一种基于记录分区的多值关联规则挖掘算法-东南大学学报.pdfVIP

第 卷第 期 ３０ ２ 东南大学学报（自然科 学版 ） Ｖｏｌ３０Ｎｏ２ 年 月 ２０００ ３ （ ） Ｍａｒ．２０００ ＪＯＵＲＮＡＬＯＦＳＯＵＴＨＥＡＳＴＵＮＩＶＥＲＳＩＴＹ ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ  一种基于记录分区的多值关联规则挖掘算法 丁艺明 金远平 （东南大学计算机科学与工程系，南京 ２１００９６） 摘 要 根据多值关联规则的属性互不相交的特点，提出基于记录分区的多值关联 规则的定理和算法，利用反倾斜技术，在合理的内存支持下，该算法能以至多 次扫 ３ 描数据库（ ）的时间复杂度，有效地在分布不均的数据记录集中产生高频项目集 Ｉ?Ｏ （ ） ｆｒｅｑｕｅｎｔｉｔｅｍｓｅｔｓ． 关键词 数据挖掘；关联规则；记录分区算法 分类号 ＴＰ３１１１３ 随着数据库技术的发展和广泛应用，数据日益增长，在大量的数据中隐藏着许多重要信 息，这些重要信息可以很好地支持人们的决策 关联规则是数据挖掘的主要内容之一，按处理 ． 的对象不同可分为布尔型关联规则和多值关联规则． 布尔型关联规则的一个典型例子如：“在购买作业本的顾客中，有６０％的人同时也买了铅 笔（作业本 铅笔）”用于挖掘布尔型关联规则的主要对象是交易数据库（ → ． ｔｒａｎｓａｃｔｉｏｎａｌｄａｔａｂａｓ ）而用于挖掘多值关联规则的主要对象是一个由 个属性组成的记录集 ，其属性可取多 ｅｓ． ｍ Ｄ 种类型且其值域一般是多值的 多值属性主要有数量属性（如年龄、价格等）和类别属性（如品 ． 牌、制造商等），多值关联规则问题是在给定支持度和信任度情况下求出各属性之间的关联关 系 不难看出，多值关联规则问题具有更普遍意义 ． ． 于 年在文献［］中首次提出布尔型关联规则问题，并提出 算法，目前 Ａｇｒａｗａｌ １９９３ １ Ａｐｒｉｏｒｉ 挖掘关联规则的许多方法都致力于改进性能，例如文献［］中的基于哈稀表的修剪算法 ２ ．Ｓｒｉ 和 于 年在文献［］中提出多值关联规则问题，其解决方法是把属性值域分成 ｋａｎｔ Ａｇｒａｗａｌ １９９６ ３ 若干区段，每一区段对应于一布尔型项目，将属性值映射到各区段中，从而把多值关联规则问 题转化为布尔型关联规则问题 划分区段有许多方法，文献［］提出的聚类算法就是其中之一 ． ４ ． 若高频项目组（ ）的最大长度为 ，这些算法都需扫描数据库 次 本文根据多值 ｆｒｅｑｕｅｎｔｉｔｅｍｓｅｔ Ｌ Ｌ ． 关联规则的属性互不相交的特点，提出基于记录分区的多值关联规则挖掘算法，能