数据挖掘笔记：多层关联

5.4基于约束的...

脱脂牛奶和牛奶，关联度

兴趣度度量：

1.客观度量

2.主关度量

1）假关联：具有欺骗性的关联置信度（置信度公式没有考虑后键），条件概率的估计！=蕴含的实际强度

修正，扩充框架：提升度（lift）

2）提升度的缺陷：受到零事务（既不买游戏也不买录像）的影响较大

总结：公式存在倾向性

3）KULC=两种条件的置信度的均值

IR

5.5 序列模式挖掘

需要考虑时间

Apriori

GSP算法：

1）一项集，去除非平凡的

2）二项集，产生候选

项集越多，候选生成越难

候选过程：合并频繁k-1序列。不重复产生，合并规则

约束：1）最小和最大间隔约束（时间限制，减少数量）

        矛盾：超集支持度比原集更高

GSP算法瓶颈：大量候选，多次遍历数据库

其他算法:通过投影数据库提升性能，如Freespan,FrepixSpan

5.6推荐/个性推荐

挖掘用户历史行为，建立用户与内容的联系

推荐算法：

基于内容、协同过滤.etc

1）关联规则：普适性的算法，噪音强

2）个性化推荐：扩充信息维度（人、商品）

3）协同过滤：基于用户/基于物品，相似用户的观点。

        基于用户的最近邻推荐：向量之间的相似性

        基于模型的协调过滤：矩阵分解

4）基于知识图谱的推荐算法：静态推荐、动态推荐、跨领域推荐

评价指标：+实时性、