資源描述：
《基于布爾矩陣的高價(jià)值度關(guān)聯(lián)規(guī)則挖掘算法.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)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(jià)值度關(guān)聯(lián)規(guī)則挖掘算法葉世綺，孫振，趙站(暨南大學(xué)，廣東廣州510632)摘要：傳統(tǒng)的挖掘算法Apriori是依據(jù)統(tǒng)計(jì)學(xué)中的數(shù)據(jù)顯著性挖掘關(guān)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(jià)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(guān)聯(lián)規(guī)則，通過采用基于布爾矩陣挖掘關(guān)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(yīng)的利潤矩陣，隨后根據(jù)“二八法則”設(shè)定
2、對客戶最具吸引力的“最小價(jià)值度”，最終挖掘出高價(jià)值的關(guān)聯(lián)規(guī)則，從而提高規(guī)則挖掘的效率及價(jià)值。關(guān)鍵詞：關(guān)聯(lián)規(guī)則；布爾矩陣；規(guī)則相關(guān)項(xiàng)布爾矩陣；平均利潤矩陣；最小價(jià)值度中圖分類號：TP301文獻(xiàn)標(biāo)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(guān)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(jià)值的關(guān)聯(lián)規(guī)則，在已有的研趣的項(xiàng)集之問的相互關(guān)聯(lián)，是對一個(gè)對象和其它對究和實(shí)踐的基礎(chǔ)上，本文通過引入有關(guān)布爾矩陣的象的相互依存和關(guān)聯(lián)關(guān)系的一種表示-41。作為數(shù)概念，構(gòu)建布爾矩陣及相應(yīng)的利潤矩陣，最終得到據(jù)挖掘中的一個(gè)重要研究領(lǐng)域，關(guān)聯(lián)規(guī)則得到了學(xué)具有高價(jià)值的關(guān)聯(lián)規(guī)則。術(shù)界極大的關(guān)注，并在商業(yè)、企業(yè)、過程控制、政1相關(guān)概念的描述府部門及科學(xué)研究等領(lǐng)域都得到了廣泛的應(yīng)用J。關(guān)聯(lián)規(guī)則的典型算法Apriori是Agrawal等人令，={i，i，?，i}為項(xiàng)目集合，由11,個(gè)在1993年提出來的，該模型需要不斷地掃描事務(wù)數(shù)
7、互不相同的項(xiàng)目構(gòu)成；D為數(shù)據(jù)庫，由一組事務(wù)組據(jù)庫，成本較高J，并假定數(shù)據(jù)庫中的項(xiàng)目具有相成；事務(wù)T=(，)是一個(gè)元組，其中表示同的重要性。在實(shí)際的應(yīng)用中，關(guān)聯(lián)規(guī)則的挖掘事務(wù)標(biāo)識符，，，。主要通過支持度和置信度兩個(gè)指標(biāo)來評價(jià)一個(gè)規(guī)則定義l：令，={，i：，?，i}為項(xiàng)目集合，是否有效J。通過這種方法挖掘關(guān)聯(lián)規(guī)則主要存在事務(wù)的項(xiàng)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(shè)定往往過到關(guān)聯(lián)規(guī)則的k一項(xiàng)項(xiàng)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(xiàng)目具對應(yīng)于k一項(xiàng)項(xiàng)集，中k一項(xiàng)單位利潤集，Q=有相同的重要性，容易造成對價(jià)值原則的忽視；最{g，g，?，}為整個(gè)事務(wù)數(shù)據(jù)庫D中對應(yīng)k一后，需要不斷地掃描事務(wù)數(shù)據(jù)庫產(chǎn)生候選集的效率項(xiàng)項(xiàng)集中k一項(xiàng)銷售數(shù)量集，Vx={VV?，較低。為了更加有效地挖掘高價(jià)值度關(guān)聯(lián)規(guī)則，找收稿日期：201
