4、领域知识引导的知识发现初探

领域知识引导的知识发现初探

在数据挖掘领域，从数据库中提取有用模式是一项重要任务。其中，频繁项集常被用于揭示数据中的“规律”，但在某些情况下，挖掘“稀有”项集也具有重要意义。本文将介绍稀有项集和规则、相关挖掘平台以及数据挖掘方法，还会探讨知识发现的研究方向。

稀有项集和规则

在从数据库提取的有用模式中，频繁项集通常能展现数据中的“规律”，它们是反复出现现象的见证，符合领域专家的预期。然而，有时搜索“稀有”项集也很有价值。稀有项集指在数据中不常出现的项集，与频繁项集形成对比，它们对应意外现象，可能与领域中的传统观念相矛盾。

例如，在生物学领域，专家研究心血管疾病（CVD）病因时，频繁项集“{胆固醇水平升高，CVD}”可验证这两个项常相关的假设，得出“胆固醇水平高的人患CVD风险高”的结论。而稀有项集“{素食者，CVD}”则表明这两个项的关联较为特殊，可能意味着“素食者患CVD风险低”。并且，{素食者}和{CVD}可能都是频繁项集，但{素食者，CVD}却是稀有项集。

稀有情况值得特别关注，因为它们给数据挖掘算法带来了很大困难。相关挖掘问题已被深入研究，有不同的名称，如异常、负规则等。这些方法大多基于通用的逐层Apriori算法的改进，但可能因计算成本过高或定义过于严格而不完整，无法收集大量潜在有趣的模式。

为解决这一问题，有一种专门用于提取稀有项集的框架。它基于对稀有项集直观且正式的定义，旨在为稀有模式挖掘提供理论基础，包括简化表示的定义和挖掘任务的复杂度结果，还开发了一套算法工具套件（在Coron平台中）及使用指南。计算所有稀有项集的方法主要包括两个步骤：
1. 识别最小稀有项集 ：使用优化方法