谈改进的ａｐｒｉｏｒｉ关联挖掘算法的实践应用

《谈改进的ａｐｒｉｏｒｉ关联挖掘算法的实践应用 》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、谈改进的Ａｐｒｉｏｒｉ关联挖掘算法的实践应用内容摘要：本文介绍了数据挖掘技术在图书馆中的应用，并运用改进的Apriori关联挖掘算法对安徽省图书馆自动化系统中读者流通库进行挖掘，并对挖掘出的结果及其意义进行评价，从而为图书馆读者管理、图书资源的采购提供决策支持。　　关键词：数据挖掘Apriori算法图书馆管理读者管理　　　　数据挖掘技术在商业领域内的应用给图书馆带来了很大的启发。图书馆的数据库可以运用数据挖掘技术中的关联规则分析、聚类分析、决策树、时间序列分析等数据挖掘方法，以找出数据库中蕴藏的对于图书

2、馆管理有用的潜在规则，并且通过描述和预测，为图书馆的图书采购、读者服务、馆藏目录设置等管理工作提供决策支持。　　关联规则是与多数人想象的挖掘过程中最相近的一种数据挖掘形式，即寻找在同一事件中出现的不同项的相关性。关联规则的研究有助于发现数据库中不同商品间的联系，找出顾客购买行为模式。在图书馆运用关联规则分析可以细分出读者群，根据其借阅情况提供不同的服务，为图书馆的管理决策提供参考。关联规则的核心算法是Apriori算法。　　　　关联规则的基本概念及算法　　　　挖掘流通借阅事务数据库中所有的关联规则的问题

3、可以被划分成如下两个子问题：　　找出所有具有最小支持度的项集（即频繁项集），可用Apriori算法来找出频繁项集。由频繁项集产生强关联规则，对于每一个频繁项集I，找出其中所有的非空子集，然后，对于每一个这样的子集a，如果support（I）与support（a）的比值大于最小置信度，则存在规则a=>（I-a）。　　（一）关联规则算法　　关联规则的挖掘主要是在数据库中找出支持用户指定的最小支持度S和最小置信度C的关联规则，从而指导人们的一些管理决策。目前，关联规则的挖掘方法主要是找出数据库中的频繁项

4、集，然后由频繁项集产生关联规则。　　（二）Aprior算法　　Apriori算法是一种挖掘布尔关联规则的频繁项集的算法，它主要是利用逐层搜索的迭代方法来寻找数据库中频繁出现的项集。主要步骤是：第一步，产生频繁1-项集L1，扫描数据库D，出现在D中各个数据项的集合就是频繁1-项候选项集C1，并统计出每个数据项出现的次数，次数大于最小支持计数（预先）定义的项的集合就是频繁1-项集L1；第K步，产生频繁K-项集Lk，利用上一步产生的频繁（K-1）-项集Lk-1，与自己连接产生K-项集候选集Ck，扫描数据库事务

5、库，计算Ck中每个成员出现的次数，将小于最小支持度的候选项删除，最后产生频繁K-项集。　　算法：Apriori使用根据候选生成的逐层迭代找出频繁项集　　输入：流通借阅数据库D；最要支持度阈值minsup　　输出：D中的频繁项集L　　算法代码：　　1）L1一所有频繁项集1-项目集；　　2）for（k=2；Lk≠φ，k++）{　　3）Ck=apriori_gen(Lk-1，minsupport）　　4）forallC∈Ctdo{　　5）Ct=Subset（Ck，T）　　6）Forallc∈Ctdo　　7）c

6、.count++；　　8）}　　9）Lk={c∈Ck

7、support（c）>=minsup}　　10）}　　11）returnL={所有的Lk}　　Apriori算法的第1步找出频繁1-项集的集合L1。在第2~10步中，Lk-1用于产生候选Ck，以找出Lk。Apriori过程产生候选，第3步使用Apriori性质删除那些具有非频繁子集的候选，第4步扫描数据库，第5步使用subset函数找出事务中的候选的所有子集，第6步和第7步对每个这样的候选累加计数。最后，所有满足最小支持度的候选会形成频繁项集L

8、。　　Apriori-gen过程　　Apriori-gen过程由Lk-1产生第K次迭代时的候选项集Ck，该过程描述如下：　　ForeachitemsetI1∈Lk-1　　ForeachitemsetI2∈Lk-1　　If（I1[1]=I2[1]）∧(I1[2]=I2[2]∧…∧（I1[K-2]=I2[K-2]）∧（I1[K-1]=I2[K-2]）∧（I1[K-I]=I2[K-1]）　　Then{c=I[1]，I1[2]，…I1[K-I]，I2[K-1]）；　　Ck=CkUc；　　For（c的每个包含k-

9、1个项目的子集s）{　　If（s不属于Fk-1）　　从Ck中删除C；　　}　　Return（Ck）；　　　　改进的Apriori算法在图书馆的具体实现　　　　以安徽省图书馆某年度读者借阅事务库为例，可从图书馆借阅记录中挖掘出形如“读者-图书”强关联规则。首先要进行数据清洗，只保留属性概念中分层最低层的属性项，将同一个读者的所有借阅记录合并为一条记录。　　（一）算法思想　　在读者借阅记录关联规则挖掘过程中有一些特殊的性质，因为每一个读者借阅记