一种双向关联规则提取算法.docVIP

一种双向关联规则提取算法 　　摘要：针对互为“前件”和“后件”的单向关联规则中发现的有趣现象，提出双向关联规则的概念，对“置信度”进行了重新的定义和分类，并在分析的基础上，提出一种双向关联规则的挖掘算法。 　　关键词：双向关联规则；左置信度；右置信度；强双向关联规则；强弱双向关联规则；频繁项集 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044(2009)05-1204-03 　　A Extraction Algorithm of Two-way Association Rules 　　YUAN Cai-hong, ZHANG Lian-tang 　　(Computer and Information Engineering College of Henan University, Kaifeng 475004, China) 　　Abstract: Against the interesting phenomenon found in the one-way association rules in which ones ‘before the rule is others after the rule, it put forward the concept of two-way association rules and confidence to be carried out a re-definition and classification. And based on analysis, a two-way algorithm for mining association rules is put forword. 　　Key words: two-way association rules ;left confidence; right confidence; strong two-way association rules; strong-weak two-way association rules; frequent item sets 　　 　　1 引言 　　 　　关联规则最早是由Agrawal等人提出的[1]，最初提出的动机是针对购物篮分析问题提出的，其目的是为了发现交易数据库中不同商品之间的联系规则，这些规则可以用来指导商家科学地安排进货、库存及货架设计等。关联规则是形如X→Y的蕴含表达式，其中X和Y是不相交的项集[2]。 　　传统关联规则挖掘是单向的[3]，在这些单向规则中我们发现一些有趣的规则，比如：“牛奶→面包（sup=75%，conf=91%）”和“面包→牛奶（sup=75%，conf=95%）”，两个规则都具有较高的支持度和置信度，说明两者总同时出现；现有的关联规则提取算法会把低置信度的规则滤掉，原因是认为它对决策者提取的信息意义不大，但是，如在电脑器材销售数据库上的两条规则：“个人电脑→U盘（sup=67%，conf=95%）”和“U盘→个人电脑（sup=67%，conf=10%）”，其中第一个规则具有较高置信度，而后面的规则支持度较低，说明个人电脑的销售，对于U盘具有促销作用，而大多购买U盘的人不会购买个人电脑，这样一对关联规则对商家来说，也是非常有意义的。本文提出一种双向关联规则提取算法，以挖掘那些在某些领域会更有意义的规则。 　　 　　2 基本定义和定理 　　 　　在后面介绍过程中，会用到的定义和定理如下： 　　定义2.1 双向关联规则：设D为事务数据库，I是D上的项目集，称“U?圮V”为双向关联规则，其中，U?奂Ｉ，Ｖ?奂Ｉ，并且U∩V=∮。其中，U、V称为规则的左部和右部，两者互称为规则的“前件”和“后件”。 　　性质2.1 双向关联规则U?圮V等价于V?圮U。 　　证明：根据双向关联规则定义可证。 　　定义2.2 左置信度、右置信度：设“U?圮V”为双向关联规则，左置信度confidence(U)=support(U∪V)/support(U)，右置信度confidence(V)=support(U∪V)/support(V)。 　　定义2.3 高最小置信度h_min_conf、低最大置信度l_max_conf：为双向关联规则定义的两个参数，认为大于高最小置信度或低于低最大置信度是有意义的，通常h_min_confl_max_conf。 　　定义2.4强双向关联规则：设D为事务数据库，称“U?圮V”为D上的强双向关联规则，当且仅当左置信度confidence(U)≥h_min_conf，并且右置信度confidence(V)≥h_min_conf。 　　定义2.5 强弱双向关联规则：设D为事务数据库，称“U?圮V