一种多的关系频繁的模式挖掘算法.docVIP

一种多的关系频繁的模式挖掘算法 　　摘 要:传统数据挖掘算法在处理多表时,需要物理连接,存在效率不高的问题。为了解决这一问题,提出了一种多关系频繁模式挖掘算法。该算法利用元组ID传播的思想,使多表间无须物理连接,就可以直接挖掘频繁模式。实验表明,此算法具有较高的效率。 　　关键词:多关系数据挖掘; 频繁模式; 元组ID传播 　　中图分类号:TP311文献标志码:A 　　文章编号:1001-3695(2009)09-3285-04 　　doi:10.3969/j.issn.1001-3695.2009.09.024 　　 　　Multi-relational frequent pattern mining algorithm 　　DENG Zuo-xiang, LIU Lian-fang??1,2?? , LIANG Yi-ping, ZHOU Xiao-ping 　　(1. School of Computer Electronics Information,Guangxi University, Nanning 530004, China;2. Pingsoft New Technology Co. Ltd. of Nanning, Nanning 530007, China) 　　Abstract:While dealing with multi-relation, traditional data mining algorithms used the way of physical join. In order to solve this problem, this paper proposed a multi-relational frequent pattern mining algorithm. By taking advantage of tuple ID propagation approach, this algorithm could directly mine frequent pattern inmulti-relation without physical join. Experiment demonstrates that, this algorithm has high efficiency. 　　Key words:multi-relational data mining; frequent pattern; tuple ID propagation 　　 　　数据挖掘,就是从大型的数据库中提取人们感兴趣的知识。大多数传统的数据挖掘方法只适用于在数据库的单表上进行挖掘。当面对多表时,不得不把这些表物理上连接到一张表中,这样会出现准确率低、效率低等问题。在这种情况下,多关系数据挖掘应运而生[1]。多关系数据挖掘研究直接在数据库多张表上进行挖掘的方法,无须向单表转换。 　　 　　1 相关工作 　　 　　1.1 传统频繁模式挖掘算法 　　挖掘频繁模式算法最有代表性的是Apriori算法[2],但是它只适用于单维的、单层的数据。在文献[3]中提出的频繁模式挖掘算法是一种传统的单表频繁模式挖掘算法,虽然适用于多维,但是只能处理单表频繁模式挖掘,不适用于多表,当面对多表时,首先不得不把多表集成到单表,存在效率低的问题。 　　1.2 基于ILP的多关系数据挖掘算法 　　目前大多数的多关系数据挖掘算法都是借鉴ILP思想[4]发展起来的。ILP使用逻辑编程语言作为知识表示方式,这种知识表示方式更具表达力,能够灵活方便地表示关系学习与多关系数据挖掘过程中的多关系数据、背景知识以及涉及多关系的复杂模式。此外,ILP方法便于在归纳推理过程中使用背景知识。这些都是ILP思想成为多关系数据挖掘主要方法的直接原因。但ILP思想存在一些缺点:a)处理不确定性和有噪声数据的能力有限;b)ILP使用基于??θ??包含的操作在假设空间中进行启发式搜索,而??θ??包含计算实质上是一个NP完全问题,这使得ILP思想效率低,可扩展性差。 　　WARMR[5,6]和FARMER[7]是两种基于ILP思想的多关系频繁模式挖掘算法。WARMR算法的核心思想与Apriori算法相同,采用逐层的、宽度优先的搜索策略。FARMER采用一种复杂的数据结构――Trie树来存储和操纵查询,Trie树中从根节点到叶子节点的每条路径都对应一个查询,利用该树进行查询的生成和支持度的计算。由于WARMR和FARMER都基于ILP思想,这使得两者的效率都不高。 　　1.3 基于元组ID传播的多关系数据挖掘算法 　　除了ILP思想,多关系数据挖掘也可以借鉴文献[8]中提出的元组????ID??传播思想。元组??ID