29、高效挖掘高平均效用项集

高效挖掘高平均效用项集

在数据库知识发现（KDD）领域，挖掘频繁项集（FIs）或关联规则（ARs）是一项基础任务。传统的频繁项集挖掘（FIM）和关联规则挖掘（ARM）算法仅考虑二进制数据库中项的出现频率，而忽略了诸如项的数量、利润和权重等重要因素。因此，高效用项集挖掘（HUIM）在近几十年成为了一个关键问题，它能揭示现实世界中的盈利项集。

1. 引言

传统的FIM和ARM算法存在局限性，没有考虑项的数量、利润和权重等因素。而HUIM作为FIM的扩展，考虑了这些额外信息，能更好地评估项集的“有用性”。然而，传统HUIM在定义项集效用时，没有考虑项集的长度，导致其在实际应用中存在不足。为了更客观地评估项集的效用，高平均效用项集挖掘（HAUIM）任务应运而生。

2. 相关工作

2.1 高效用项集挖掘（HUIM）

HUIM基于内部效用和外部效用的测量，旨在发现效用不低于最小效用阈值的高效用项集（HUIs）。过去的研究提出了多种方法，如Yao等人基于效用度量的数学性质提出了挖掘HUIs的框架；Liu等人设计了事务加权向下闭合（TWDC）属性并开发了事务加权利用（TWU）模型；Lin等人设计了高效用模式（HUP）树算法；Tseng等人开发了UP - Growth + 算法；Liu等人开发了基于列表的HUI - Miner算法等。此外，还有一些HUIM任务的扩展，如发现最新的HUIs和前k个HUIs。

2.2 高平均效用项集挖掘（HAUIM）

传统HUIM中项集效用的定义未考虑项集长度，在实际情况中不够充分。为了更好地评估项集效用，HAUIM任务被提出，其平均效用定义为项集在出现的事务中各项效用之和除以