Ａｐｒｉｏｒｉ改进算法及其在课程相关性分析中的应用.docVIP

Ａｐｒｉｏｒｉ改进算法及其在课程相关性分析中的应用 　　摘要：该文分析与研究了Apriori算法，指出其在实用中存在的主要问题。鉴于此，该文提出了一种改进的关联规则挖掘算法，使其可以有效地压缩数据规模，并给出了改进后的关联规则算法描述。最后将其应用于课程相关性分析，得到了有益于课程设置挖掘结果。实验结果表明了算法性能优良，提高了数据挖掘执行的效率。 　　关键词：数据挖掘；关联规则；Apriori算法 　　中图分类号：TP311文献标识码：A 文章编号：1009-3044(2008)36-2561-02 　　 　　Apriori Improved Algorithm and its Application in Course Correlation 　　DONG Cai-yun1,LIU Pei-hua2 　　(1.Open college,Shan Dong Broadcast TV University, Jinan 250014,China;2.School of Information Science Engineering, Jinan University, Jinan 250022,China) 　　AbstraCt: By analyzing and studying Apriori algorithm, this paper finds problems. Thus, this paper presents a new method which can effeCtively reduce the number of data. This paper also offers a particular description of the new algorithm. At last the new algorithm is used to course correlation, by this we can get some useful result which is helpful to decision making of course setting .The results show the algorithm can improve the data mining performance and is excellent. 　　Key words: Datamining; Association rules; Apriori algorithm 　　 　　1 Apriori算法及其存在的问题 　　1993年，Agrawal[1]等人提出关联规则挖掘算法后，给出了经典关联规则挖掘算法Apriori，它是一种找频繁项集的基本算法。利用该算法进行关联规则的挖掘是一个两步过程[2]：1) 找出所有频繁项集：这些项集出现的频繁性至少和预定义的最小支持计数一样。2) 由频繁项集产生强关联规则：这些规则必须满足最小支持度和最小置信度。挖掘关联规则的总体性能由第一步决定，算法的核心也主要在寻找频繁项目集上。主要是基于Apriori性质：频繁项集的所有非空子集都必须也是频繁的。利用这个性质可以有效地压缩搜索空间。算法主要思路如下：为找Lk,通过Lk-1与自己连接产生候选k-项集的集合，该侯选项的集合记作CK，依次下去直到CK+1为空。在产生Ck，k=1，2，…，K时，利用剪枝策略压缩Ck。利用任何非频繁的(k-1) -项集都不可能是频繁k-项集这一Apriori性质，删去那些(k-1)-子集不在Lk-1中的k-候选项目集。 　　使用Apriori算法进行关联规则挖掘，可以比较有效地产生关联规则，但在运行时却由于运行效率问题难以推广使用。主要原因是： 　　1) 数据库扫描的次数太多；2) 另外，当模式太长时产生的候选项目集太多。导致数据库或K太大时，算法的时耗太大或无法完成。本文主要讨论的是算法的效率问题。特别是目前，随着数据仓库中数据的持续增加，在数据挖掘过程中，进行一次数据挖掘的时间越来越长。 　　2 改进算法 　　2.1 改进依据 　　针对于Apriori算法为了确定每个侯选项的计数，需要反复扫描事务数据库的弊端，本文从减少扫描事务数的目的出发，提出了一个改进的算法来得到频繁项集，该算法仍基于支持度和可信度。 　　算法依据：1) 所有侯选项集Ck是Ck-1项的超集；2) 如果某一事务中不包含侯选项集，则删除该事务后不会影响频项集的产生。 　　2.2 算法改进的思想 　　算法思想：给事务数据库中的每一项增加一个标志位delete，初值为false。在每次计算侯选项集Ck出现次数的过程中，若不包含Ck中某一项的事务，则将该标志位的值置为true,若包含某一项，则将值置为fal