多关系关联规则挖掘研究-计算机软件与理论专业论文.docxVIP

摘要 摘要 I I 摘要 多关系数据挖掘是近年来快速发展的重要的数据挖掘领域之一。对于多关 系的数据挖掘研究，如何高效地挖掘以及如何提高算法的可扩展性，一直是大 家研究的重点。与传统的数据挖掘算法相比，多关系数据挖掘特有的复杂性对 算法的性能提出了更高的要求。多关系数据挖掘算法的搜索空间变得更大、更 复杂。 目前多关系数据挖掘主要集中在两个方面进行研究，其一是基于 ILP 理论 的技术，是以逻辑原子的方式表达项集，通过 Prolog 查询来计算项集的支持度， 借鉴典型的单表关联规则挖掘算法，通过分层迭代的方法发现存在于多表的关 联规则。这种方法在实现挖掘多表关联规则的同时可以避免统计偏斜问题的发 生，另一种方法是基于非 ILP 技术的多关系关联规则挖掘算法，这种方法主要 致力于挖掘解决算法存在的性能问题。 针对以上问题，本文主要做了以下工作： 首先，本文对数据挖掘理论、数据挖掘中关联规则算法进行了总结，重点 研究了多关系数据挖掘中的关联规则算法。介绍了目前主流的多关系挖掘技术， 基于 ILP 技术的多关系关联规则挖掘的经典算法以及非 ILP 技术中解决多关系 表连接问题的元组 ID 传播理论。 其次，本文将 FP-Growth 算法引入到多关系挖掘中，详细给出了多关系挖 掘中如何构建 FP 树以及如何寻找树中的频繁项集，并给出一个具体例子，演示 了算法。最后对于基于非 ILP 技术算法存在的统计偏斜问题提出了进一步优化。 最后，本文通过 PKDD 会议给出的数据集，对算法进行了实验验证并与其 他算法进行了对比，并对实验结果进行了分析。 关键词：多关系数据挖掘；FP Growth；多关系关联规则；统计偏斜 Abs Abstract II II Abstract Multi-relational data mining is developing rapidly in recent years, and it is one of the important areas of data mining. For multi-relational data mining, how mining more efficiently and how improving the scalability of the algorithm, has been the focus of our study. Compared to the traditional data mining algorithms, the complexity of specific performance of the algorithm in the multi-relational data mining put forward higher requirements. The search space of Multi-relational data mining algorithm becomes larger and more complex. At present, many relational data mining focused on two aspects of the research. One is finding the association rules among many tables based on the ILP theory of technology. It is using the logical expression of key sets of atoms, through Prolog queries to calculate item sets support, learn from a typical single-table association rules mining algorithm by sub-stack generation method. The problem of the approach towards multi-relational association rule mining will avoid statistical deviation. Another method is based on Un-ILP technology of multi-relational association rule mining algorithm. This approach is discovering and solving the performance issues in the algorithm. To solve the above problem, we do the fol