关联规则挖掘方法探究论文.docVIP

关联规则挖掘方法探究论文 摘要从大量事务记录中发现有意义的关联规则，可以帮助做出许多商务决策，如分类设计、交叉购物，从而提高销售额和利润。本文提出了一种基于链表族数据结构的关联规则挖掘的改进方法，性能明显优于Apriori算法。由于该方法只需访问数据库一次，对于挖掘海量数据其性能尤为明显。 关键词数据挖掘；关联规则；支持度 1问题概述 关联规则的挖掘的形式化描述如下：令I={i1，i2，…im}为项目集(也称为模式)，D为事务(又称交易)数据库，其中每个事务T是I中一组项目集合，即TI，并令其有一个唯一的标识符TID。如果对于I中的子集X有XT，则事务包含项目集X。关联规则就是形如XY的逻辑蕴涵式，其中XI，YI，且X∩Y=。如果D中S%交易包含X∪Y，关联规则XY在D中具有支持s。如果D中c%的包含X的交易也同时包含Y，则关联规则XY在D中可信度c成立。关联规则挖掘一般分为两步：①发现所有的频繁项目集，也就是说这些项目集在数据库中的支持计数必须不小于预先设定的一个阈值，即最小支持度；②由频繁项目集产生强关联规则，也就是说这些强关联规则必须满足最小支持度和最小可信度。其中第2步，一般采用如下方法：对于一个频繁项目集l的每一个非空子集s如果support_count(1)/support_count(s)≥min_conf，(其后suppor