕｔｅｄｄｉｓｃｏｖｅｒｉｎｇａｌｇｏｒｉｔｈｍｏｆｍｉｓｓｉｎｇａｓｓｏｃｉａｔｉｏｎｒｕｌｅｂａｓｅｄｏｎｔｅｎｓｏｒｄｅｃｏｍｐｏｓｉ ｔｉｏｎｉｓｐｒｏｐｏｓｅｄｔｏｍｏｄｅｌａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓ，ｍｉｓｓｉｎｇｄａｔａａｎｄａｐｐｒｏｘｉｍａｔｅｔｈｅｉｒｃｏｎｆｉｄｅｎｃｅｓ．Ｆｉｒｓｔｌｙ，Ａｐｒｉｏｒｉａｌｇｏｒｉｔｈｍｉｓ ｕｓｅｄｔｏｌｏｃａｌｌｙｄａｔａｒｅｌａｔｅｄｓｏａｓｔｏｏｂｔａｉｎｉｎｇｆｒｅｑｕｅｎｔｉｔｅｍｓｅｔｓ．Ｔｈｅｎ，ＣＡＮＤＥＣＯＭＰ／ＰＡＲＡＦＡＣ（ＣＰ）ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｍｅｔｈｏｄｉｓｕｓｅｄｔｏｄｅｃｏｍｐｏｓｅｔｅｎｓｏｒｃｏｎｆｉｄｅｎｃｅ，ｉｔｅｒａｔｅｉｓｄｏｎｅｂｙｕｓｉｎｇｃｏｎｊｕｇａｔｅｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍｔｏｍｉｎｉｍｉｚｅｔｈｅｃｏｓｔｏｆ ｔｈｅａｐｐｒｏｘｉｍａｔｅｔｅｎｓｏｒ．Ｆｉｎａｌｌｙ，ｌｏｃａｌｃｏｒｒｅｌａｔｉｏｎａｎｄｇｌｏｂａｌｃｏｒｒｅｌａｔｉｏｎｉｓｃｏｍｂｉｎｅｄｔｏｄｉｓｃｏｖｅｒｍｉｓｓｉｎｇａｓｓｏｃｉａｔｉｏｎｒｕｌｅｓｂｙ ｄｉｓｔｒｉｂｕｔｅｄａｌｇｏｒｉｔｈｍｉｎｔｈｅｃａｓｅｏｆｍｉｓｓｉｎｇｄａｔａ．Ｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｖｅｒａｇｅｒｅｌａｔｉｖｅｅｒｒｏｒｏｆｔｈｅｐｒｏｐｏｓ