一种基于用户指导的多关系关联规则挖掘算法.doc

一种基于用户指导的多关系关联规则挖掘算法 边伟峰 郭景峰 霍峥 郑丽珍 (河北省燕山大学信息科学与工程学院，秦皇岛 066004) (bwfbwf1981@163.com） ID传播 中图法分类号 TP274 A Multi-relational Association Rule Mining With User’s Guidance Bian Weifeng, Guo Jingfeng, Huo Zheng, and Zheng Lizhen (College of Information Science and Engineering, Yanshan University, Qinhuangdao 066004) Abstract In this paper we propose a multi-relational association rule mining with guidance of user.We use a tuple ID Propagation approach to solve the association rule mining with multiple database relations directly, and introduced the concept of user’s guidance. The usage of this approach improved user’s satisfaction of the mining result.Compared with traditional algorithm, it improved the accuracy rate and supported multi-relational database directly, so its running time is much lower than that of ILP based multi-relational association rule mining methods. Keywords multi-relational data mining; multi-relational association rule; tuple ID propagation 1. 引言 数据挖掘技术的出现使得我们能从海量数据中提取有趣的知识。目前大多数的结构化数据都存储在关系数据库的多个数据表中而大传统的数据挖据方法不能直接从多个表中挖掘，出现了多关系数据挖据（Multi-Relational Data Mining, MRDM）。多关系数据挖掘的方法可以解决原有命题数据挖掘方法不能解决的问题，它可以表示和发现更复杂的模式，且直接上数据分析而无需向单表转换。ILP(Inductive Logic Programming)[2]的思想和技术发展起来的。为了在关系数据库中学习有效的模式，ILP方法使用逻辑编程语言，使其与关系数据库的交互较为容易。但基于ILP的方法存在一些缺点，如要求输入规范化、效率低、可扩展性差且不能处理噪声和缺失值等。 关联分析和频繁模式发现是数据挖掘的重要任务之一。目前最具有代表性的两种多关系关联规则WARMR[3]算法和FARMER算法本文提出一种基于用户指导的非ILP的多关系关联规则挖掘算法（Multirelational Association Rule）借鉴CrossMine算法的元组ID传播技术对关系数据库中的多表进行虚拟连接，直接对多表进行解决了CrossMine方法复杂多值连接和弱关联的问题。定义1：给定一目标表Rt，与目标表直接相关的称为参照知识表（Referring Relation），与目标表Rt间接相关的称为背景知识表（Background Relation）。 定义2：假设在关系数据库D中，存在n个关系表{R1<U1>，R2<U2>，R3<U3>，…Rn<Un>}，Ui为关系表Ri的属性的集合Rt<Ut>为目标表。 （1）若Ui，Ut∩Ui≠?（i=1，2，3，…n），则称Ri<Ui>为参照关系表；（2）若Ui，Ut∩Ui≠?（i=1，2，3，…n），则称Ri<Ui>为背景关系表。 定义3：假设在关系数据库D中，目标表Rt，其余表为非目标表，它们可以通过主外键之间的联系起来。目前我们考虑下面两种情况的链接： 主键k和指向主键k的外键之间的链接。 外键k1和k2之间的链接，其中外键k1、k2都指向一主键k。 我们忽略其他几种的链接情况，因为其他几种情况在实体数据库中没有很强的语义相关性。 定义4：假设有两个关系R1和R2（其中R1是目标关系），它们可以通过属性R1.A和R2.A连接起来（A是主键或外键），那么R2中元组的类标号