一种新的关联规则挖掘算法.docVIP

一种新的关联规则挖掘算法 　　摘要：对关联规则算法进行了研究和分析，基于候选集的Apriori-like算法需要反复扫描数据库，并产生大量的候选集，在挖掘低支持度、长模式的规则时效率低下。针对算法的缺陷，该文提出了一种PS算法，优化了关联规则的挖掘。实验结果证明了该算法的有效性。 　　关键词： 数据挖掘；关联规则 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2008)17-20ppp-0c 　　 　　A New Association Rules Mining Algorithm 　　LIU Zhi-yi, CHANG Rui 　　(Changzhou Institute of Technology,Changzhou 213002,china) 　　Abstract:After analyzing and studying data mining algorithms, there are great flaws in Apriori-like algorithm based on candidate sets, the algorithm needs multiple scanning, produces lots of candidate sets, and has low efficiency when mining low support threshold, long rules. This paper introduces a new algorithm PS which optimizes association rules mining. Experimental results show the algorithm is effective. 　　Key words:data mining;association rules 　　 　　Apriori算法[1-3]是关联规则中最常被使用的方法，但其有些缺点：1)寻找频繁项目集时，会产生大量侯选项目集2)需要多次扫描数据库3)当最小支持度改变时，需要重新挖掘。以后虽有许多研究针对此点做改进，但大都没有跳出Apriori算法的整体框架，包括前面提出的AprioriMend算法。在此提出一个新的挖掘算法PS（Power Set），它将完全脱离Apriori算法的框架结构。 　　PS算法是一个执行效率快而且平稳的关联规则挖掘算法，它含有以下特性：只需要扫描数据库一次，从而可以大大降低I/O存取的时间；算法结构简单清晰；可以实现先发现各个项目集合，然后用户在输入最小支持度，增加挖掘的弹性，即用户可以任意改变最小支持度，而无须重新扫描整个数据库；执行效率平稳，不会随着支持度的变动，而影响其执行效率；可以运用在增量式挖掘；不需要进行数据库的前期处理。 　　 　　1 几个相关概念 　　 　　定义1：幂集合PS（A）：对于任意一个非空集合A，它的幂集合PS（A）就是由A的全部子集组成的集合。例如非空集合A={a,b,c}，则它的幂集合PS（A）={{φ}，{a},{b},{c},{a,b},{a,c},{b,c},{a,b,c}}。 　　定义2：对任意事务数据库D，I={i1,i2……im}，liuzy01.tif ，则D中包含X的事务数量称为X在D中的频度，简称为X的频度。 　　定义3：对于任意集合A={u1,u2,u3,……，ui}，其中所含元素的个数称之为该集合的长度，记作Length(A)。 　　 　　2 PS算法描述 　　 　　PS算法主要的运作规则相当快速简单，主要步骤：在读取事务数据库D中的每一条交易记录时，直接以该笔记录的商品项目本身拆解，也就是直接求出该交易记录所对应的集合的所有子集（除空集外），例如，ABC为此笔交易记录，可以拆解出ABC、AB、AC、BC、A、B、C七个子集，接着将这些子集依据集合长度存放在不同的结果表中并做计数动作，如果此集合已经存在于对应的结果表中，则将该集合的计数值加1；如果不存在，则将该集合加入其中，并设置初始值为1。完成以上动作后，此笔交易记录的拆解才算结束。所以当扫描事务数据库D一次以后，即表示所有的交易记录都拆解完成。最后，只需等待使用者输入最小支持度和最小置信度，就可以产生频繁项目集和关联规则，算法伪代码如下： 　　PS算法 　　输入：事务数据库D 　　输出：所有项目集 　　（1） scan D; 　　（2） Result_Table RT; //RT的个数由D中的所有项目总数确定 　　（3） Forall transaction t contains D do begin 　　（4） AnalysisElements(transcaton