关联规则挖掘算法分析与探讨.pdfVIP

第12卷第7期V01．12N0．7

2013年7BJul．20l3

关联规则挖掘算法分析与探讨

刘晓玲，郭龙

(济南职业学院计算机系，山东济南250103)

摘要：关联规则挖掘算法是数据挖掘领域的主要研究方向之一。对几种经典的关联规则挖掘算法进行了分析、探

讨和比较，给出了一种基于支持矩阵的、不需要产生候选项目集的算法设计思想。算法为事务数据库中的每个项目

设置二进制向量，利用逻辑与运算构造支持矩阵来挖掘频繁项目集，极大地节省了存储空间，提高了算法运行效率。

关键词：关联规则；候选项目集；频繁项目集；支持度

中图分类号：TP312文献标识码：A文章编号：1672—7800(2013)007—0066—03

时也包含Y的百分比，它是条件概率P(YlX)，记为confi

0UY)

引言support—count(X

dence(X号Y)一P(YIX)。

support—count(X)

关联规则挖掘在商业等领域中的成功应用，使其成为其中，support_count(XUY)是包含项目集XUY的所

数据挖掘中最活跃、最主要、最成熟的研究课题之一。通过

对关联规则的挖掘，可以得到隐藏在海量数据集中的有趣定义1．3包含k个项目的项目集称为k一项集。例

如{coffee，tea}是一个2一项集。

的、有价值的信息。自从Agrawal等人[11提出关联规则挖

掘的概念和经典的关联规则挖掘算法一Apriori算法以来，定义1．4如果项目集X在事务数据库D中的支持

众多国内外研究者对关联规则挖掘算法进行了广泛深入的度不小于用户给定的最小支持度阈值，则称X为频繁项

研究，提出了许多在运行效率及伸缩性等方面均有进一步目集；反之，则称x为非频繁项目集。频繁k一项集的集合

提高的改进算法。本文首先给出了关联规则的基本概念，通常记为Lk。

然后对几种经典的关联规则挖掘算法进行了分析比较，最关联规则挖掘的目标是从事务数据库D中挖掘出所

后提出了一种改进的关联规则挖掘算法的设计思想。有满足用户事先给定的最小支持度阈值和最小可信度阈

值的关联规则，也可以说是挖掘出所有的强关联规则。关

1基本概念联规则挖掘的过程最终都可以归纳为两步：

(1)找出事务数据库D中的所有频繁项目集，根据定

义1．4，找出的这些项目集出现的频率至少和用户给定的

设关联规则挖掘的数据集记为D(事务数据库)，I一{i。，

i：，…，i。)是项目的集合。其中每一个事务T是项目的集合，最小支持度阈值一样。

使得TEI。每一个事务都有惟一的标识符，记作TID。(2)根据频繁项目集和最小可信度阈值产生所有有用

定义1．1设X是项目集，事务T包含X当且仅当x的强关联规则。

∈T。