基于概念格多值属性关联规则可视化.docVIP

基于概念格多值属性关联规则可视化 　　摘 要：针对传统关联规则可视化方法无法展现数据间的频繁模式和关联关系，表示形式比较单一，缺乏多模式展现形式等问题，提出了一种新的多值属性关联规则可视化表示算法。该算法运用概念格理论对多值属性数据进行了重新定义和分类，将频繁项集和关联规则中的多值数据项分别以概念格结构进行表示，实现了频繁项集可视化展示和一对一、一对多、多对一、多对多及概念分层的多模式关联规则可视化展示。最后，以某省全员人口数据为基础对算法进行了具体实现和分析，同时实现了对人口数据的源数据、频繁模式以及关联关系的可视化展示。实验结果表明，所提出的可视化形式和已有成果相比具有良好的频繁项集与多模式关联规则展现效果。 关键词：多值属性；概念格；关联规则；可视化；人口数据 中图分类号： TP311 文献标志码：A 0 引言 在数据挖掘研究领域中，关联规则（association rules）是一个重要的研究方向，其作用是从数据集中发现属性间存在的、隐藏的、新颖的、有趣的关联或相关关系，从海量数据中获取信息和知识。然而，一般方法却无法将数据间存在的频繁模式和关联模式以可视化的形式展现出来，不能帮助用户获取更为完备的信息。作为知识的一种可视化表示形式，概念格（concept lattice）已经被人们应用到很多研究领域。概念格将哲学的概念进行数学化的描述，实现了概念的一种形式化描述，其表达数据的基本形式是形式背景。在大量数据库应用中，对于数据的分析并非都是单值属性的形式背景——单值背景[1]，更多的是复杂多值属性的形式背景——多值背景[2-3]。Bal等[4]给出了基于形式背景分析的频繁项集搜索与关联规则提取的可视化方法，但该方法无法处理多值属性数据。Cassio等[5]采用着色和变形技术从概念格提取多值数据并对其进行树形可视化展示，该模式能够表示数据项之间的概念关系，不足之处是展现形式灵活性较差，不支持用户交互性操作，用户无法动态分析数据之间频繁模式和关联关系。Julien等[6]利用可视化后处理方法进行交互式关联规则挖掘，主要对一对一形式的关联规则进行展示，但无法展示一对多、多对一和多对多形式的关联规则。Michael等[7]介绍了关联规则的分层展示形式，该形式不利于用户对挖掘结果进行多层次关联分析，并且展示结果容易出现部分重叠现象。Dario等[8]对8类关联规则的可视化展现方法进行了综合分析，这些方法一般适用于布尔类型数据，而不利于处理多值属性数据，无法满足用户分析与展现多值属性项之间关系的需求。 目前，多数关联规则可视化研究工作主要集中于挖掘结果的可视化展示，大都存在以下不足：所采用的方法不利于展现多值属性数据的频繁模式与关联关系[9]、缺少挖掘过程的交互性与可视化[10-11]、用户无法动态分析规则信息[12]。最重要的是关联规则表示形式比较单一，无法对频繁项集进行可视化展示及关联规则多模式展现，用户难以动态地分析数据项之间的频繁模式和关联模式。 本文提出一种新的基于概念格的多值属性关联规则可视化方法，结合概念格理论对多值属性数据进行了重新定义和分类，给出了频繁项集和多值属性关联规则可视化表示算法。通过引入概念格结构把数据项有机地组织起来，使数据之间的关系通过概念格节点的特化关系与例化关系生动简洁地表达出来，不仅便于用户对频繁项集进行可视化展示和动态分析，而且实现了一对一、一对多、多对一、多对多以及概念分层的多模式关联规则可视化展示。 利用概念格理论提出了多值属性关联规则可视化的完整解决方案，通过数据源可视化、可视化数据挖掘过程及交互式参数调整、挖掘结果的可视化等机制，使用户可代替领域专家直接进行数据挖掘，大幅提高了规则的展现效果和挖掘结果的可用性。 1 多值属性关联规则的概念格表示 1.1 项目集的概念格表示 在实际应用中，全员人口数据库的育龄妇女人口记录通常以形式背景（formal context）表示对象集的基本形式，为了更好地将事务集以概念格的形式进行表示，这里将项集与概念格相结合，研究概念格与频繁项目集之间的关系。 1.2 多值属性数据分类 所谓多值背景[16]就是事务（记录）和属性之间不能仅仅用布尔型关系来表示，而是在原有的形式背景中出现了属性值的集合，并用具体的属性值来表示。比如，在某省全员人口数据库中，“学历”、“文化程度”、“年龄”、“户口性质”等均称为多值背景，即事务与属性之间的关系无法只用“1”或“0”表示。为了便于挖掘任务的实现，本文提出适合多值属性关联规则可视化挖掘的多值背景定义，根据属性的类别分为三类，具体介绍如下。 在多值属性集中，对于“年龄”“世代间隔[17]”等这样的表示数量化的属性项，其属性值都是