四川大学计算机学院伍少梅,关联规则挖掘的PredictiveApriori研究及改进算法的.doc...

关联规则挖掘的PredictiveApriori研究及改进算法的

2O12年1月

第49卷第1期

四川大学(自然科学版)

Journal0fSichuanUniversity(NaturalScienceEdition)

Jan.2012

Vo1.49No.1

doi:103969/j.issn.0490—6756.2012.01.016

关联规则挖掘的PredictiveAprior1●●●^●●

研究及改进

吴芝明,钱程,伍少梅

(四川大学计算机学院,成都610064)

算法的

摘要:在关联规则挖掘算法中,PredictiveApriori算法只需设定输出最好的N个规则,就可

挖掘出N个预测精度最大的规则,从而极大地减轻用户参数设置的负担.但该算法需要不断

对事务数据库进行扫描,如果事务数据库很大将会大大增加I/O时间,降低挖掘效率.本文融

合事务压缩技术,提出一种称为FastPredictiveApriori的改进版算法.实验结果表明,随着事

务数据量的增大,改进后的算法只需扫描压缩事务集.因此,在事务数据库很大时,该算法能明

显提高执行效率.

关键词:关联规则;PredictiveApriori;事务压缩

中图分类号:TP391文献标识码:A文章编号:0490—6756(2012)01—0097—05

ResearchandimprovementonPredictiveApri0rj'salgorithm

miningwithassociationrules

W【,Zhi—Ming,QIANCheng,WUShao—Mei

(CollegeofComputerScience,SichuanUniversity,Chengdu610064,China)

Abstract:PredictiveApriorialgorithmcanfindoutthemostaccuracyNruleswhensettingtheparameter

N,SOthealgorithmgreatlyreducestheburdenoftheuser'Sparameterssetting.However,thisalgo—

rithmincreasestheI/Otimeandhinderstheminingefficiencybecauseofscanningthetransactiondata—

basecontinuously.Thispaperprovidesanimprovedmethodbycombiningaffairscompressiontechnolo—

gyandPredictiveApriori.Themethodsimplyscansthecompressedtransactionsetsandtheexperiment

resultsshowthattheimprovedmethodcanimprovetheefficiencysignificantlywithtransactiondatabase

increases.

Keywords:associationrule,PredictiveApriori,transactionreduction

1引日

关联规则挖掘是一种重要的数据挖掘技术.关

联规则可以反映出数据库中数据项(即表属性值)

的依赖或关联关系,其挖掘算法有很多,经典的是

Agrawal于1993年提出的Apriori以及各种改

进算法[2,3].大部分算法至少需要设置两个阈值,

最小支持度minsup和最小置信度minconf,支持

度为数据库事务记录X和y同时出现的概率,它

反映了规则的可用性,而置信度为在X出现的情

况下y出现的条件概率,它反映了规则的可靠行.

算法的目标就是挖掘出所有满足minsup和min一

收稿日期:2011—09—01

作者简介:吴芝明(1986一),女,硕士研究生,研究方向为人机交互.E—marl:wzhm0301@163.corn

通讯作者:伍少梅.E—mail:wu—scdx@126.corn

98四川大学(自然科学版)第49卷

con{的关联规则,而minsup和minconf的正确设

置要求用户有一定的关联规则应用挖掘经验.同时

算法很容易产生大量的规则输出,而且很多规则对

用户来说是不感兴趣的,没有意义的,因此出现了

关联规则兴趣度度量技术,用于评价用户对关联规

则的关注程度.

关联规则的兴趣度度量分为客观评价和主观

评价[4]:(1)客观评价的兴趣度度量值依赖于关联

规则本身结构,规则前后项的关系及统计信息等;

(2)主观兴趣度评价需要用户在挖掘过程中进行

主观交互,主要有基于约束的挖掘方法,可以让用

户指定挖掘特定数据,约束规则的知识类型,如岑

宇森等提出主成