一种改进FP树关联规则挖掘算法.docVIP

一种改进FP树关联规则挖掘算法 　　摘要：关联规则挖掘向来是数据挖掘的一个重要领域，挖掘算法也层出不穷。本文在深入分析了FP树特性的基础上，改进了FP树构造过程，通过一次扫描事务数据库生成FP树。缩短了关联规则挖掘时间，提高了效率，实验验证了其有效性。 　　关键词：数据挖掘；关联规则；FP树 　　中图分类号：TP311 文献标识码：A文章编号：1009-3044(2007)18-31707-01 　　An Improved FP-Tree Algorithm for Mining Association Rules 　　LI Tao 　　(Nanjing Information Engineering University,Nanjing 210044,China) 　　Abstract:This paper introduces an improved FP-Tree algorithm for mining association rules. The new algorithm accelerates the process of constructing FP-Tree and generates the nodes by scanning the database only once. The presented algorithm can efficiently improve the performance of association rules mining. 　　Key words:Data Mining; Association Rules; FP-Tree 　　 　　1 引言 　　 　　关联规则挖掘是从大量数据中提取项集之间的关联和相互关系，由R.Agrawal等人在1993年首先提出[1]，经过十多年的发展，目前已经形成了一些较为有影响的挖掘算法[2~4]，以Apriori算法，FP树算法为代表。其中，Apriori算法通过产生候选频繁项集来挖掘关联规则，人们对其改进做了许多研究工作[5]。2004年左右，J.Han等人提出了一种不产生候选项集的挖掘方法，即FP树算法[3]。本文在深入研究FP树算法的基础上，提出了一种改进的FP树算法，它只需要对数据库进行一次扫描即可构造出FP树，从而缩短了关联规则挖掘时间，提高了效率。 　　 　　2 相关概念描述 　　 　　2.1 关联规则挖掘的相关概念 　　关联规则挖掘的数据集记为TDB（称为事务数据库），T={t1,t2,…,tk,…,tn} ，tk={i1,…,ij,L,ip} ，tk(k=1,2,…,n)称为事务，ij(j=1,2,…,p)称为项目。设I={i1,i2,…,im}是TDB中全体项目组成的集合，l的任何子集X称为TDB中的项目集。设tk和X分别为TDB中的事务和项目集，如果X?哿tk，称事务tk包含项目集。 　　数据集TDB中包含项目集X的事务数量称为项目集X的支持数，记为σx。项目集X的支持度记为support(X)。support(X)=σx/|TDB|，其中|TDB|是数据集TDB的事务数。 　　若X、Y为项目集，且X|Y=?椎，蕴涵式X=Y称为关联规则。项目集X∪Y的支持度称为关联规则X=Y的支持度，记作：support(X=Y),support(X=Y)=support(X∪Y)。 　　关联规则X=Y的置信度记作：confidence(X=Y)。 　　confidence(X=Y)=support(X∪Y)/support(X) 　　2.2 FP树挖掘的相关概念 　　一棵频繁模式树[3](简称为FP树)是一棵定义如下的树结构：(1)它由一棵以标记为 的节点为根节点和一系列代表频繁项的节点构成的树，以及一个频繁项头表组成。(2)除根节点外，树中的每个节点包含三个域：项名(item_name)，计数(count)，以及节点链(node_link)。其中，项名是指该节点所代表的项；计数用于记录经过此节点的事务的数目；节点链指向具有相同项名的下一个节点，当没有下一个节点时，其指针为空。(3)在频繁项头表中的每一个条目由三个域组成，即项名(item_name)，支持度计数(count)和节点链头(head of node_link)，其中节点链头是一个指向FP树中具有相同项名的节点链中第一个节点的指针。 　　根据文献[3]中的FP树的构造过程，FP树显然具有下列性质。(1)FP树中的各非根节点所代表的项在按支持度排序的频繁1-项集中必定位于其后裔节点所代表的项之前。(2)若FP树中从根节点到某节点的分支上所有节点所代表的项（根节点代表空项）组成的项集为A，TDB中包含A的所有事务称为该节点对应的