12、高效挖掘稀有关联规则的方法

高效挖掘稀有关联规则的方法

在数据挖掘领域，挖掘稀有关联规则是一项具有挑战性的任务。传统的基于单一最小支持度（minsup）的频繁模式挖掘方法，如Apriori和FP - growth，存在“稀有项问题”。当最小支持度设置较高时，包含稀有项的频繁模式会被遗漏；而当最小支持度设置较低时，频繁模式的数量会急剧增加。为了解决这个问题，人们提出了“多最小支持度框架”，下面我们来详细了解其中的不同模型。

相关工作

在多最小支持度框架下，主要有以下几种模型：
1. 最小约束模型 ：该模型为每个项目指定一个支持约束，即最小项目支持度（MIS）。模式的最小支持度由其所有项目中的最小MIS值表示。使用此框架挖掘的频繁模式不满足向下闭合属性，而是满足排序闭合属性。基于此模型的Apriori类或FP - growth类方法在生成更高阶的频繁模式时，需要同时考虑频繁和非频繁模式。
2. 最大约束模型 ：在最小约束模型中，一个模式只要满足其所有项目中的最低MIS值就可以是频繁的。但在某些情况下，用户指定的MIS值意味着任何涉及该项目的模式的支持度不应低于其MIS值。因此，最大约束模型被提出，在该模型中，一个模式只有在满足其所有项目的MIS值时才是频繁的。不过，目前该模型只有类似Apriori的方法，存在性能问题，且现有的基于最小约束模型的FP - growth类方法不能扩展到最大约束模型。
3. 其他模型 ：有方法只考虑支持度低于最小支持度的非频繁项来挖掘关联规则，但这种方法无法发现频繁项和稀有项之间的关联。还有一种类似Apriori的方法，试图在每次迭代中使用不同的最小支持度，但仍