資源描述：
《基于布爾矩陣的高價值度關聯(lián)規(guī)則挖掘算法.pdf》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、204年第6期s。i。。dT}}j{。。R。。hdoi：10．3969／j．issn．1000—7695．2014．06．038基于布爾矩陣的高價值度關聯(lián)規(guī)則挖掘算法葉世綺，孫振，趙站(暨南大學，廣東廣州510632)摘要：傳統(tǒng)的挖掘算法Apriori是依據(jù)統(tǒng)計學中的數(shù)據(jù)顯著性挖掘關聯(lián)規(guī)則，需多次掃描數(shù)據(jù)庫，效率較低，且忽視了數(shù)據(jù)顯著性與價值性不匹配的問題。針對“大數(shù)據(jù)”下容易產(chǎn)生數(shù)量繁多但無效的關聯(lián)規(guī)則，通過采用基于布爾矩陣挖掘關聯(lián)規(guī)則的算法，只掃描一次數(shù)據(jù)庫，得出布爾矩陣及相應的利潤矩陣，隨后根據(jù)“二八法則”設定
2、對客戶最具吸引力的“最小價值度”，最終挖掘出高價值的關聯(lián)規(guī)則，從而提高規(guī)則挖掘的效率及價值。關鍵詞：關聯(lián)規(guī)則；布爾矩陣；規(guī)則相關項布爾矩陣；平均利潤矩陣；最小價值度中圖分類號：TP301文獻標志碼：A文章編號：1000—7695(2014)06—0188—04High——valueDegreeAssociationRulesMiningAlgorithmBasedonBooleanmatrixYEShiqi，SUNZhen，ZHAOZhe(JinanUniversity，Guangzhou510632，China)A
3、bstract：ThetraditionalassociationrulesminingalgorithmAprioriisbasedonthesignificantminingassociationrulesinstatistics．ThealgorithmisIneficientbecauseitneedstorepeatedlyscanthedatabase．Anditalsoneglectstheproblemthatthesignificanceofdatadoesnotmatchthevalue．Oppo
4、sitelyitiseasytoproduceexcessivebutInvalidassociationrules．Thepaperusesthealgorithmbasedonbooleanmatrixtominingassociationrules．Thisalgorithmdrawsthebool—eanmatrixandthecorrespondingprofitmatrixbyscanningthedatabaseonlyonce．Then，itsetsthemostattractiveminimalde
5、greefortheclientbasedontheParetorule．Atlast，itminesthehigh—valuedegreeassociationrulesandimproveseffi—ciencyandvalue．Keywords：associationrules；booleanmatrix；booleanmatrixrelatedwiththeitemsoftherules；averageprofitmatrix；minimaldegree關聯(lián)規(guī)則挖掘主要用于發(fā)現(xiàn)數(shù)據(jù)庫中客戶感興到對客戶真正具有
6、高價值的關聯(lián)規(guī)則，在已有的研趣的項集之問的相互關聯(lián)，是對一個對象和其它對究和實踐的基礎上，本文通過引入有關布爾矩陣的象的相互依存和關聯(lián)關系的一種表示-41。作為數(shù)概念，構(gòu)建布爾矩陣及相應的利潤矩陣，最終得到據(jù)挖掘中的一個重要研究領域，關聯(lián)規(guī)則得到了學具有高價值的關聯(lián)規(guī)則。術界極大的關注，并在商業(yè)、企業(yè)、過程控制、政1相關概念的描述府部門及科學研究等領域都得到了廣泛的應用J。關聯(lián)規(guī)則的典型算法Apriori是Agrawal等人令，={i，i，?，i}為項目集合，由11,個在1993年提出來的，該模型需要不斷地掃描事務數(shù)
7、互不相同的項目構(gòu)成；D為數(shù)據(jù)庫，由一組事務組據(jù)庫，成本較高J，并假定數(shù)據(jù)庫中的項目具有相成；事務T=(，)是一個元組，其中表示同的重要性。在實際的應用中，關聯(lián)規(guī)則的挖掘事務標識符，，，。主要通過支持度和置信度兩個指標來評價一個規(guī)則定義l：令，={，i：，?，i}為項目集合，是否有效J。通過這種方法挖掘關聯(lián)規(guī)則主要存在事務的項集為，={，i：，?，i}，且其中涉及著以下問題：首先，支持度和置信度的設定往往過到關聯(lián)規(guī)則的k一項項集為Ix={i，i，?，i}，于主觀，容易造成挖掘效果不夠理想；其次，R且k≤≤n，，，P={
8、，p：，?，}表示Agrawal等人。。提出的模型假定數(shù)據(jù)庫中的項目具對應于k一項項集，中k一項單位利潤集，Q=有相同的重要性，容易造成對價值原則的忽視；最{g，g，?，}為整個事務數(shù)據(jù)庫D中對應k一后，需要不斷地掃描事務數(shù)據(jù)庫產(chǎn)生候選集的效率項項集中k一項銷售數(shù)量集，Vx={VV?，較低。為了更加有效地挖掘高價值度關聯(lián)規(guī)則，找收稿日期：201
