关联规则挖掘算法及应用研究-计算机技术专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 随着信息技术的发展，尤其是大数据时代的到来，各行各业都积累了大量的数据。如 何从这丰富的数据中挖掘出对我们的工作和生活有用的知识，已成为现在及未来的一个热 门的研究课题之一。关联规则挖掘作为数据挖掘的重要分支，可以用来分析不同项之间的 关联性，分析结果可用于指导许多商业活动做出合理的商业决策，其在很多商业数据的处 理中起到了关键的作用。 本文主要对关联规则挖掘算法及其应用进行了研究，介绍了关联规则挖掘的基本理论， 分析了经典关联规则挖掘算法：Apriori 和 FP-growth 算法，对比了这两种算法的优缺点。 在此基础上，对 FP-growth 算法进行了改进，提出了基于分组和压缩 FP-growth 算法 GCFP-growth(Grouping and Compressing on Frequent-Pattern Growth)。该算法对 FP-growth 算 法做了两方面改进。一方面，将数据源根据数据挖掘研究的目的按照某一个属性进行分组， 分组后的数据至少有一个属性值是相同的，在挖掘的时候就可以省去这一列的挖掘，只要 在挖掘的结果中加上这一属性值即可。这种方法达到了减少属性的目的，同时也减少了数 据挖掘一次性处理过大数据量的压力。另一方面，本文通过改变相邻结点顺序和忽略中间 节点的方法实现了对 FP-tree 的有效压缩。这种方法可以降低新结点的生成频率，达到降低 空间和时间复杂度的目的。 本文对 GCFP-growth 算法的优越性进行了验证，并开发了一个招聘信息挖掘系统来客 观地体现 GCFP-growth 算法的实用性。将 GCFP-growth 算法应用到了现实数据中，对招聘 信息进行关联规则挖掘，得到有趣的关联规则，为应聘者提出可行的就业指导建议。 关键词: 关联规则挖掘，FP-growth，分组，FP-tree 压缩，GCFP-growth，招聘信息挖掘 I Abstract With the development of information technology, especially the advent of the era of big data, large amounts of data have been accumulated. How to dig up useful knowledge from the rich data to change the way of our work and life, has become a hot research topic in the present and the future. As an important branch of data mining, association rule mining can be used to analyze the correlation between different items. The results can guide many commercial activities to make sound business decisions. Association rules mining plays a key role in processing business data. This thesis focuses on the research of association rule mining algorithm and its application. It describes the basic theory of association rules, followed