一种基于信息表关联规则挖掘方法.docVIP

一种基于信息表关联规则挖掘方法 　　摘要: 在Apriori算法中，需要多次扫描数据库，并且对候选集的支持度计算比较繁琐，本文利用等价关系的概念，在信息表上计算候选集的支持度计数并寻找频繁项集，且只需扫描数据库1次，提高了挖掘效率，同时保留了包含频繁项集的事务. 　　关键词: 等价关系；关联规则；信息表 　　中图分类号:TP311.13 　　 文献标识码:A文章编号:1672-8513(2010)06-0432-03 　　 　　A Method for Association Rule Mining Based on the Information Table 　　WANG Ji?he, CHEN Ping, WANG Xin 　　（School of Mathematics and Computer Science，Yunnan University of Nationalities，Kunming 650500，China） 　　Abstract: The Apriori algorithm requires scanning many times the database and frequent calculation of the support of candidate sets. This study uses the equivalence relation for calculating the support of candidate sets and finds frequent item sets in the information tables. It requires only one scanning, thus, an improvement of the association rule mining while keeping the contents of the frequent item sets. 　　Key words: equivalence relation; association rule; information table 　　 　　关联规则挖掘是从事务数据库、关系数据库和其他信息存储中大量数据的项集之间发现有趣的、频繁出现的模式及相关性.在事务数据库中，挖掘关联规则的关键问题是找出频繁项集.1993年，Agrawal等［1］提出了经典的Apriori算法，在运用Apriori算法时，需要多次扫描数据库，并且对支持度的计算也比较繁琐.为提高挖掘效率和处理一些拓展的问题，人们在Apriori算法的基础上提出了许多改进算法［2-3］，文献［2］利用已存信息给出了知识发现的一种有效更新算法，文献［3］研究了属性离散化等关联规则挖掘过程. 　　当事务的标识符代表一定的意义时，人们往往不仅关心哪些项集是频繁的，同时也关心哪些事务包含这些频繁项集.比如，在销售事务数据库中，当某些不同事务的标识符代表不同的分店时，知道包含频繁项集的事务为人们分析不同区域客户的消费习惯提供了方便.而传统的关联规则挖掘往往只找出频繁项集，忽视了包含这些频繁项集的事务.基于此，本文先把事务数据库转化成信息表，信息表是粗糙集理论中对知识进行表达和处理的基本工??［4-5］，在信息表上利用等价关系找出频繁项集，在此过程中，简化了对候选集支持度的计算，同时对包含频繁项集的事务予以保留. 　　1 相关概念 　　1.1 信息表 　　设U≠?是我们感兴趣的对象组成的有限集合，称为论域. 　　定义1 S=（U，A，V，f）为一个信息系统，其中U为论域；A为全部属性的非空有限集合；V=∪a∈AV?a，V?a表示属性a的值域；f：U×A→V是信息函数, 它为每个对象的各个属性赋予一个相应值，即?a∈A，f(x,a)∈V?a［6］.信息系统的数据通常以信息表的形式表示.信息表的行表示要研究的对象，列表示属性，对象的信息是通过其各属性值来表达，容易看出，一个属性对应一个等价关系. 　　定义2 对?P?A,不可分辨关系ind(P)定义为： 　　ind（P）={(x,y)∈U×U｜?a∈P,f(x,a)= f(y,a)}. 　　如果(x,y)∈ind(P)，则称x和y是不可区分的，容易证明ind(P)是U上的等价关系［6］. 　　1.2 关联规则 　　 设I=I?1,I?2,…,I?m是项的集合，D是事务数据库，其中每个事务T都是项的集合（T?I）,每个事务都有一个标识符，称作TID，包含项集的事务数称为项集的支持度计数. 　　定义3 关联规则是形如A?B的蕴涵式，其中A?I,B?I,且A∩B=?. 　　定义4 规则A?B的支持度和置信度分别为： 　　support(A?B)=