25、关联规则挖掘查询的增量细化：原理与应用

关联规则挖掘查询的增量细化：原理与应用

1. 关联规则提取与规则集生成

在关联规则挖掘中，规则的提取需考虑支持度和置信度阈值。例如，在一个示例查询中，支持度阈值设为 0.2，置信度阈值设为 0.3，若规则不满足这些阈值，就会被舍弃。最终生成的规则集如下：
| 规则 | 支持度（s） | 置信度（c） |
| — | — | — |
| {hiking boots} -> {col shirts} | 0.33 | 1 |
| {jackets} -> {col shirts} | 0.33 | 0.5 |
| {hiking boots, jackets} -> {col shirts} | 0.33 | 1 |
| {brown boots} -> {col shirts} | 0.66 | 1 |

同时，需要注意重言式规则的问题。在没有聚类的情况下，如果规则的主体和头部不分离，规则就是重言式的，例如 {brown boots, col shirts} -> {col shirts}。而当指定聚类时，只有当规则的主体和头部从同一聚类中提取时，规则才是重言式的。

2. 挖掘查询的性质与规则集关系

挖掘查询用于从数据库中提取关联规则，这些查询可编译成一组复杂的查询以获取相关信息。由于挖掘查询结构复杂，很难应用已知技术来检测查询之间的有趣关系，不过可以定义几种不同的关系，主要包括等价、包含和支配关系。
- 等价关系 ：两个挖掘查询 M1 和 M2 等价（M1 ≡ M2），意味着对于所有源数据实例，它们输出的规则集 R1 和