4、正负关联规则挖掘：受限规则的方法

正负关联规则挖掘：受限规则的方法

1. 引言

关联规则挖掘是数据挖掘中的一项重要任务，旨在发现事务数据库中项目之间的关系。它在推荐系统、诊断决策支持、电信、入侵检测等众多应用领域都有广泛的用途。传统的关联规则挖掘算法主要关注正关联规则，即事务中存在的项目之间的关联。然而，负关联规则，即考虑项目缺失情况的关联规则，也能提供有价值的信息。

例如，在市场篮子分析中，“购买可乐的顾客不购买百事可乐”这样的负关联规则可以帮助商家制定营销策略。但由于发现负关联规则的过程较为复杂，目前相关的研究和算法相对较少。

1.1 本文贡献

• 新算法 ：设计了一种新的算法，用于生成正关联规则和负关联规则。该算法使用不同的兴趣度度量，并从不同的候选集生成关联规则。
• 自动阈值 ：引入了相关系数的自动阈值调整机制，避免了手动调整参数的困难。通过逐步滑动阈值，找到强相关性的规则。
• 性能比较 ：将该算法与其他现有的负关联规则挖掘算法进行比较，并讨论了它们的性能。

2. 基本概念和术语

2.1 关联规则

形式上，关联规则定义如下：设 $I$ 是一个项目集，$T$ 是一个事务集，每个事务 $T$ 是 $I$ 的一个子集，且每个事务都有一个唯一的标识符 $TID$。如果事务 $T$ 包含项目集 $X$，则称 $T$ 包含 $X$。关联规则是形如 $X \Rightarrow Y$ 的蕴含式，其中 $X, Y \subseteq I$ 且 $X \